¿Cómo puedo crear un histograma a partir de datos agregados en R?

Question

que tienen una trama de datos que tiene un formato como el siguiente:

Month  Frequency 
2007-08  2 
2010-11  5 
2011-01  43 
2011-02  52 
2011-03  31 
2011-04  64 
2011-05  73 

me gustaría crear un histograma de estos datos, el uso de contenedores de X (X probablemente será de alrededor de 15, pero los datos reales tiene más de 200 meses), y el uso de los datos de la columna de frecuencia como la frecuencia de cada contenedor del histograma. ¿Cómo puedo lograr esto?

He intentado dos enfoques hasta ahora, con los comandos hist() y barplot(). El problema con hist() es que no parece darme ninguna forma de especificar que quiero usar la columna de frecuencia en los cálculos de frecuencia para el histograma. El problema con barplot() es que no tengo flexibilidad para elegir X bins, y si hay meses omitidos, entonces el gráfico resultante no es realmente un verdadero histograma porque el eje x no es continuo.

La única idea que tengo ahora es ir con el método barplot(), completar los meses faltantes con un valor de 0 para Frecuencia y usar espacio = 0 para eliminar el espacio entre las barras. El problema con eso es que no es particularmente fácil elegir una cantidad arbitraria de contenedores.

Answer 1

para conseguir este tipo de flexibilidad, puede que tenga que replicar sus datos. Esta es una manera de hacerlo con rep:

n <- 10 
dat <- data.frame(
    x = sort(sample(1:50, n)), 
    f = sample(1:100, n)) 
dat 

expdat <- dat[rep(1:n, times=dat$f), "x", drop=FALSE] 

Ahora se han replicado sus datos en el hoja.de.datos expdat, que le permite llamar hist con diferente número de contenedores:

par(mfcol=c(1, 2)) 
hist(expdat$x, breaks=50, col="blue", main="50 bins") 
hist(expdat$x, breaks=5, col="blue", main="5 bins") 
par(mfcol=c(1, 1)) 

Answer 2

echa un vistazo a ggplot2.

si los datos están en un data.frame llamada df:

ggplot(df,aes(x=Month,y=Frequency))+geom_bar(stat='identity') 

o si desea tiempo continuo:

df$Month<-as.POSIXct(paste(df$Month, '01', sep='-'),format='%Y-%m-%d') 
ggplot(df,aes(x=Month,y=Frequency))+geom_bar(stat='identity') 

Answer 3

Sí, rep soluciones perderán demasiada memoria en la mayoría de los casos interesantes/grandes. El paquete CRAN HistogramTools incluye una función eficiente PreBinnedHistogram que crea un objeto de histograma R base directamente de una lista de intervalos y saltos tal como se proporcionó la pregunta original.

Answer 4

Otra posibilidad es reducir su variable de frecuencia por un factor grande para que rep no tenga tanto trabajo que hacer. Luego ajuste la escala del eje vertical del histograma por el mismo factor.