R中离散数据密度计算：stats::density与ggplot2结果差异咨询

• 计算逻辑本质不同：ggplot2::geom_histogram()生成的..density..是分箱直方图密度，计算规则为(单个分箱内样本数 / 总样本数) / 分箱宽度。你的代码中设置binwidth=1，输出结果就是每个整数取值对应的样本占比，完全匹配离散取整后的数据分布。而stats::density()是核密度估计（KDE）函数，默认使用高斯核做连续平滑，会将相邻点的概率质量做加权扩散，属于连续分布的平滑估计，和直方图的离散分箱计数逻辑完全不同，结果自然存在明显差异。
• 函数调用参数设置错误：你调用density()时设置from = -3, to = 6，直接截断了x<-3和x>6区间的密度估计，但生成的round(rnorm(1000))样本本身存在超出[-3,6]范围的值，截断会导致密度总积分不等于1，结果整体偏移。同时设置n = length(-3:6)仅生成10个估计网格点，网格密度不足以覆盖数据实际范围，后续用geom_col()绘图时也没有做分箱对齐，进一步放大了视觉差异。
• 场景错配：如果你的目标是预先计算和..density..一致的直方图密度值（适配大数据量场景），不需要调用核密度估计函数，直接通过分箱计数计算即可，计算效率远高于KDE。如果你需要的是核密度平滑结果，应该用geom_line()绘制连续曲线而非geom_col()画离散柱形，同时调整density()的取值范围覆盖全量数据、增加网格点数量，结果会和geom_density()输出对齐。

直接调用基础R的hist()函数并关闭绘图模式，提前计算分箱密度，结果和ggplot2内置计算的..density..完全一致，大数据量下计算速度极快：

library(tidyverse)
library(patchwork)

set.seed(123) # 固定随机种子保证结果可复现
df <- data.frame(A = round(rnorm(1000)),
                 B = round(rnorm(1000)),
                 C = round(rnorm(1000))) %>% 
  pivot_longer(cols = everything(), names_to = "group")

# 预计算直方图密度，和ggplot2内置计算逻辑完全对齐
dens_df <- df %>% 
  group_by(group) %>% 
  group_modify(~{
    # 分箱边界设为半整数，匹配整数数据binwidth=1的分箱规则，覆盖x从-3到10的展示范围
    h_res <- hist(.x$value, breaks = seq(-3.5, 10.5, 1), plot = FALSE)
    data.frame(density.x = h_res$mids, density.y = h_res$density)
  })

plot_precomputed <- dens_df %>% 
  ggplot()+
  aes(x = density.x, y = density.y) %>% 
  geom_col(width = 1, col = "white")+ # 柱宽设为1和分箱宽度一致
  scale_x_continuous(breaks = seq(-3,10,1), limits = c(-3,10))+
  stat_function(fun = dnorm, n = 14, args = list(mean = 0, sd = 1), geom = "point", col = "red") +
  stat_function(fun = dnorm, n = 14, args = list(mean = 0, sd = 1), geom = "point", size = 2, col = "red") +
  stat_function(fun = dnorm, n = 14, args = list(mean = 0, sd = 1), geom = "line", col = "red") +
  facet_wrap(~group)+
  labs(title = "precomputed histogram density")

plot_ggplot <- df %>% 
  ggplot()+
  aes(x = value, y = ..density..) %>% 
  geom_histogram(
    binwidth = 1,
    col = "white")+
  scale_x_continuous(breaks = seq(-3,10,1), limits = c(-3,10))+
  stat_function(fun = dnorm, n = 14, args = list(mean = 0, sd = 1), geom = "point", col = "red") +
  stat_function(fun = dnorm, n = 14, args = list(mean = 0, sd = 1), geom = "point", size = 2, col = "red") +
  stat_function(fun = dnorm, n = 14, args = list(mean = 0, sd = 1), geom = "line", col = "red") +
  facet_wrap(~group)+
  labs(title = "using ggplot2 ..density..")

plot_precomputed + plot_ggplot

运行上述代码后，两个子图的柱形高度会完全一致。

内容的提问来源于stack exchange，提问作者CyG