在進行資料分析時，首要的任務之一是掌握資料的分布特徵與整體趨勢。密度圖（Density Plot）特別適合用於連續型資料，因為它將離散樣本點平滑化，形成連續曲線，幫助我們直觀地觀察集中區域、可能的多峰結構，以及偏態與長尾特徵。這能讓研究者快速判斷資料是否符合常態分布假設，或是否需要進一步轉換與調整。

相較之下，若資料屬於離散型（例如計數或類別變數），則密度圖並非最佳工具，長條圖（Histogram）或條形圖（Bar Chart）會更合適。這是因為離散資料的特性在於明確的分組或頻數，而不是連續變化的分布。

因此，在資料分析的初始階段，釐清變數屬性（連續或離散）並繪製合適的分布圖，是一個標準且必要的步驟。這不僅能幫助研究者快速理解資料結構，也能避免在方法選擇上產生誤導，進而提升後續統計推論與建模的可靠性。

當面對多群組（如不同音樂類型 genre）時，密度圖可以疊放或分面，迅速比較各群形狀差異；接著再用 ggdist::geom_dotsinterval() 把「具體點的存在感」與「分布/區間」加上，形成既直觀又資訊密度高的組合視覺。

資料與套件

library(ggplot2)
library(dplyr)
library(ggdist)   

本文使用 spotify（欄位含 popularity、genre），以 popularity 為例展示由「整體 → 分群 → 精煉六大類」的視覺化流程。

1) 先看整體密度：抓住形狀

# Basic density
ggplot(spotify, aes(x = popularity)) +
  geom_density()

讀圖重點：峰值大致位置、是否右尾長（高人氣少量但尾巴長）、是否有極端低值堆疊。

2) 分群密度：比較不同音樂類型

# Overlay by group
ggplot(spotify, aes(x = popularity, color = genre)) +
  geom_density()

# Facet（避免重疊干擾）
ggplot(spotify, aes(x = popularity, fill = genre)) +
  geom_density(alpha = 0.6) +
  facet_wrap(~ genre) +
  theme(legend.position = "")

疊放適合觀察「峰位差」；分面更利於讀出尾部與離群。

3) 只看「典型族群」的六大類：以 IQR 範圍挑選

目的：聚焦在 Q1–Q3（IQR） 內常見的受眾區段，避免極端值主導排序。

這邊需要注意：若你的分析目標是「整體熱門度」，不應用 IQR 篩；若是想看「常態受眾的典型分布」，IQR 切法是合理的。

q <- quantile(spotify$popularity, probs = c(0.25, 0.75), na.rm = TRUE)

top_genres <- spotify %>%
  filter(popularity >= q[1], popularity <= q[2]) %>%
  count(genre, sort = TRUE) %>%
  slice_head(n = 6) %>%
  pull(genre)

spotify_2 <- spotify %>% filter(genre %in% top_genres)

# 檢視六大類的疊放密度
ggplot(spotify_2, aes(x = popularity, fill = genre)) +
  geom_density(alpha = 0.5)

4) 以 geom_dotsinterval() 呈現「點 + 分布」的細節

geom_dotsinterval() 把樣本點堆成形狀（dots），並可搭配 slab（密度/機率體）與區間（如中位數±IQR）。

# 基本 dotsinterval（單群）
ggplot(spotify_2, aes(x = popularity)) +
  geom_dotsinterval()

# 分群到 y 軸
ggplot(spotify_2, aes(x = popularity, y = genre)) +
  geom_dotsinterval()

5) 圖例順序對齊 y 軸順序（避免「一直反方向」）

建立單一真相來源的順序向量，y 軸只反轉一次，legend 不反轉：

levels_top_down <- c("Soul","Jazz","Folk","Electronic","Country","Alternative")

ggplot(spotify_2, aes(x = popularity, y = genre, fill = genre)) +
  geom_dotsinterval(side = "bottom", scale = 0.6) +
  stat_slab(scale = 0.6) +
  scale_y_discrete(limits = rev(levels_top_down)) +  # 只反 y 軸
  scale_fill_discrete(limits = levels_top_down)       # legend 不反

6) 加上盒鬚圖：以統計量補強解讀

ggplot(spotify_2, aes(x = popularity, y = genre, fill = genre)) +
  geom_dotsinterval(side = "bottom", scale = 0.6) +
  stat_slab(scale = 0.6) +
  geom_boxplot(width = 0.1) +
  scale_y_discrete(limits = rev(levels_top_down)) +
  scale_fill_discrete(limits = levels_top_down)

如何觀察圖形：

• dots：顯示實際樣本密集區（常見值落在哪）。
• slab：顯示平滑分布與尾巴。
• boxplot：以 Q1、median、Q3、鬚線快速比對群間差異。

小結:

• 先畫密度圖：快速掌握形狀（集中、偏態、尾巴、多峰），決定後續建模與轉換策略。
• 多群比較：疊放 vs. 分面各有優缺點；疊放看峰位差，分面看尾部細節。
• IQR 篩選：若目標是「典型受眾」可用 Q1–Q3 聚焦；若要「整體熱門度」，請避免此篩法。
• geom_dotsinterval()：把「樣本存在感」與「分布結構」融合；要讓 slab 依數值上色，用 slab_fill。
• 順序控制：用一個 levels_top_down 同步 legend 與 y 軸（只反轉 y）。
• 4.0.0 主題：用 theme 集中管理 palettes，讓多圖一致、易維護。

🔎 English Abstract

This post demonstrates an EDA workflow for Spotify tracks using popularity as an example. We begin with density plots to understand overall and group-wise distributional shapes—location, skewness, tails, and potential multimodality—without being biased by binning. To focus on typical listeners, we optionally select the interquartile range (Q1–Q3) and identify the six most frequent genres; this IQR filter is reasonable for “typical audience” analyses but should be avoided if the goal is overall popularity. We then enrich the visualization using ggdist::geom_dotsinterval() to combine dot stacks (showing actual observations) with slabs (smoothed densities) and boxplots (summary statistics). We clarify a common pitfall: to color the slab by a continuous variable or a threshold, map to slab_fill = after_stat(...) rather than fill. For consistent ordering between the y-axis and legend, define a single source of truth for factor levels and reverse only the y-axis. Finally, we highlight ggplot2 4.0.0 theme features to centralize discrete palette settings via the theme, ensuring consistent styling across multiple plots.