ggplot2读书笔记5：工具箱——误差线、加权数、展示数据分布

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></