《ggplot2：数据分析与图形艺术》
第5章 工具箱
5.8 揭示不确定性
数据中存在不确定性的信息，有四类几何对象可揭示数据中不确定性的信息。
具体使用哪个取决于x的值是离散型还是连续型的，以及我们是否要展示区间内的中间值，或是仅仅展示区间，见下表。
| 变量X类型 | 仅展示区间 | 同时展示区间和中间值 |
|---|---|---|
| 连续型 | geom_ribbon | geom_smooth(stat=“identity”) |
| 离散型 | geom_errorbar | geom_crossbar |
| geom_linerange | geom_pointrange |
关于标准误的计算方法很多，所以下例拟合了一个双因素含交互效应回归模型，并且展示了如何提取边际效应（marginal effects）和条件效应（conditional effects），以及如何将其可视化。> library(ggplot2)> d <- subset(diamonds, carat < 2.5 & rbinom(nrow(diamonds), 1, 0.2) == 1)#满足carat < 2.5随机数==1
#rbinom(n, size, prob)#表示你的size是试验次数,n是所需满足该分布的随机数的个数,比如你要生成100个服从B(10,0.5)分布的随机数,命令就应该是 rbinom(100,10,0.5)> d$lcarat <- log10(d$carat)> d$lprice <- log10(d$price)
#在d这个数据框中添加两列数据分别是carat列和price列的log10的数值> #剔除整体的线性趋势> detrend <- lm(lprice ~ lcarat, data=d)> detrend
Call:
lm(formula = lprice ~ lcarat, data = d)
Coefficients:
(Intercept) lcarat
3.671 1.683> d$lprice2 <- resid(detrend)#resid计算回归方程残差> mod <- lm(lprice2 ~ lcarat * color, data=d)> install.packages('effects')> install.packages('carData')> library(effects)> effectdf <- function(...) { suppressWarnings(as.data.frame(effect(...)))}> color <- effectdf("color", mod)> both1 <- effectdf("lcarat:color", mod)> carat <- effectdf("lcarat", mod, default.levels = 50)> both2 <- effectdf("lcarat:color", mod, default.levels = 3)> qplot(lcarat, lprice, data=d, colour=color)> qplot(lcarat, lprice2, data=d, colour=color)
#上两张图表示进行数据变换以移除显而易见的效应。第一张图中x轴和y轴的数据均取以10为底的对数以剔除非线性性。第二张图剔除了主要的线性趋势。
> fplot <- ggplot(mapping = aes(y=fit, ymin=lower, ymax=upper)) + ylim(range(both2$lower, both2$upper))
> fplot %+% color + aes(x=color) + geom_point() + geom_errorbar()> fplot %+% both2 + aes(x=color, colour=lcarat, group=interaction(color, lcarat)) + geom_errorbar() + geom_line(aes(group=lcarat)) + scale_colour_gradient()
#上两张图展示模型估计结果中变量color的不确定性。第一张图为color的边际效应。第二张图则是针对变量carat的不同水平(level)，变量color的条件效应。误差棒显示了95%的逐点置信区间。
> fplot %+% carat + aes(x=lcarat) + geom_smooth(stat="identity")> ends <- subset(both1, lcarat==max(lcarat))
> fplot %+% both1 + aes(x=lcarat, colour=color) + geom_smooth(stat="identity") + scale_colour_hue() + theme(legend.position="none") + geom_text(aes(label=color, x=lcarat+0.02), ends)
#展示模型估计结果中变量carat的不确定行。第一张图为carat的边际效应。第二张图则是针对变量color的不同水平，变量carat的条件效应。误差带显示了95%的逐点置信区间。
5.9 统计摘要
使用stat_summary()计算统计摘要，该函数既可以为每一个参数单独地指定摘要计算函数，也可以用一个统一地函数对它们进行组合。
5.9.1 单独的摘要计算函数
参数fun.y，fun.ymin，fun.ymax能够接受简单的数值型摘要计算函数，即该函数能够传入一个数值向量并返回一个数值型结果，如：mean()，median()，min()，max()。> d <- ggplot(mtcars, aes(cyl, mpg)) + geom_point()> d + stat_summary(fun.y = "median", colour = "red", size = 2, geom = "point")#红点表示计算每组y轴的中位数，其他点用黑色表示，中位数用红点表示。如果想绘制均值则可用fun.y = "mean"。> ggplot(mtcars, aes(cyl, mpg)) + geom_point() + aes(colour = factor(vs)) + stat_summary(fun.y = mean, geom="line")#通过factor(vs)对mtcars中对数据的vs列进行分组，并计算各族的均值，然后用geom="line"线进行连接。ggplot(mtcars, aes(cyl, mpg)) + geom_point() + stat_summary(fun.y = mean, fun.ymin = min, fun.ymax = max, colour = "red")#fun.ymin = min和fun.ymax = max表示在进行绘图时将y轴的最大值和最小值进行连线。
如果只写fun.ymin = min则会报错> ggplot(mtcars, aes(cyl, mpg)) + geom_point() + stat_summary(fun.y = "mean", fun.ymin = min, colour = "red")
Warning message:
Removed 3 rows containing missing values
(geom_pointrange).
同样stat_sumamry()函数也可以改变数据集
d <- ggplot(diamonds, aes(cut))
d + geom_bar()
绘制的是diamonds数据集中的cut列的条形图d + stat_summary_bin(aes(y = price), fun.y = "mean", geom = "bar")#这样会改变数据集，只绘制price数据的mean值的条形图。
依照同样的原理，我们也可以只绘制平均值的结果> ggplot(mtcars, aes(cyl, mpg)) + stat_summary(fun.y = "mean", geom = "point")
5.9.2 统一的摘要计算函数
fun.data可以支持更复杂的摘要计算函数，在下表中罗列了来自Hmisc包中的函数。当然我们也可以使用自己编写的摘要计算函数；此函数应返回一个各元素有名称的向量作为输出，参考：https://ggplot2.tidyverse.org/reference/stat_summary.html
表5.3 来自Hmisc包中的摘要计算函数，这些函数拥有专门的封装，以使它们能够与stat_sumamry()更轻松地共同使用。
| 函数名 | Hmisc包中原名 | 中间值类型 | 所计算区间 |
|---|---|---|---|
| mean_cl_normal() | smean.cl.boot() | 均值 | 正态渐进所得标准误 |
| mean_cl_boot() | smean.cl.boot() | 均值 | Bootstrap所得标准误 |
| mean_sdl() | smean.scl() | 均值 | 标准差的倍数 |
| median_hilow() | smean.hilow() | 中位数 | 尾部面积相同的外分位点对 |