geom_density的scale与geom_density_2d的level含义及数值差异问题

geom_density() 底层调用 stat_density() 完成核密度计算，scale 是该统计层的参数，仅在分组绘制密度图时生效，三个可选取值的逻辑如下：

• scale = "area"：默认取值，所有分组的密度曲线下面积均归一化为1，符合标准概率密度定义，适合跨组比较分布形状
• scale = "count"：将归一化后的密度值乘以对应分组的有效样本量，此时曲线下面积等于该组的观测总数，曲线高度同时反映组内分布集中程度和组间样本量差异
• scale = "width"：不做面积归一化，缩放后所有分组的密度曲线峰值高度保持一致，仅适合跨组比较峰值位置，数值本身不具备概率或计数含义

geom_density_2d() 基于二维核密度估计结果绘制等高线，level 对应等高线的最高密度区域累计概率阈值：

• 默认参数下生成的9条等高线，对应的level值从高到低分别对应覆盖10%、20%……90%样本的最高密度区域边界
• 单条level对应的等高线围合的区域，就是所有密度值高于该阈值、累计概率等于对应level值的样本分布范围
• 手动传入levels = c(0.5, 0.95)这类数值向量，即可自定义绘制覆盖50%、95%样本最高密度范围的等高线
• 注意level是概率分位值，和密度本身的绝对数值、量纲没有关系

很多人会混淆概率密度和概率的定义，这是造成数值困惑的核心原因：

概率的取值固定在[0,1]区间，但概率密度没有取值范围限制，它的绝对大小完全由分析变量的坐标轴量纲、取值区间宽度决定，唯一约束是全区间上密度的积分值等于1。

举个直观的验证例子：

• 若分析变量是取值范围为1.5_{1.9m的成人身高，密度曲线宽度约0.4，峰值密度通常在2}3之间，积分后面积为1
• 若把身高单位换成mm，取值范围变为1500_{1900mm，同样分布的峰值密度会降到0.002}0.003
• 若分析变量是取值范围仅为0.003的高精度微小测量误差，峰值密度完全可以达到300甚至更高，只要积分结果为1就符合核密度估计的计算逻辑

公开示例大多使用取值范围在个位数、十位数区间的演示数据，因此密度值普遍偏小；自有数据密度峰值达到300，本质是对应变量的取值区间非常窄，不属于计算错误。可提取密度计算结果做数值积分验证，只要全区间积分结果为1，结果就是准确的。

内容的提问来源于stack exchange，提问作者cmic91290