在散点图中绘制 95% 置信限答案

【问题标题】：Plot 95% confidence limits in scatterplot在散点图中绘制 95% 置信限
【发布时间】：2013-02-11 01:55:09
【问题描述】：

我需要绘制几个定义为

的数据点

c(x,y, stdev_x, stdev_y)

作为散点图，表示其 95% 置信限，例如显示点及其周围的一个轮廓。理想情况下，我想在该点周围绘制椭圆形，但不知道该怎么做。我正在考虑构建样本并绘制它们，添加 stat_density2d() 但需要将轮廓数限制为 1，并且无法弄清楚如何做到这一点。

require(ggplot2)
n=10000
d <- data.frame(id=rep("A", n),
                se=rnorm(n, 0.18,0.02), 
                sp=rnorm(n, 0.79,0.06) )
g <- ggplot (d, aes(se,sp)) +
  scale_x_continuous(limits=c(0,1))+
  scale_y_continuous(limits=c(0,1)) +
  theme(aspect.ratio=0.6)
g + geom_point(alpha=I(1/50)) +
  stat_density2d()

【问题讨论】：

标签： r ggplot2 scatter-plot confidence-interval

【解决方案1】：

我对 ggplot2 库一无所知，但您可以使用 plotrix 绘制椭圆。这个情节看起来像你想要的吗？

library(plotrix)
n=10
d <- data.frame(x=runif(n,0,2),y=runif(n,0,2),seX=runif(n,0,0.1),seY=runif(n,0,0.1))
plot(d$x,d$y,pch=16,ylim=c(0,2),xlim=c(0,2))
draw.ellipse(d$x,d$y,d$seX,d$seY)

【讨论】：

哇，这是一个优雅的解决方案，谢谢！不过，我仍然希望我可以在 ggplot2 中做到这一点。

【解决方案2】：

首先，将所有绘图保存为对象（更改限制）。

g <- ggplot (d, aes(se,sp, group=id)) +
  scale_x_continuous(limits=c(0,0.5))+
  scale_y_continuous(limits=c(0.5,1)) +
  theme(aspect.ratio=0.6) + 
  geom_point(alpha=I(1/50)) +
  stat_density2d()

使用函数ggplot_build() 保存用于绘图的所有信息。轮廓存储在对象data[[2]] 中。

gg<-ggplot_build(g)
str(gg$data)
head(gg$data[[2]])
  level         x         y piece group PANEL
1    10 0.1363636 0.7390318     1   1-1     1
2    10 0.1355521 0.7424242     1   1-1     1
3    10 0.1347814 0.7474747     1   1-1     1
4    10 0.1343692 0.7525253     1   1-1     1
5    10 0.1340186 0.7575758     1   1-1     1
6    10 0.1336037 0.7626263     1   1-1     1

等高线一共有12条，但是只保留外线，你应该只子集group=="1-1"并替换原始信息。

gg$data[[2]]<-subset(gg$data[[2]],group=="1-1")

然后使用ggplot_gtable() 和grid.draw() 得到你的情节。

p1<-ggplot_gtable(gg)
grid.draw(p1)

【讨论】：

感谢您的回答。例如，我们如何知道外轮廓为 95% 而不是 97 或 99%？这可能很明显，但我在文档中没有找到它（包括 kde2d 的）。
现在这个解决方案只展示了如何只保留一个轮廓线。关于这个信心还得再看下去。

【解决方案3】：

在这里，我根据您的数据绘制水平 0.65 和 0.95。

library(latticeExtra)
xyplot(sp~se,data=d,groups=id,
       par.settings = list(plot.symbol = list(cex = 1.1, pch=16)),
       panel = function(x,y,...){
         panel.xyplot(x, y,alpha=0.2)
         panel.ellipse(x, y, lwd = 2, col="green", robust=FALSE,  level=0.65,...)
         panel.ellipse(x, y, lwd = 2, col="red", robust=TRUE,  level=0.95,...)

       })

【讨论】：

【解决方案4】：

刚刚找到了函数stat_ellipse()here（和here），它可以很好地处理这个问题。

g + geom_point(alpha=I(1/10))  +
  stat_ellipse(aes(group=id), color="black")

不同的数据集，当然是：

【讨论】：

【解决方案5】：

看起来您发现的 stat_ellipse 函数确实是一个很好的解决方案，但这里有另一个（非 ggplot），只是为了记录，使用来自 car 包的 dataEllipse。

# some sample data
n=10000
g=4
d <- data.frame(ID = unlist(lapply(letters[1:g], function(x) rep(x, n/g))))
d$x <- unlist(lapply(1:g, function(i) rnorm(n/g, runif(1)*i^2))) 
d$y <- unlist(lapply(1:g, function(i) rnorm(n/g, runif(1)*i^2))) 

# plot points with 95% normal-probability contour
# default settings...
library(car)
with(d, dataEllipse(x, y, ID, level=0.95, fill=TRUE, fill.alpha=0.1))

# with a little more effort...
# random colours with alpha-blending
d$col <- unlist(lapply(1:g, function (x) rep(rgb(runif(1), runif(1), runif(1), runif(1)),n/g)))
# plot points first
with(d, plot(x,y, col=col, pch="."))
# then ellipses over the top
with(d, dataEllipse(x, y, ID, level=0.95, fill=TRUE, fill.alpha=0.1, plot.points=FALSE, add=TRUE,  col=unique(col), ellipse.label=FALSE, center.pch="+"))

【讨论】：