ggplot2 这套作图工具可靠吗？

Cloud2016

有一个这样的例子，在同一份数据集上，分别用 Base R 和 ggplot2 绘制条件密度图

# Base R
with(iris, cdplot(x = Sepal.Length, y = Species))
# ggplot2
library(ggplot2)
ggplot(iris, aes(x = Sepal.Length, y = after_stat(count))) +
  geom_density(aes(fill = Species), position = "fill", show.legend = FALSE)

效果如下

可以明显看出，在曲线拐弯的地方， ggplot2 的转折大很多，这是否意味着 ggplot2 好看不准确呀？

软件版本信息：
R version 4.2.2 (2022-10-31)
ggplot2 3.4.0

yihui

Cloud2016 密度估计的窗宽问题，默认窗宽不一样。调整一下就差不多了：

with(iris, cdplot(x = Sepal.Length, y = Species, bw = .2))

密度曲线不能太当真，看个大概就够了。而且有时候连大概都错得离谱。

Cloud2016

yihui 我知道带宽会很影响结果，比较的时候，特意看了 bw 参数的默认值，发现都是 bw = "nrd0" 其它参数，我也扫了一眼，没看出来差异，但是图不一样，就很奇怪。刚才都显式指定 bw = .2 发现图形基本一致了，肉眼不太能分辨。

图在原址更新了。受 dplyr 的启发，对同一操作，提供 Base R 和 dplyr 代码，在作图方面，好像没找到比较全面的这种东西（比如以 Base R 的所有作图函数为参照，提供 lattice 和 ggplot2 的对应实现）。目的是方便读者在不同作图工具上切换，总结共性和差异，也能快速读懂别人的作图代码。数据操作、作图工具都各自有三套，数据建模领域就更多了，一个广义线性模型，保守估计，至少 6 种实现。

fenguoerbian

尝试翻了源码，cdplot里面是先对整体数据做一次density，用给定的窗宽方法得到窗宽值之后，再依次对各类别数据用得到的窗宽去做密度估计。ggplot里我感觉是ggplot2:::compute_density，从传入的参数来看，应该是直接对各类别数据用给定的窗宽方法做密度估计。所以当直接给定窗宽值的时候两者图像一致，而只是设定窗宽方法则不一致。

nan.xiao

ggplot2 不仅可靠，而且可能比绝大多数的统计软件都要可靠。例如，在测试上很明显下了很多功夫：GitHub 上的当前版本，R/ 中的本体有 5757 行，而 tests/testthat/ 下的单元测试就有 5565 行，覆盖率 83%，可以说明一些问题。

但太流行的软件就几乎一定会被滥用。长期看下来你会发现最多数量的好图形和最多数量的平庸图形都是用 ggplot2 绘制的。这里的平庸是指技术上准确但美学上丑陋。这个问题在 Claus Wilke 的书中使用很多例子做了说明，其中有一些就和直接套用默认值有关，比如默认主题。