R：ggplot2（11），第5章工具箱（3）

最新推荐文章于 2024-07-26 19:18:05 发布

genome_denovo

最新推荐文章于 2024-07-26 19:18:05 发布

阅读量716

点赞数 1

分类专栏： R R_ggplot 文章标签： R ggplot2

本文链接：https://blog.csdn.net/genome_denovo/article/details/88381112

版权

本文介绍了《ggplot2：数据分析与图形艺术》中关于工具箱的内容，特别是如何揭示数据不确定性，包括四种几何对象的使用。此外，详细探讨了统计摘要，如单独的摘要计算函数（如mean(), median()等）和统一的摘要计算函数，如来自Hmisc包的函数。示例展示了如何计算和可视化模型的边际效应、条件效应以及如何使用stat_summary()进行统计汇总。" 90306115,8256948,C# POST超时问题解决方案,"['C#开发', '网络请求', '异常处理']

摘要由CSDN通过智能技术生成

《ggplot2：数据分析与图形艺术》

第5章工具箱

5.8 揭示不确定性

数据中存在不确定性的信息，有四类几何对象可揭示数据中不确定性的信息。
具体使用哪个取决于x的值是离散型还是连续型的，以及我们是否要展示区间内的中间值，或是仅仅展示区间，见下表。

变量X类型	仅展示区间	同时展示区间和中间值
连续型	geom_ribbon	geom_smooth(stat=“identity”)
离散型	geom_errorbar	geom_crossbar
	geom_linerange	geom_pointrange

关于标准误的计算方法很多，所以下例拟合了一个双因素含交互效应回归模型，并且展示了如何提取边际效应（marginal effects）和条件效应（conditional effects），以及如何将其可视化。
> library(ggplot2)
> d <- subset(diamonds, carat < 2.5 & rbinom(nrow(diamonds), 1, 0.2) == 1)#满足carat < 2.5随机数==1
#rbinom(n, size, prob)#表示你的size是试验次数,n是所需满足该分布的随机数的个数,比如你要生成100个服从B(10,0.5)分布的随机数,命令就应该是 rbinom(100,10,0.5)
> d$lcarat <- log10(d$carat)
> d$lprice <- log10(d$price)
#在d这个数据框中添加两列数据分别是carat列和price列的log10的数值
> #剔除整体的线性趋势
> detrend <- lm(lprice ~ lcarat, data=d)
> detrend
Call:
lm(formula = lprice ~ lcarat, data = d)
Coefficients:
(Intercept) lcarat
3.671 1.683
> d$lprice2 <- res