如何用R在同一个图上绘制原始函数、数据点和线性回归曲线？

Question

我创建了一个带有x 和y 值的虚拟数据。 x 是介于 0 和 2*pi 之间的任何值。 y 是 sin(x) +- noise。 noise 是介于 0 和 0.5 之间的随机值。

我使用以下公式创建了一条线性回归曲线：fit <- lm(ys ~ xs + I(xs^2) + I(xs^3))。 我可以使用以下代码仅绘制原始正弦函数和点：

plot(sin, 0, 2*pi,col="green",xlim = c(-0.5, 6.5), ylim = c(-1.5, 1.5))
points(xs, ys,col="blue")

我还想将拟合曲线添加到同一个图中。我做了一些研究并想出了以下代码：

library(ggplot2)
ggplot(x = xs) + 
  stat_function(fun=sin, geom="line", col="green") +
  geom_point(aes(x = xs, y = ys), col="blue") +
  stat_smooth(method = "lm", formula = ys ~ xs + I(xs^2) + I(xs^3), col="red")

但它只是在绘制点。如何用R在同一张图上绘制原始函数、数据点和线性回归曲线？

这是整个代码：

xs <- c(0, 2*pi)
ys <- c(runif(1,0,0.5), -runif(1,0,0.5))
for(i in 1:20){
  x <- runif(1, 0, 2*pi)
  y <- sin(x) 
  noise <- runif(1,0,0.5)
  if(i%%2 == 0){
    y <- y + noise
  }
  else{
    y <- y - noise
  }
  xs <- c(xs, x)
  ys <- c(ys, y)
}
data <- data.frame(xs, ys)
fit <- lm(ys ~ xs + I(xs^2) + I(xs^3))

#plot(sin, 0, 2*pi,col="green",xlim = c(-0.5, 6.5), ylim = c(-1.5, 1.5))
#points(xs, ys,col="blue")
#abline(fit)

library(ggplot2)

ggplot(x = xs) + 
  stat_function(fun=sin, geom="line", col="green") +
  geom_point(aes(x = xs, y = ys), col="blue") +
  stat_smooth(method = "lm", formula = ys ~ xs + I(xs^2) + I(xs^3), col="red")

Answer 1

这是一种不同的方法。 修改您的 data.frame 以增加两列：

library(dplyr)
data <- data %>%
  mutate(sin_x = sin(xs), fit = predict(fit))

现在创建您的ggplot，其中包含三个几何层，一层用于ys，一层用于sin_x，一层用于fit。

data %>%
  ggplot(aes(x = xs)) +
  geom_point(aes(y = ys)) + 
  geom_line(aes(y = sin_x), color = "red", size = 0.5) + 
  geom_line(aes(y = fit), color = "black", size = 1, linetype = 2)

Answer 2

stat_function() 层的一个鲜为人知的用例是您可以插入一个匿名函数，该函数根据您预先计算的线性模型进行预测。

ggplot(x = xs) + 
  stat_function(fun=sin, geom="line", col="green") +
  geom_point(aes(x = xs, y = ys), col="blue") +
  stat_function(fun = function(x){predict(fit, data.frame(xs = x))}, col = "red")

你的尝试非常接近，但是stat_smooth()层需要知道美学是什么，公式应该表达为美学。

ggplot(x = xs) + 
  stat_function(fun=sin, geom="line", col="green") +
  geom_point(aes(x = xs, y = ys), col="blue") +
  stat_smooth(method = "lm", formula = y ~ x + I(x^2) + I(x^3), 
              aes(x = xs, y = ys),
              col="red")