Cómo comparar varias distribuciones de frecuencias con ggplot2

Problema

Como vimos anteriormente con ggplot2 podemos crear un histograma fácilmente.

library(ggplot2)
ggplot(diamonds, aes(price)) +
  geom_histogram(binwidth = 500)

Pero si queremos comparar por calidad de tallado (quality of the cut), podríamos:

• Filtrar por tipo de tallado

library(dplyr)
ggplot(filter(diamonds, cut == "Ideal"), aes(price)) +
  geom_histogram(binwidth = 500)


• Apilar por tipo de tallado

ggplot(diamonds, aes(price, fill = cut)) +
  geom_histogram(binwidth = 500)


• Sin apilar aplicando transparencia

ggplot(diamonds, aes(price, fill = cut)) +
+     geom_histogram(binwidth = 500, position = "identity", alpha = 0.2)

Solución

Una alternativa más clara es utilizar la función geom_freqpoly que muestra líneas en lugar de barras para representar las frecuencias. Cuando se solapan es más sencillo interpretar líneas que barras.

ggplot(diamonds, aes(price, colour = cut)) +
  geom_freqpoly(binwidth = 500)

Si deseamos representar solamente un tipo de tallado:

ggplot(filter(diamonds, cut == "Ideal"), aes(price, colour = cut)) + geom_freqpoly(binwidth = 500)

Referencias

• Histograms and frequency polygons