ggplot2学习笔记6：工具箱（二）误差线、加权数据、展示分布、其他

此博客作为自己的学习笔记，同时与大家交流分享！

Toolbox

6.添加误差线和误差范围

所谓的不确定信息（Revealing Uncertainty）也就是误差范围（置信区间），在图形中的展示也很重要。

ggplot2中，四类几何对象可以用于绘制置信区间，这取决于x的值是离散型还是连续型，以及我们是否想展示区间中的中心值：

• 离散型变量+区间：geom_errorbar()，geom_linerange()
• 离散型变量+区间+中间值：geom_crossbar()，geom_pointrange()
• 连续型变量+区间：geom_ribbon()
• 连续型变量+区间+中间值：geom_smooth(stat = "identity")

以上函数默认，我们对给定 x 时 y 的值域和分布情况感兴趣，所以使用了图形属性 ymin 和 ymax 来确定y的值域。来看看下面的例子：

library(ggplot2)
y <- c(18, 11, 16)
df <- data.frame(x = 1:3, y = y, se = c(1.2, 0.5, 1.0))

base <- ggplot(df, aes(x, y, ymin = y - se, ymax = y + se))
base + geom_crossbar()
base + geom_pointrange()
base + geom_smooth(stat = "identity")
base + geom_errorbar()
base + geom_linerange()
base + geom_ribbon()

以上几何对象分别生成以下六副图形：

实际上，添加标准误差线的方法有很多，除此之外也可以通过函数计算模型的置信区间（confidence intervals）

7.加权数据（Weighted Data）

加权数与加权平均数的概念相同，不同于普通的平均数，在加权数的计算中需要考虑每个数据不同的比例权重，统计学中，加权数是为比重不同的数据按照其相应的比例来计算的平均数。

在处理整合数据（aggregated data）的时候，数据的每一行可能代表了多种观测值，这是我们需要通过某种标准/方式把权重变量考虑到其中。

以2000年美国人口普查，东西部各州的统计数据集 midwest 为例。此数据主要包括的是比例型数据（eg. 白种人比例，贫困线下人口比例，大学以上学历人口比例）以及每个地区的信息（面积、人口总数、人口密度等）。

library(ggplot2)
midwest
# A tibble: 437 x 28
     PID county state  area poptotal popdensity popwhite popblack popamerindian popasian popother
   <int> <chr>  <chr> <dbl>    <int>      <dbl>    <int>    <int>         <int>    <int>    <int>
 1   561 ADAMS  IL    0.052    66090      1271.    63917     1702            98      249      124
 2   562 ALEXA~ IL    0.014    10626       759      7054     3496            19       48        9
 3   563 BOND   IL    0.022    14991       681.    14477      429            35       16       34
 4   564 BOONE  IL    0.017    30806      1812.    29344      127            46      150     1139
 5   565 BROWN  IL    0.018     5836       324.     5264      547            14        5        6
 6   566 BUREAU IL    0.05     35688       714.    35157       50            65      195      221
 7   567 CALHO~ IL    0.017     5322       313.     5298        1             8       15