In R ggplot2, include stat_ecdf() endpoint (0,0) e (1,1)

Question

Sto provando a utilizzare stat_ecdf() per tracciare i risultati cumulativi in ​​funzione di un punteggio di classifica creato da un modello predittivo.

#libraries 
require(ggplot2) 
require(scales) 

# fake data for reproducibility 
set.seed(123) 
n <- 200 
df <- data.frame(model_score= rexp(n=n,rate=1:n), 
       obs_set= sample(c("training","validation"),n,replace=TRUE)) 
df$model_rank <- rank(df$model_score)/n 
df$target_outcome <- rbinom(n,1,1-df$model_rank) 

# Plot Gain Chart using stat_ecdf() 
ggplot(subset(df,target_outcome==1),aes(x = model_rank)) + 
    stat_ecdf(aes(colour = obs_set), size=1) + 
    scale_x_continuous(limits=c(0,1), labels=percent,breaks=seq(0,1,.1)) + 
    xlab("Model Percentile") + ylab("Percent of Target Outcome") + 
    scale_y_continuous(limits=c(0,1), labels=percent) + 
    geom_segment(aes(x=0,y=0,xend=1,yend=1), 
       colour = "gray", linetype="longdash", size=1) + 
    ggtitle("Gain Chart") 

Tutto quello che voglio fare è forzare l'ECDF per iniziare a (0,0) e alla fine a (1,1) in modo che non ci siano spazi all'inizio o alla fine del curva. Se possibile, mi piacerebbe farlo nella sintassi di ggplot2, ma mi accontenterei di una soluzione intelligente.

@Henrik questo non è un duplicato di this question, perché ho già definito i miei limiti con scale_x_ e _y_continuous(), e l'aggiunta di expand_limits() non fare nulla. Non è l'origine del PLOT ma gli endpoint di stat_ecdf() che devono essere corretti.

Answer 1

Purtroppo, la definizione di stat_ecdf non dà spazio di manovra qui; determina gli endpoint internamente.

c'è una soluzione un po 'avanzato. Con l'ultima versione di ggplot2 (devtools::install_github("hadley/ggplot2")), l'estensibilità è migliorata, al punto in cui è possibile ignorare questo comportamento, ma non senza un po 'di testo standard.

stat_ecdf2 <- function(mapping = NULL, data = NULL, geom = "step", 
         position = "identity", n = NULL, show.legend = NA, 
         inherit.aes = TRUE, minval=NULL, maxval=NULL,...) { 
    layer(
    data = data, 
    mapping = mapping, 
    stat = StatEcdf2, 
    geom = geom, 
    position = position, 
    show.legend = show.legend, 
    inherit.aes = inherit.aes, 
    stat_params = list(n = n, minval=minval,maxval=maxval), 
    params = list(...) 
) 
} 


StatEcdf2 <- ggproto("StatEcdf2", StatEcdf, 
    calculate = function(data, scales, n = NULL, minval=NULL, maxval=NULL, ...) { 
    df <- StatEcdf$calculate(data, scales, n, ...) 
    if (!is.null(minval)) { df$x[1] <- minval } 
    if (!is.null(maxval)) { df$x[length(df$x)] <- maxval } 
    df 
    } 
) 

Ora, stat_ecdf2 si comportano allo stesso modo stat_ecdf, ma con un parametro opzionale minval e maxval. Quindi questo farà il trucco:

ggplot(subset(df,target_outcome==1),aes(x = model_rank)) + 
    stat_ecdf2(aes(colour = obs_set), size=1, minval=0, maxval=1) + 
    scale_x_continuous(limits=c(0,1), labels=percent,breaks=seq(0,1,.1)) + 
    xlab("Model Percentile") + ylab("Percent of Target Outcome") + 
    scale_y_continuous(limits=c(0,1), labels=percent) + 
    geom_segment(aes(x=0,y=0,xend=1,yend=1), 
       colour = "gray", linetype="longdash", size=1) + 
    ggtitle("Gain Chart") 

Il grande avvertimento qui è che non so se il modello di estensibilità corrente sarà supportato in futuro; è cambiato più volte in passato, e la modifica all'uso di "ggproto" è recente, come il 15 luglio 2015 recente.

Come un plus, questo mi ha dato la possibilità di scavare davvero in interni di ggplot, che è qualcosa che ho in mente di fare per un po '.