今天我们学习第三章的最后几节,其中的“绘制地图”部分,因为我木有顺利安装maps package,而且在我们的工作中也不常用,暂时跳过。下面继续~
6. 添加误差线和误差范围
数据中的不确定信息的展示也很重要。
ggplot2中,四类几何对象可以用于这项工作,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。
如下例:
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))
## 箱线图的形式,离散型变量的区间和中间值
base + geom_crossbar()
## 点线图的形式,离散型变量的区间和中间值
base + geom_pointrange()
## 连续型变量,展示区间和中间值
base + geom_pointrange()
## 箱线图的形式,离散型变量只显示区间
base + geom_errorbar()
## 点线图的形式,离散型变量只显示区间
base + geom_linerange()
## 连续型变量,只显示区间
base + geom_ribbon()
以上六个命令依次生成如下六张图片:
实际上,添加标准误差线的方法有很多,除此之外还有其他可用的计算方法(PS. 这个方法我理解的前提是你已经知道误差范围,并具体到数值,才能通过这种代码运行)。在后面的第十一章还有更详细的从复杂数据模型中计算置信区间( confidence intervals)的方法。
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。即将各数值乘以相应的权数,然后加总求和得到总体值,再除以总的单位数。加权平均值的大小不仅取决于总体中各单位的数值(变量值)的大小,而且取决于各数值出现的次数(频数),由于各数值出现的次数对其在平均数中的影响起着权衡轻重的作用,因此叫做权数。 (from. 百度百科)
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
<int> <chr> <chr> <dbl> <int> <dbl> <int> <int></