Как можно построить гистограмму длиннохвостых данных с помощью R?

У меня есть данные, которые в основном сосредоточены в небольшом диапазоне (1-10), но есть значительное количество точек (например, 10%), которые находятся в (10-1000). Я хотел бы построить гистограмму для этих данных, которая будет сосредоточена на (1-10), но также покажет данные (10-1000). Что-то вроде логарифмической шкалы для гистограммы.

Да, я знаю, это означает, что не все ящики равного размера

Простой hist(x) дает в то время как hist(x,breaks=c(0,1,1.1,1.2,1.3,1.4,1.5,1.6,1.7,1.8,1.9,2,3,4,5,7.5,10,15,20,50,100,200,500,1000,10000))) дает

ни один из них не является тем, что я хочу.

Обновление следуя ответам здесь, я сейчас производю то, что почти точно то, что я хочу (я пошел с непрерывным графиком вместо гистограммы):

breaks <- c(0,1,1.1,1.2,1.3,1.4,1.5,1.6,1.7,1.8,1.9,2,4,8)
ggplot(t,aes(x)) + geom_histogram(colour="darkblue", size=1, fill="blue") + scale_x_log10('true size/predicted size', breaks = breaks, labels = breaks)![alt text][3]

единственная проблема заключается в том, что я хотел бы сопоставлять масштаб и фактические графики. Есть два варианта для этого: один просто использует фактические поля на графиках (как?), А затем получает "уродливые" метки оси x, такие как 1.1754,1.2985 и т.д. Другая, что я предпочитаю, - это контролировать фактические полевые поля, чтобы они соответствовали разрывам.

Ответы

Ответ 1

Использование ggplot2 кажется самым простым вариантом. Если вы хотите больше контролировать свои оси и свои перерывы, вы можете сделать что-то вроде следующего:

EDIT: введен новый код

x <- c(rexp(1000,0.5)+0.5,rexp(100,0.5)*100)

breaks<- c(0,0.1,0.2,0.5,1,2,5,10,20,50,100,200,500,1000,10000)
major <- c(0.1,1,10,100,1000,10000)


H <- hist(log10(x),plot=F)


plot(H$mids,H$counts,type="n",
      xaxt="n",
      xlab="X",ylab="Counts",
      main="Histogram of X",
      bg="lightgrey"
)
abline(v=log10(breaks),col="lightgrey",lty=2)
abline(v=log10(major),col="lightgrey")
abline(h=pretty(H$counts),col="lightgrey")
plot(H,add=T,freq=T,col="blue")
#Position of ticks
at <- log10(breaks)

#Creation X axis
axis(1,at=at,labels=10^at)

Это как можно ближе к ggplot2. Помещение фона серого не так просто, но выполнимо, если вы определяете прямоугольник с размером экрана вашего экрана и помещаете фон в серый цвет.

Проверьте все функции, которые я использовал, а также ?par. Это позволит вам создавать собственные графики. Надеюсь, это поможет.

Ответ 2

Гистограммы в масштабе шкалы проще с ggplot, чем с базовой графикой. Попробуйте что-то вроде

library(ggplot2)
dfr <- data.frame(x = rlnorm(100, sdlog = 3))
ggplot(dfr, aes(x)) + geom_histogram() + scale_x_log10()

Если вы отчаянно нуждаетесь в базовой графике, вам нужно построить гистограмму логарифмической шкалы без осей, а затем вручную добавить оси после.

h <- hist(log10(dfr$x), axes = FALSE) 
Axis(side = 2)
Axis(at = h$breaks, labels = 10^h$breaks, side = 1)

Для полноты решение решетки будет

library(lattice)
histogram(~x, dfr, scales = list(x = list(log = TRUE)))

ОБЪЯСНЕНИЕ ПОЧЕМУ ЗНАЧЕНИЕ ЗНАЧЕНИЙ ЛЮДЕЙ В БАЗОВОМ СЛУЧАЕ:

Если вы построите данные без преобразования журнала, то большинство данных сгруппированы в столбцы слева.

hist(dfr$x)

Функция hist игнорирует аргумент log (потому что это мешает вычислению разрывов), поэтому это не работает.

hist(dfr$x, log = "y")

Это тоже.

par(xlog = TRUE)
hist(dfr$x)

Это означает, что нам нужно лог преобразовать данные, прежде чем рисовать график.

    hist(log10(dfr$x))

К сожалению, это испортит оси, что приводит нас к обходу выше.

Ответ 3

Динамический график также поможет в этом сюжете. Используйте пакет манипулирования из Rstudio для создания динамической гистограммы:

library(manipulate)
data_dist <- table(data)
manipulate(barplot(data_dist[x:y]), x = slider(1,length(data_dist)), y = slider(10, length(data_dist)))

Затем вы сможете использовать ползунки, чтобы увидеть конкретное распределение в динамически выбранном диапазоне, например: