ggplot2使用stat_summary()绘制log10变量时的结果异常问题
核心逻辑说明
stat_summary() 的实际计算规则
它的聚合计算完全基于当前aes映射传入的y值集合执行,不会回溯查找映射函数引用的原始数据列。
当你在aes中写y = log10(values)时,图层传入给stat_summary()的输入已经是逐行完成log10()转换后的临时y值,stat_summary()只会对这个临时值做分组聚合,全程感知不到这个值背后的原始values列是什么。
第二幅图两点不重合的根本原因
你当前两个点的计算顺序完全相反,数学上本就不可能相等:
- 红色
stat_summary()的计算逻辑:先逐行对原始值做log10转换,再对转换后的值按分组求均值,即计算mean(log10(values)) - 蓝色手动构造点的计算逻辑:先对原始值按分组求均值,再对这个均值做
log10转换,即计算log10(mean(values))
第一幅图两点完全匹配,是因为没有引入任何转换操作,两个流程的计算口径都是“直接对原始values求分组均值”,没有顺序差异,结果自然一致。
而对数函数是凹函数,根据Jensen不等式,mean(log(x))永远小于等于log(mean(x)),除非同组内所有数值完全相等,否则两个值必然存在偏差,这不是代码错误,是计算逻辑的固有差异。
为什么stat_summary()不会输出未转换的原始数值
ggplot2的图层数据流转是单向的:aes中定义的转换操作会先生成临时映射列,后续所有统计变换、几何对象都只能拿到这个临时列作为输入,没有权限回溯到原始数据列。它根本不知道当前y值是经过函数加工来的,自然不会主动计算未转换的原始值。
让两点完全重合的两种对齐方式
- 统一为“先求原始均值、再做log展示”的口径:不要在aes的y参数里直接套
log10(),改用坐标层的变换实现对数显示,即添加scale_y_continuous(trans = "log10")。这时候stat_summary()拿到的是原始values列,计算的是原始值的分组均值,仅在坐标渲染阶段做log10映射,和你手动计算的log10(mean_values)结果完全一致。 - 统一为“先逐行转log、再求均值”的口径:修改你手动构造分组数据集的逻辑,把聚合步骤改成先转换再求均值,即
aux.grouped <- aux %>% group_by(nb.NAs) %>% summarise(mean_values = mean(log10(values))),这时候直接把这个mean_values映射到y轴,就和红色的stat_summary()点完全重合。
内容的提问来源于stack exchange,提问作者David R
相关产品推荐
相关产品推荐

