如何基于geom_density()密度曲线计算指定区间的近似观测计数

核密度曲线的纵轴是概率密度值，我们只需要计算指定区间内密度曲线的下面积（即该区间的概率），再乘以总观测数，就能得到对应的近似计数，和geom_density输出的平滑结果完全匹配。

完整实现步骤 #

• 步骤1：计算和geom_density默认参数一致的核密度结果

# 先构造你提供的tmp序列
tmp <- c(round(seq(0, 12000, ((12000 - 0) / round(1500 * .05)))), 
         round(seq(12000, 18900, ((18900 - 12000) / round(1500 * .1)))),
         round(seq(18900, 23300, ((23300 - 18900) / round(1500 * .1)))),
         round(seq(23300, 28100, ((28100 - 23300) / round(1500 * .1)))),
         round(seq(28100, 33500, ((33500 - 28100) / round(1500 * .1)))),
         round(seq(33500, 40000, ((40000 - 33500) / round(1500 * .1)))),
         round(seq(40000, 47700, ((47700 - 40000) / round(1500 * .1)))),
         round(seq(47700, 56500, ((56500 - 47700) / round(1500 * .1)))),
         round(seq(56500, 68300, ((68300 - 56500) / round(1500 * .1)))),
         round(seq(68300, 94200, ((94200 - 68300) / round(1500 * .1)))),
         round(seq(94200, 200000, ((200000 - 94200) / round(1500 * .05)))))

# 核密度计算，参数和ggplot2 geom_density默认参数完全一致（高斯核、nrd0带宽）
dens <- density(tmp)
total_n <- length(tmp) # 总观测数

• 步骤2：封装区间计数计算函数
  用梯形法做数值积分算区间面积，再转换为计数：

count_from_density <- function(lower_bound, upper_bound, dens_obj, total_count) {
  x_val <- dens_obj$x
  y_val <- dens_obj$y
  # 筛选落在目标区间的密度点
  range_idx <- x_val >= lower_bound & x_val <= upper_bound
  # 梯形法计算积分（区间概率）
  interval_prob <- sum(diff(x_val[range_idx]) * (head(y_val[range_idx], -1) + tail(y_val[range_idx], -1)) / 2)
  # 概率乘总样本数得到近似计数
  return(round(interval_prob * total_count))
}

• 步骤3：测试你举的10050~10100区间示例

# 基于密度曲线的近似计数
est_count <- count_from_density(10050, 10100, dens, total_n)
print(est_count)

# 可以和原始实际计数对比验证
actual_count <- sum(tmp >= 10050 & tmp <= 10100)
print(actual_count)

特殊场景说明 #

如果你自定义过geom_density的带宽（bw参数）、核函数（kernel参数），只需要在调用density()时传入相同的参数，就能保证和你画的密度曲线完全匹配。如果要直接从已绘制的ggplot对象提取密度数据，可以用以下方法：

library(ggplot2)
# 假设你已经画好了密度图存在p对象里
p <- ggplot(data.frame(val = tmp), aes(x = val)) + geom_density()
# 提取图层里的密度数据
plot_data <- ggplot_build(p)
dens_from_plot <- data.frame(
  x = plot_data$data[[1]]$x,
  y = plot_data$data[[1]]$y
)
# 后续积分计算逻辑和上面完全一致

内容的提问来源于stack exchange，提问作者Rene