stat_smooth 的 smooth.Pspline 包装器（在 ggplot2 中）

Question

对不起，如果这个问题是微不足道的，但我试图弄清楚如何在 R 中绘制某种类型的自然三次样条 (NCS)，但我完全没有想到。

在previous question 中，我学习了如何在 ggplot 中绘制由 ns() 命令生成的 NCS，但我感兴趣的是如何绘制一个稍微不同的 NCS，在 pspline 包中生成了 smooth.Pspline 命令.据我所知，这是唯一一个通过 CV 为给定数据集自动选择适当平滑惩罚的包。

理想情况下，我可以提供 smooth.Pspline 作为 ggplot2 中 stat_smooth 层的方法。我当前的代码是这样的：

plot <- ggplot(data_plot, aes(x=age, y=wOBA, color=playerID, group=playerID))
plot <- plot + stat_smooth(method = lm, formula = y~ns(x,4),se=FALSE)

我想用 smooth.Pspline 的功能替换“lm”公式。我做了一点谷歌搜索，发现 solution 与 Hadley 编写的非常相似的 B 样条函数 smooth.spline。但我无法将其完美地适应 smooth.Pspline。有人有这方面的经验吗？

非常感谢！

Answer 1

您只需检查predict.smooth.Pspline 如何返回预测值。

在stat_smooth 的内部工作中，调用predictdf 来创建平滑线。 predictdf 是ggplot2 的内部（非导出）函数（定义为here），它是标准的S3 方法。

sm.spline 返回类smooth.Pspline 的对象，因此要使stat_smooth 工作，您需要为类smooth.Pspline 创建predictdf 的方法。

因此，以下将起作用。

smP <- function(formula,data,...){
  M <- model.frame(formula, data)
  sm.spline(x =M[,2],y =M[,1])

}
# an s3 method for predictdf (called within stat_smooth)
predictdf.smooth.Pspline <- function(model, xseq, se, level) {
  pred <- predict(model, xseq)
  data.frame(x = xseq, y = c(pred))
}

一个示例（使用 mgcv::gam 拟合的 pspline 作为比较）。 mgcv 很棒，在拟合方法和平滑样条曲线选择方面提供了极大的灵活性（虽然不是 CV，只有 GCV/UBRE/REML/ML）

d <- ggplot(mtcars, aes(qsec, wt))
d + geom_point() +  stat_smooth(method = smP, se= FALSE, colour='red', formula = y~x) + 
stat_smooth(method = 'gam', colour = 'blue', formula = y~s(x,bs='ps'))