Usando stat_function e facet_wrap juntos em ggplot2 em r

Question

Estou tentando plotar dados do tipo Lattice com GGPlot2 e, em seguida, sobrepor uma distribuição normal sobre os dados da amostra para ilustrar a que distância está o normal dos dados subjacentes. Eu gostaria de ter o Dist normal em cima para ter a mesma média e stdev que o painel.

Aqui está um exemplo:

library(ggplot2)

#make some example data
dd<-data.frame(matrix(rnorm(144, mean=2, sd=2),72,2),c(rep("A",24),rep("B",24),rep("C",24)))
colnames(dd) <- c("x_value", "Predicted_value",  "State_CD")

#This works
pg <- ggplot(dd) + geom_density(aes(x=Predicted_value)) +  facet_wrap(~State_CD)
print(pg)

Tudo isso funciona muito bem e produz um belo gráfico de três painéis dos dados. Como faço para adicionar o distorno normal por cima? Parece que eu usaria Stat_Function, mas isso falha:

#this fails
pg <- ggplot(dd) + geom_density(aes(x=Predicted_value)) + stat_function(fun=dnorm) +  facet_wrap(~State_CD)
print(pg)

Parece que o stat_function não está se dando bem com o recurso FACET_WRAP. Como faço para que esses dois joguem bem?

------------EDITAR---------

Tentei integrar idéias de duas das respostas abaixo e ainda não estou lá:

Usando uma combinação de ambas as respostas, posso hackear isso:

library(ggplot)
library(plyr)

#make some example data
dd<-data.frame(matrix(rnorm(108, mean=2, sd=2),36,2),c(rep("A",24),rep("B",24),rep("C",24)))
colnames(dd) <- c("x_value", "Predicted_value",  "State_CD")

DevMeanSt <- ddply(dd, c("State_CD"), function(df)mean(df$Predicted_value)) 
colnames(DevMeanSt) <- c("State_CD", "mean")
DevSdSt <- ddply(dd, c("State_CD"), function(df)sd(df$Predicted_value) )
colnames(DevSdSt) <- c("State_CD", "sd")
DevStatsSt <- merge(DevMeanSt, DevSdSt)

pg <- ggplot(dd, aes(x=Predicted_value))
pg <- pg + geom_density()
pg <- pg + stat_function(fun=dnorm, colour='red', args=list(mean=DevStatsSt$mean, sd=DevStatsSt$sd))
pg <- pg + facet_wrap(~State_CD)
print(pg)

O que é realmente próximo ... exceto que algo está errado com a plotagem distante normal:

O que eu estou fazendo errado aqui?

Answer 1

stat_function foi projetado para sobrepor a mesma função em cada painel. (Não há maneira óbvia de combinar os parâmetros da função com os diferentes painéis).

Como Ian sugere, a melhor maneira é gerar as curvas normais e plotá -las como um separado DataSet (é aqui que você estava dando errado antes - a fusão simplesmente não faz sentido para este exemplo e se você olhar com cuidado, verá é por isso que está recebendo o padrão de dente de serra estranho).

Veja como eu resolveria o problema:

dd <- data.frame(
  predicted = rnorm(72, mean = 2, sd = 2),
  state = rep(c("A", "B", "C"), each = 24)
) 

grid <- with(dd, seq(min(predicted), max(predicted), length = 100))
normaldens <- ddply(dd, "state", function(df) {
  data.frame( 
    predicted = grid,
    density = dnorm(grid, mean(df$predicted), sd(df$predicted))
  )
})

ggplot(dd, aes(predicted))  + 
  geom_density() + 
  geom_line(aes(y = density), data = normaldens, colour = "red") +
  facet_wrap(~ state) 

Answer 2

Eu acho que você precisa fornecer mais informações. Isso parece funcionar:

 pg <- ggplot(dd, aes(Predicted_value)) ## need aesthetics in the ggplot
 pg <- pg + geom_density() 
 ## gotta provide the arguments of the dnorm
 pg <- pg + stat_function(fun=dnorm, colour='red',            
            args=list(mean=mean(dd$Predicted_value), sd=sd(dd$Predicted_value)))
 ## wrap it!
 pg <- pg + facet_wrap(~State_CD)
 pg

Estamos fornecendo o mesmo parâmetro médio e SD para cada painel. Obter meios específicos do painel e desvios padrão são deixados como um exercício para o leitor*;)

'*' Em outras palavras, não tenho certeza de como isso pode ser feito ...

Answer 3

Eu acho que sua melhor aposta é desenhar a linha manualmente com o geom_line.

dd<-data.frame(matrix(rnorm(144, mean=2, sd=2),72,2),c(rep("A",24),rep("B",24),rep("C",24)))
colnames(dd) <- c("x_value", "Predicted_value",  "State_CD")
dd$Predicted_value<-dd$Predicted_value*as.numeric(dd$State_CD) #make different by state

##Calculate means and standard deviations by level
means<-as.numeric(by(dd[,2],dd$State_CD,mean))
sds<-as.numeric(by(dd[,2],dd$State_CD,sd))

##Create evenly spaced evaluation points +/- 3 standard deviations away from the mean
dd$vals<-0
for(i in 1:length(levels(dd$State_CD))){
    dd$vals[dd$State_CD==levels(dd$State_CD)[i]]<-seq(from=means[i]-3*sds[i], 
                            to=means[i]+3*sds[i],
                            length.out=sum(dd$State_CD==levels(dd$State_CD)[i]))
}
##Create normal density points
dd$norm<-with(dd,dnorm(vals,means[as.numeric(State_CD)],
                        sds[as.numeric(State_CD)]))


pg <- ggplot(dd, aes(Predicted_value)) 
pg <- pg + geom_density() 
pg <- pg + geom_line(aes(x=vals,y=norm),colour="red") #Add in normal distribution
pg <- pg + facet_wrap(~State_CD,scales="free")
pg

Answer 4

Se você não deseja gerar a linha de distribuição normal "Mão à mão", ainda use Stat_function e mostre gráficos lado a lado-então você pode considerar o uso da função "Multiplot" publicada em "Livro de receitas para R" Como alternativa ao FACET_WRAP. Você pode copiar o código multiplot para o seu projeto daqui.

Depois de copiar o código, faça o seguinte:

# Some fake data (copied from hadley's answer)
dd <- data.frame(
  predicted = rnorm(72, mean = 2, sd = 2),
  state = rep(c("A", "B", "C"), each = 24)
) 

# Split the data by state, apply a function on each member that converts it into a 
# plot object, and return the result as a vector.
plots <- lapply(split(dd,dd$state),FUN=function(state_slice){ 
  # The code here is the plot code generation. You can do anything you would 
  # normally do for a single plot, such as calling stat_function, and you do this 
  # one slice at a time.
  ggplot(state_slice, aes(predicted)) + 
    geom_density() + 
    stat_function(fun=dnorm, 
                  args=list(mean=mean(state_slice$predicted), 
                            sd=sd(state_slice$predicted)),
                  color="red")
})

# Finally, present the plots on 3 columns.
multiplot(plotlist = plots, cols=3)

Answer 5

Se você está disposto a usar o ggformula, isso é bem fácil. (Também é possível misturar, combinar e usar o ggformula apenas para a sobreposição de distribuição, mas ilustrarei a abordagem completa do GGFormula.)

library(ggformula)
theme_set(theme_bw())

gf_dens( ~ Sepal.Length | Species, data = iris) %>%
  gf_fitdistr(color = "red") %>% 
  gf_fitdistr(dist = "gamma", color = "blue")

^{Criado em 2019-01-15 pelo Pacote Reprex (v0.2.1)}