R ggplot直方图组显示两组的总和

Question

我试图在直方图中绘制我的测试和训练数据集的分布，发现了一些奇怪的东西：

背景：我有一个包含 50 行的测试集和一个包含 100 行的训练集，每行都具有相同的列结构。

我通常会这样绘制数据：

plot2 <- ggplot(data=Donald_1) + 
  geom_histogram(aes_string(x = "Alter", y = "..count..", fill = "Group"),
                 bins=20, alpha=0.7)

这会产生如下所示的右侧直方图。然后我想知道为什么测试比训练有更高的计数，因为测试集只有 50 行而不是 100 行。而且测试条似乎显示了左图中测试和训练条的总和。

然后我尝试了：

plot1 <- ggplot() +
  geom_histogram(data=Donald_1 %>% filter(Group == "Training"),
                 aes_string(x="Alter", y="..count..", fill = "Group"),
                 bins=20, alpha=0.7) +
  geom_histogram(data=Donald_1 %>% filter(Group == "Test"),  
                 aes_string(x="Alter", y="..count..", fill="Group"),
                  bins=20, alpha=0.7)

这导致了下面显示的左图，结果对我来说更有意义。

我现在想知道，为什么第一次尝试不会产生与第二次尝试相同的情节。我在这里遗漏了什么明显的东西吗？

Answer 1

在您的数据框中，您有 "Group" 列，它代表训练值和测试值。 ggplot 知道您正在用两组表示一个直方图。你的第二个图代表同一网格上的两个不同的直方图，透明度 (alpha) 使它看起来像它实际的样子。

此外，也许你会更喜欢这个：

plot3 <- ggplot(data=Donald_1) + 
  geom_histogram(aes_string(x = "Alter", y = "..count..", fill = "Group"),
                 bins=20, alpha=0.7, position="dodge")

R ggplot直方图组显示两组的总和

R ggplot Histogram group shows sum of two groups

r

histogram

ggplot2