用 plotly 创建丝带

Question

我需要在散点图上绘制两个加速度与 mpg 的斜率， 轻型车一坡，重型车一坡。我创建了这个：

cars_light <- cars_log[cars_log$log.weight. <= log(mean(cars$weight)), ]
cars_heavy <- cars_log[cars_log$log.weight. > log(mean(cars$weight)),]
cars_log$wt_cat <- ifelse(cars_log$log.weight. > log(mean(cars$weight)), 'heavy', 'light')

到目前为止，我已经通过这样做创建了散点图：

    plot_ly(
  data = cars_log,
  type = "scatter",
  x = ~log.acceleration.,
  y = ~ log.mpg.,
  color = ~ factor(wt_cat),
  colors = c("#8bc34a", "#ff5722"),
  marker = list(size = 10, opacity = 0.6)
) %>%
  layout(title = "Heavy cars VS light cars")

这给了我这个结果：

现在，我想为重型汽车创建一个斜坡，为轻型汽车创建另一个斜坡，我知道我需要使用 plotly 的 add_ribbons 跟踪，但我不知道如何生成它。我在用 plotly 计算 lm 时遇到问题。 我可以用 ggplot 做同样的事情，但我不知道如何用 plotly 做到这一点..

    ggplot(cars_log, aes_string('log.acceleration.', 'log.mpg.')) +
  geom_point(aes(color = factor(wt_cat))) +
  geom_smooth(method = 'lm', aes(color = factor(wt_cat)))

这是我的数据样本：

    > cars_log[1:5,]
  log.mpg. log.cylinders. log.displacement. log.horsepower. log.weight. log.acceleration. model_year origin
1 2.890372       2.079442          5.726848        4.867534    8.161660          2.484907         70      1
2 2.708050       2.079442          5.857933        5.105945    8.214194          2.442347         70      1
3 2.890372       2.079442          5.762051        5.010635    8.142063          2.397895         70      1
4 2.772589       2.079442          5.717028        5.010635    8.141190          2.484907         70      1
5 2.833213       2.079442          5.710427        4.941642    8.145840          2.351375         70      1

Answer 1

您可以使用add_ribbons() 函数。它的主要三个论点是：

• data数据
• x x 值
• ymin功能区下界
• ymax功能区的上限

由于缺乏最小的数据集，我采用了这个：plotly regression line R，它用于一个密切的问题（即在 R Plotly 中绘制回归线）。使用这个数据集，这是一个在 Plotly 外部完成回归的示例，其输出使用broom::augment() 格式化，然后用于创建功能区：

library(plotly)
library(broom)
data(airquality)
airq <- airquality %>% 
      filter(!is.na(Ozone))
fit <- lm(Ozone ~ Wind, data = airq)
airq %>% 
  plot_ly(x = ~Wind, name = 'Scatter') %>% 
  add_markers(y = ~Ozone) %>% 
  add_ribbons(data = augment(fit,se_fit = TRUE),
              ymin = ~.fitted - 1.96 * .se.fit,
              ymax = ~.fitted + 1.96 * .se.fit,
              line = list(color = 'rgba(7, 164, 181, 0.05)'),
              fillcolor = 'rgba(7, 164, 181, 0.2)',
              name = '95% ribbon')

这给出了以下情节：