论文中折线图可以表示两个变量间的变化关系,带误差或可信区间的折线图表示其中一个变量的变化范围,今天我们通过R语言来演示一下。
继续使用我们的汽车销售数据(公众号回复:汽车销售,可以获得该数据)来演示,先导入数据
library(foreign)
library(ggplot2)
library(tidyverse)
bc <- read.spss("E:/r/test/tree_car.sav",
use.value.labels=F, to.data.frame=T)
names(bc)
我们来看下数据,car就是汽车售价,age是年龄,gender是性别,inccat是收入,这里分成4个等级,ed是教育程度。
假设我们想知道不同教育水平的男女在买汽车的价格上有什么不同,可绘制带误差和可信区间的折线图,关键就是要算出它的标准误se和95%ci.
我们先生成一个计算标准误se和95%ci的自定义函数,这是国外一位大佬设计的函数,我见好用直接搬运过来了。
summarySE <- function(data=NULL, measurevar, groupvars=NULL, na.rm=FALSE,
conf.interval=.95, .drop=TRUE) {
library(plyr)
# New version of length which can handle NA's: if na.rm==T, don't count them
length2 <- function (x, na.rm=FALSE) {
if (na.rm) sum(!is.na(x))
else length(x)
}
# This does the summary. For each group's data frame, return a vector with
# N, mean, and sd
datac <- ddply(data, groupvars, .drop=.drop,
.fun = function(xx, col) {
c(N = length2(xx[[col]], na.rm=na.rm),
mean = mean (xx[[col]], na.rm=na.rm),
sd = sd (xx[[col]], na.rm=na.rm)
)
},
measurevar
)
# Rename the "mean" column
datac <- rename(datac, c("mean" = measurevar))
datac$se <- datac$sd / sqrt(datac$N) # Calculate standard error of the mean
# Confidence interval multiplier for standard error
# Calculate t-statistic for confidence interval:
# e.g., if conf.interval is .95, use .975 (above/below), and use df=N-1
ciMult <- qt(conf.interval/2 + .5, datac$N-1)
datac$ci <- datac$se * ciMult
return(datac)
}
生成函数后,我们使用自定义函数summarySE生成标准误se和95%ci. Measurevar填入你要衡量比较的指标,这里填入汽车售价,groupvars这里填入性别和教育程度
carss<- summarySE(bc, measurevar="car", groupvars=c("gender","ed"))
生成了数据后就可以绘图了,先绘制一个带误差的折线图
ggplot(carss, aes(x=ed, y=car, colour=gender)) +
geom_errorbar(aes(ymin=car-se, ymax=car+se), width=.1) +
geom_line() +
geom_point()
我们可以看到,男性和女性之间的线条有些重叠了,我们可以设置一个抖动点把它分开
生成抖动点
pd <- position_dodge(0.1) # move them .05 to the left and right
绘图
ggplot(carss, aes(x=ed, y=car, colour=gender)) +
geom_errorbar(aes(ymin=car-se, ymax=car+se), width=.1,position=pd) +
geom_line(position=pd) +
geom_point(position=pd)
同理,绘制95%ci的折线图图
ggplot(carss, aes(x=ed, y=car, colour=gender)) +
geom_errorbar(aes(ymin=car-ci, ymax=car+ci), width=.1, position=pd) +
geom_line(position=pd) +
geom_point(position=pd)
我们还可以把图片进一步修饰
ggplot(carss, aes(x=ed, y=car, colour=gender, group=gender)) +
geom_errorbar(aes(ymin=car-se, ymax=car+se), colour="black", width=.1,
position=pd) +
geom_line(position=pd) +
geom_point(position=pd, size=3, shape=21, fill="white") + # 21 is filled circle
xlab("教育程度") +
ylab("汽车售价") +
scale_colour_hue(name="性别", # Legend label, use darker colors
breaks=c("m", "f"),
labels=c("男", "女"),
l=40) + # Use darker colors, lightness=40
ggtitle("不同教育程度男女购买汽车区别") +
expand_limits(y=15) + # Expand y range
scale_y_continuous(breaks=0:20*4) + # Set tick every 4
theme_bw() +
theme(legend.justification=c(1,0),
legend.position=c(1,0)) # Position legend in bottom right
一个用于发表带误差的折线图就做好啦,还有其他的一些函数或软件也能做出来,将在今后进一步介绍。原创不易,点个小红心再走吧。