ggplot: процентные линии с помощью групповой автоматизации

Я думаю, что самый эффективный способ создать желаемый сюжет состоит из трех шагов:

1. Напишите две отдельные простые статистики (после раздела Создание новой статистики из https://cran.r-project.org/web/packages/ggplot2/vignettes/extending-ggplot2.html).): один для добавления вертикальных линий в местах процентилей, а другой для добавления текстовые метки;
2. Объединить только что написанную статистику в нужную с нужными параметрами;
3. Используйте результаты работы.

Так что ответ тоже состоит из 3-х частей.

Часть 1. Статистика для добавления вертикальных линий в местах процентиля должна вычислять эти значения на основе данных по оси X и возвращать результат в соответствующем формате. Вот код:

library(ggplot2)

StatPercentileX <- ggproto("StatPercentileX", Stat,
  compute_group = function(data, scales, probs) {
    percentiles <- quantile(data$x, probs=probs)
    data.frame(xintercept=percentiles)
    },
  required_aes = c("x")
)

stat_percentile_x <- function(mapping = NULL, data = NULL, geom = "vline",
                              position = "identity", na.rm = FALSE,
                              show.legend = NA, inherit.aes = TRUE, ...) {
  layer(
    stat = StatPercentileX, data = data, mapping = mapping, geom = geom, 
    position = position, show.legend = show.legend, inherit.aes = inherit.aes,
    params = list(na.rm = na.rm, ...)
  )
}

То же самое касается статистики для добавления текстовых меток (расположение по умолчанию — вверху графика):

StatPercentileXLabels <- ggproto("StatPercentileXLabels", Stat,
  compute_group = function(data, scales, probs) {
    percentiles <- quantile(data$x, probs=probs)
    data.frame(x=percentiles, y=Inf,
               label=paste0("p", probs*100, ": ",
                            round(percentiles, digits=3)))
    },
  required_aes = c("x")
)

stat_percentile_xlab <- function(mapping = NULL, data = NULL, geom = "text",
                                     position = "identity", na.rm = FALSE,
                                     show.legend = NA, inherit.aes = TRUE, ...) {
  layer(
    stat = StatPercentileXLabels, data = data, mapping = mapping, geom = geom, 
    position = position, show.legend = show.legend, inherit.aes = inherit.aes,
    params = list(na.rm = na.rm, ...)
  )
}

У нас уже есть довольно мощные инструменты, которые можно использовать любым способом, который может предоставить ggplot2 (раскрашивание, группировка, огранка и т. д.). Например:

set.seed(1401)
plot_points <- data.frame(x_val=runif(100), y_val=runif(100),
                          g=sample(1:2, 100, replace=TRUE))
ggplot(plot_points, aes(x=x_val, y=y_val)) +
  geom_point() +
  stat_percentile_x(probs=c(0.25, 0.5, 0.75), linetype=2) +
  stat_percentile_xlab(probs=c(0.25, 0.5, 0.75), hjust=1, vjust=1.5, angle=90) +
  facet_wrap(~g)
# ggsave("Example_stat_percentile.png", width=10, height=5, units="in")

Часть 2 Хотя сохранение отдельных слоев для строк и текстовых меток кажется довольно естественным (несмотря на небольшую вычислительную неэффективность вычисления процентилей дважды), добавление двух слоев каждый раз довольно многословно. Специально для этого в ggplot2 есть простой способ объединения слоев: помещать их в список, который является результатом вызова функции. Код выглядит следующим образом:

stat_percentile_x_wlabels <- function(probs=c(0.25, 0.5, 0.75)) {
  list(
    stat_percentile_x(probs=probs, linetype=2),
    stat_percentile_xlab(probs=probs, hjust=1, vjust=1.5, angle=90)
  )
}

С помощью этой функции предыдущий пример можно воспроизвести с помощью следующей команды:

ggplot(plot_points, aes(x=x_val, y=y_val)) +
  geom_point() +
  stat_percentile_x_wlabels() +
  facet_wrap(~g)

Обратите внимание, что stat_percentile_x_wlabels принимает вероятности желаемых процентилей, которые затем передаются в функцию quantile. Это место для их указания.

Часть 3 Используя снова идею объединения слоев, сюжет в вашем вопросе можно воспроизвести следующим образом:

library(scales)
library(dplyr)

geom_histo_pct_by_group <- function() {
  list(geom_histogram(aes(y=unlist(lapply(unique(..group..),
                                          function(grp) {
                                            ..count..[..group..==grp] /
                                              sum(..count..[..group..==grp])
                                            }))),
                      binwidth=0.5, position="dodge"),
         scale_y_continuous(labels = percent),
         ylab("% of total count by group")
       )
}

data = diamonds %>% select(carat, color) %>% filter(color %in% c('H', 'D'))

ggplot(data, aes(carat, fill=color, colour=color)) +
  geom_histo_pct_by_group() +
  stat_percentile_x_wlabels(probs=c(0.5, 0.9))
# ggsave("Question_plot.png", width=10, height=6, unit="in")

Примечания

1. То, как здесь решается эта задача, позволяет строить более сложные графики с процентильными линиями и метками;

2. Заменив x на y (и наоборот), vline на hline, xintercept на yintercept в соответствующих местах, можно определить те же характеристики для данных по оси Y;

3. Конечно, если вам нравится использовать %>% вместо + ggplot2, вы можете обернуть определенную статистику в функции, как вы это сделали в вопросительном посте. Лично я бы этого не рекомендовал, потому что это противоречит стандартному использованию ggplot2.

Я поместил ваш пример в функцию. Вы можете проанализировать нестандартную оценку в fact data.frame. (Примечание: мне не нравится называть data.frame data, поэтому я изменил его на mydata в примере).

mydata = diamonds %>% select(carat, color) %>% filter(color %in% c('H', 'D'))

myFun <- function(df, X, col, bw, ...) {

  facts <- df %>% 
    group_by_(col) %>% 
    summarize_(
      p50= lazyeval::interp(~ quantile(var, 0.5, na.rm=TRUE), var = as.name(X)),
      p90= lazyeval::interp(~ quantile(var, 0.9, na.rm=TRUE), var = as.name(X))
    )

  gp <- ggplot(df, aes_string(x = X, fill = col)) + 
          geom_histogram( position="dodge", binwidth = bw, aes(y=unlist(lapply(unique(..group..), function(grp) ..count..[..group..==grp] / sum(..count..[..group..==grp])))), ...) +
          scale_y_continuous(labels = percent) + ylab("% of total count by group")

#  ymax = ggplot_build(g)$panel$ranges[[1]]$y.range[2] #doesnt work
  ymax = max(ggplot_build(g)$data[[1]]$ymax)

  gp + aes_string(color = col) +
    geom_vline(data=facts, aes_string(xintercept="p50", color = col), linetype="dashed", size=1) +
    geom_vline(data=facts, aes_string(xintercept="p90", color = col), linetype="dashed", size=1) +
    geom_text(data=facts, aes(x=p50, label=paste("p50=", p50), y=ymax), vjust=1.5, hjust=1, size=4, angle=90) +
    geom_text(data=facts, aes(x=p90, label=paste("p90=", p90), y=ymax), vjust=1.5, hjust=1, size=4, angle=90)
}

myFun(df = mydata, X = "carat", col = "color", bw = 0.5)

Еще один совет, если вы не хотите заключать свои переменные в кавычки в вызовах функций, — настроить свои переменные в начале функции с помощью этого ответить.

myOtherFun <- function(data, var1, var2, ...) { 
  #Value instead of string
  internal.var1 <- eval(substitute(var1), data, parent.frame()) 
  internal.var2 <- eval(substitute(var2), data, parent.frame())
  ggplot(data, aes(x = internal.var1, y = internal.var2)) + geom_point()
}

myOtherFun(mtcars, mpg, hp)   #note: mpg and hp aren't in quotes
ggplot(mtcars, aes(x = mpg, y = hp)) + geom_point()  #same result