[R語言圖表]用ggplot畫密度圖 density plot

2022-12-09
R語言教學, 資料視覺化

Last Updated on 2023-10-31

Home » R語言教學 » 資料視覺化 » [R語言圖表]用ggplot畫密度圖 density plot

你想畫密度圖（density plot）嗎？用 ggplot2 帶你畫！

想畫密度圖 density plot，但是不知道怎麼在R語言中使用相關函數嗎？要怎麼調整帶寬？跟直方圖 histogram 有什麼差異？要怎麼替圖表增加細節？

我會在這篇文章介紹如何活用R語言的套件ggplot2，配上實際程式碼，帶你畫密度圖。

文章目錄

密度圖 density plot 是什麼？

密度圖（density plot）是一種用來呈現變數分布（distribution）情形的圖表，它跟直方圖（histogram）很像，只是直方圖有按照特定區間將數值分組，例如以10歲為單位，將人口分成0-9歲、10-19歲、20-29歲…等組別。直方圖的廣泛運用，和它在計算上的輕便有關，只要有紙筆就可以快速算出每組有多少個項目。

但現在電腦已經普及，我們不用再受到運算能力的限制，可以直接以連續平滑的曲線表示變數的分布，這就是密度圖出場的時機。同樣是人口的年齡分布，我們可以直接將年齡視作連續的數值變數，並利用核密度估計（kernel
density estimation），估計手上的資料中，特定變數的密度函數，意思就是說我們可以估計「年齡 = 60 歲者」的可能性有多高。

以密度圖呈現村里長候選人年齡分布的例子

在繪製密度圖的時候，我們想檢視分布情形的變數會會映射（mapping，指的是想呈現的變量對應到圖表中的表示方法）到 x 軸，估計出的密度則會自動到 y 軸，不用另外指定。另外，有一個參數叫做帶寬（bandwidth），它的大小決定機率密度函數有多平滑，當帶寬越大，密度圖的曲線會越平滑，但可能會讓分布的細節消失；帶寬越小，密度圖的曲線會越尖銳，雖然相對不好看，但能保有細部的分布。

在 R 語言中，我們可以快速地利用 ggplot2 套件輕鬆簡單的畫出密度圖。底下會一步一步帶大家實作。

實作篇

資料長相

我們先來匯入資料。從底下的表格可以看到，這份資料2022年九合一選舉中議員候選人的基本資料，欄位有選區、姓名、政黨、性別、生日、年齡、年齡組等。

library(tidyverse)
df_council_candidate_age <- read_csv("../data/ggplot-density-plot.csv")
df_council_candidate_age
#> # A tibble: 1,018 x 7
#>    areaName        name   party      gender birth        age age_group
#>    <chr>           <chr>  <chr>      <chr>  <date>     <dbl>     <dbl>
#>  1 連江縣第1選舉區 曹丞君 中國國民黨 女     1976-07-23  46.3        40
#>  2 連江縣第1選舉區 劉浩晨 民主進步黨 男     1991-08-21  31.3        30
#>  3 連江縣第1選舉區 陳書建 中國國民黨 男     1957-12-20  64.9        60
#>  4 連江縣第1選舉區 林明揚 中國國民黨 男     1963-10-31  59.1        50
#>  5 連江縣第1選舉區 楊清宇 中國國民黨 男     1974-06-16  48.4        40
#>  6 連江縣第2選舉區 周瑞國 中國國民黨 男     1969-04-05  53.6        50
#>  7 連江縣第2選舉區 陳如嵐 中國國民黨 男     1970-12-01  52.0        50
#>  8 連江縣第2選舉區 陳玉發 中國國民黨 男     1960-11-05  62.1        60
#>  9 連江縣第3選舉區 陳貽斌 中國國民黨 男     1969-11-16  53.0        50
#> 10 連江縣第4選舉區 張永江 中國國民黨 男     1960-06-23  62.4        60
#> # … with 1,008 more rows

從直方圖開始

接著，我們利用library(ggplot2)開始畫圖。這張圖想呈現的是台灣議員候選人的年齡分布，年齡映射到 x 軸，分布密度或者次數則映射到 y 軸，所以我們在 ggplot() 裡面代表美學（aesthetics）的aes()中放入年齡（age）作為 x 軸即可。

我們先從直方圖開始，晚點可以比較直方圖和密度圖的差異。在 library(ggplot) 裡面，我們會用 geom_histogram() 畫直方圖。直方圖也有類似帶寬的參數，叫做 binwidth，它的用途是決定每個長條的寬度，也就是要容納 x 軸上各個組別的範圍。

df_council_candidate_age %>% 
  ggplot(aes(x = age)) + 
  geom_histogram(fill = "red", color = "red", alpha = 0.3) +
  ggthemes::theme_clean() +
  theme(axis.text = element_text(family = "Noto Sans TC Regular", size = 20),
        axis.title = element_text(family = "Noto Sans TC Regular", size = 20),
        legend.position = "none")

回到密度圖

重新回到密度圖，我們改用 geom_density()，參數的名字是 bandwidth 的簡稱 bw，因為預設帶寬參數呈現出來的結果很好，所以此處沒有修改。可以看到，直方圖是不連續的，密度圖則是連續的，何者比較好？若是你有切分資料的需求，又或者你非常需要知道某個級距的狀況，則你應該選擇直方圖，其餘狀況則可以用密度圖。

df_council_candidate_age %>% 
  ggplot(aes(x = age)) + 
  geom_density(fill = "red", color = "red", alpha = 0.3) +
  ggthemes::theme_clean() +
  theme(axis.text = element_text(family = "Noto Sans TC Regular", size = 20),
        axis.title = element_text(family = "Noto Sans TC Regular", size = 20),
        legend.position = "none")

調整座標軸

接著使用 scale_x/y_continuous() 加上座標軸的細節，包含名稱與刻度。

df_council_candidate_age %>% 
  ggplot(aes(x = age)) + 
  geom_density(fill = "red", color = "red", alpha = 0.3) +
  scale_x_continuous(limits = c(20,80), breaks = seq(20,80,10), name = "年紀") +
  scale_y_continuous(name = "密度") +
  ggthemes::theme_clean() +
  theme(axis.text = element_text(family = "Noto Sans TC Regular", size = 20),
        axis.title = element_text(family = "Noto Sans TC Regular", size = 20),
        legend.position = "none")

輔助線

為了讓圖表更有意義，不只有密度曲線而已，我們額外補上四分位數（quartile）的輔助線，讓讀者可以知道年齡的第一四分位數、第二四分位數（也就是中位數）、第三四分位數位置落在哪裡。

vector_quartile <- unname(quantile(df_council_candidate_age$age))
vector_quartile
#> [1] 24.44384 40.37740 49.54247 59.07466 79.84384

得到四分位數的值以後，我們利用 geom_vline() 加上垂直線，vline 的 v 就是指 vertical，因此需要加上參數 xintercept。大家應該可以想像，若要加上水平線，則使用的函數與參數分別為 geom_vline() 和 yintercept。如此一來，就完成了！

df_council_candidate_age %>% 
  ggplot(aes(x = age)) + 
  geom_density(fill = "red", color = "red", alpha = 0.3) +
  geom_vline(aes(xintercept = vector_quartile[3]), color = "blue", linetype = "dashed") +
  geom_vline(aes(xintercept = vector_quartile[2]), color = "darkblue", linetype = "dashed") +
  geom_vline(aes(xintercept = vector_quartile[4]), color = "darkblue", linetype = "dashed") +
  scale_x_continuous(limits = c(20,80), breaks = seq(20,80,10), name = "年紀") +
  scale_y_continuous(name = "密度") +
  ggthemes::theme_clean() +
  theme(axis.text = element_text(family = "Noto Sans TC Regular", size = 20),
        axis.title = element_text(family = "Noto Sans TC Regular", size = 20),
        legend.position = "none")

調整帶寬

我們也實際調整帶寬，讓大家看看效果。參數的名字是 bandwidth 的簡稱
bw。

df_council_candidate_age %>% 
  ggplot(aes(x = age)) + 
  geom_density(bw = 1, fill = "red", color = "red", alpha = 0.3) +
  geom_vline(aes(xintercept = vector_quartile[3]), color = "blue", linetype = "dashed") +
  geom_vline(aes(xintercept = vector_quartile[2]), color = "darkblue", linetype = "dashed") +
  geom_vline(aes(xintercept = vector_quartile[4]), color = "darkblue", linetype = "dashed") +
  scale_x_continuous(limits = c(20,80), breaks = seq(20,80,10), name = "年紀") +
  scale_y_continuous(name = "密度") +
  ggthemes::theme_clean() +
  theme(axis.text = element_text(family = "Noto Sans TC Regular", size = 20),
        axis.title = element_text(family = "Noto Sans TC Regular", size = 20),
        legend.position = "none")

df_council_candidate_age %>% 
  ggplot(aes(x = age)) + 
  geom_density(bw = 3, fill = "red", color = "red", alpha = 0.3) +
  geom_vline(aes(xintercept = vector_quartile[3]), color = "blue", linetype = "dashed") +
  geom_vline(aes(xintercept = vector_quartile[2]), color = "darkblue", linetype = "dashed") +
  geom_vline(aes(xintercept = vector_quartile[4]), color = "darkblue", linetype = "dashed") +
  scale_x_continuous(limits = c(20,80), breaks = seq(20,80,10), name = "年紀") +
  scale_y_continuous(name = "密度") +
  ggthemes::theme_clean() +
  theme(axis.text = element_text(family = "Noto Sans TC Regular", size = 20),
        axis.title = element_text(family = "Noto Sans TC Regular", size = 20),
        legend.position = "none")

小結

在這篇文章中，我們嘗試畫了一張密度圖（density plot），從直方圖開始繪圖，接續比較直方圖與密度圖的差別，然後調整座標軸、加上輔助線、調整帶寬等。希望你喜歡這篇文章，也能夠增添對於 ggplot2 的認識，並且學到東西。

Post Views: 1,576

Dennis Tseng

5 Comments

gabco
2023-05-25 at 19:58 // Reply

I may need your help. I’ve been doing research on gate io recently, and I’ve tried a lot of different things. Later, I read your article, and I think your way of writing has given me some innovative ideas, thank you very much.
Count
2023-05-28 at 06:48 // Reply

The point of view of your article has taught me a lot, and I already know how to improve the paper, thank you.
ate
2023-06-04 at 00:43 // Reply

The point of view of your article has taught me a lot, and I already know how to improve the paper, thank you.
gteo
2023-06-05 at 18:10 // Reply

I have read your article carefully and I agree with you very much. This has provided a great help for my thesis writing, and I will seriously improve it.
gate io
2023-06-08 at 01:41 // Reply

I may need your help. I tried many ways but couldn’t solve it, but after reading your article, I think you have a way to help me. I’m looking forward for your reply. Thanks.