使用 ecdf 图中的值创建一个表

我正在尝试使用 ecdf 图中的值创建一个表。我在下面重新创建了一个示例。

#Data
data(mtcars)

#Sort by mpg
mtcars <- mtcars[order(mtcars$mpg),]

#Make arbitrary ranking variable based on mpg
mtcars <- mtcars %>% mutate(Rank = dense_rank(mpg))

#Make variable for percent picked
mtcars <- mutate(mtcars, Percent_Picked = Rank/max(mtcars$Rank))

#Make cyl categorical
mtcars$cyl<-cut(mtcars$cyl, c(3,5,7,9), right=FALSE, labels=c(4,6,8))

#Make the graph
ggplot(mtcars, aes(Percent_Picked, color = cyl)) + 
  stat_ecdf(size=1) + 
  scale_x_continuous(labels = scales::percent) +
  scale_y_continuous(labels = scales::percent)
  

Which creates this plot

我想为总体 Percent_Picked 为 25%、50% 和 75% 时每种柱面类型的值创建一个表。因此，显示 4 缸为 0%，6 缸为 28% 左右，8 缸为 85% 左右。

按组计算分位数并没有给我想要的结果（它显示了当选取了 25%、50% 和 75% 的特定圆柱体类型时选取的所有圆柱体的百分比）。 （例如，以下建议tbradley1013 在他们的博客上仅有助于每个特定柱面的分位数，而不是 Percent_Picked 给定分位数处每个柱面的整体 cdf。）

任何线索将不胜感激！

所以环顾四周我发现这个问题。您通过询问特定于组的 ecdf 值来对此进行了一些扩展，因此我们可以使用dodplyr 中的函数 (这是一个例子] 这样做。有一些slight比较此表和 ggplot 中的值时，值存在差异，我不太确定这是为什么。可能只是 mtcars 数据集有点小，所以如果您在更大的数据集上运行它，我预计它会更接近实际值。

#Sort by mpg
mtcars <- mtcars[order(mtcars$mpg),]

#Make arbitrary ranking variable based on mpg
mtcars <- mtcars %>% mutate(Rank = dense_rank(mpg))

#Make variable for percent picked
mtcars <- mutate(mtcars, Percent_Picked = Rank/max(mtcars$Rank))

#Make cyl categorical
mtcars$cyl<-cut(mtcars$cyl, c(3,5,7,9), right=FALSE, labels=c(4,6,8))

#Make the graph
ggplot(mtcars, aes(Percent_Picked, color = cyl)) + 
  stat_ecdf(size=1) + 
  scale_x_continuous(labels = scales::percent) +
  scale_y_continuous(labels = scales::percent)


create_ecdf_vals <- function(vec){
  df <- data.frame(
    x = unique(vec),
    y = ecdf(vec)(unique(vec))*length(vec)
  ) %>%
    mutate(y = scale(y, center = min(y), scale = diff(range(y)))) %>%
    union_all(data.frame(x=c(0,1),
                         y=c(0,1))) # adding in max/mins
  return(df)
}

mt.ecdf <- mtcars %>%
  group_by(cyl) %>%
  do(create_ecdf_vals(.$Percent_Picked))


mt.ecdf %>%
  summarise(q25 = y[which.max(x[x<=0.25])],
            q50 = y[which.max(x[x<=0.5])],
            q75 = y[which.max(x[x<=0.75])])

ggplot(mt.ecdf,aes(x,y,color = cyl)) +
  geom_step()

~EDIT~
经过一番挖掘后ggplot2文档中，我们实际上可以使用以下命令显式地从图中提取数据layer_data功能。

my.plt <- ggplot(mtcars, aes(Percent_Picked, color = cyl)) + 
  stat_ecdf(size=1) + 
  scale_x_continuous(labels = scales::percent) +
  scale_y_continuous(labels = scales::percent)

plt.data <- layer_data(my.plt) # magic happens here

# and here's the table you want
plt.data %>%
  group_by(group) %>%
  summarise(q25 = y[which.max(x[x<=0.25])],
            q50 = y[which.max(x[x<=0.5])],
            q75 = y[which.max(x[x<=0.75])])