Построение доверительных интервалов на графике ggplot
Я новичок в r, так что будьте терпеливы, пожалуйста. Я рисую график средней дневной температуры за четырехмесячный период. Я хочу иметь возможность визуализировать свою уверенность в данных. Я считаю, что лучший способ сделать это — визуализировать доверительные интервалы на графике. По сути, мне просто нужна визуализация распространения данных в формате, подобном тому, который я видел (ГРАФИК 2).
Я использовал код из предыдущего вопроса о переполнении стека, похожего на мой. Я не до конца понимаю, что делает/выполняет код, поэтому, скорее всего, я где-то ошибаюсь, и мне просто нужно общее направление, как это сделать. Вот код, который я использую.
library(ggplot2)
library(stats)
library(dplyr)
(ggplot(DailyAvgL5, aes(Date, mean_temp)) +
stat_summary(
geom = 'smooth',
fun.data = mean_cl_normal,
fun.args = list(conf.int = 0.95),
group = 1,
alpha = 0.5,
color = 'black',
se = TRUE)
)
Полученный график представляет собой просто линейный график, не показывающий визуализацию спреда.
Вот мои данные, которые я использую для этого графика
dput(head(DailyAvgL5))
structure(list(Date = structure(c(19791, 19792, 19793, 19794,
19795, 19796), class = "Date"), mean_temp = c(9.98765502929687,
9.884833984375, 8.01781209309896, 8.70198394775391, 9.21991678873698,
9.69807739257812), z_scoremean_temp = c(-1.34020216363965, -1.36818008165322,
-1.87620239793434, -1.69003716229342, -1.54910606620731, -1.41899711641255
), overallmean = c(14.9037835315265, 14.9037835315265, 14.9037835315265,
14.9037835315265, 14.9037835315265, 14.9037835315265)), row.names = c(NA,
-6L), class = c("tbl_df", "tbl", "data.frame"))
Я думаю, что доверительные интервалы — это то, что я хочу использовать. Сначала я пытался визуализировать значения z, но тоже не смог найти способ. Не уверен, в каком направлении лучше всего визуализировать разброс/достоверность этих данных. Спасибо за помощь!
Ответы 1
Пример графика, который вы показываете, суммирует один из столбцов встроенного набора данных iris, но его структура принципиально отличается от ваших собственных данных, что означает, что вы не можете применить тот же код для получения аналогичного результата.
На примерном графике суммированы 50 измерений длины чашелистика для каждого вида ирисов по оси x. Если у нас есть несколько измерений в каждой точке на оси X, мы можем вычислить среднее значение и 95% доверительный интервал для среднего значения непосредственно в каждой точке на оси X, используя stat_summary.
Однако у вас есть одно измерение температуры для каждой даты на оси X, и мы не можем создать доверительный интервал на основе одного измерения.
Вместо этого нам нужно выполнить регрессию, чтобы найти скользящее среднее наших данных по оси X. Это будет линия тренда, вокруг которой меняются фактические температуры. Регрессия также даст нам непрерывный доверительный интервал для этой скользящей средней, что, вероятно, является самым близким к вашей заявленной цели.
Самый простой способ сделать это в ggplot — использовать geom_smooth. Его настройки по умолчанию будут генерировать локальную полиномиальную регрессию.
Вы предоставили только 6 точек данных, чего недостаточно для создания локальной полиномиальной регрессии, поэтому я добавил несколько правдоподобных строк данных для демонстрации (используемые данные см. В нижней части ответа).
Основной вызов будет:
library(ggplot2)
ggplot(DailyAvgL5, aes(Date, mean_temp)) +
geom_smooth()
Здесь показано скользящее среднее синего цвета с доверительным интервалом 95% для скользящего среднего в серой полосе. Если вы хотите видеть только необработанные данные и серую полосу позади них, вы можете вместо этого сделать:
ggplot(DailyAvgL5, aes(Date, mean_temp)) +
geom_smooth(linetype = 0) +
geom_line()
Более типичный способ представления этих данных — это использование необработанных данных в виде точек, а также линии регрессии и ее доверительного интервала, включенных в состав данных:
ggplot(DailyAvgL5, aes(Date, mean_temp)) +
geom_smooth() +
geom_point()
Используемые данные
DailyAvgL5 <- structure(list(Date = structure(c(19791, 19792, 19793, 19794,
19795, 19796, 19797, 19798, 19799, 19800, 19801, 19802, 19803,
19804, 19805, 19806, 19807, 19808, 19809, 19810, 19811, 19812,
19813, 19814, 19815, 19816), class = "Date"), mean_temp = c(9.98765502929687,
9.884833984375, 8.01781209309896, 8.70198394775391, 9.21991678873698,
9.69807739257812, 9.25, 10.28, 10.56, 10.11, 11.15, 10.73, 11.21,
11.05, 11.38, 11.51, 10.74, 11.77, 11.02, 11.58, 11.82, 11.53,
13.22, 11.24, 12.34, 12.69), z_scoremean_temp = c(-1.34020216363965,
-1.36818008165322, -1.87620239793434, -1.69003716229342, -1.54910606620731,
-1.41899711641255, -1.44, -1.4, -1.36, -1.32, -1.27, -1.23, -1.19,
-1.15, -1.11, -1.07, -1.03, -0.99, -0.95, -0.91, -0.87, -0.83,
-0.79, -0.75, -0.71, -0.67), overallmean = c(14.9037835315265,
14.9037835315265, 14.9037835315265, 14.9037835315265, 14.9037835315265,
14.9037835315265, 14.9, 14.9, 14.9, 14.9, 14.9, 14.9, 14.9, 14.9,
14.9, 14.9, 14.9, 14.9, 14.9, 14.9, 14.9, 14.9, 14.9, 14.9, 14.9,
14.9)), row.names = c(NA, -26L), class = c("tbl_df", "tbl", "data.frame"
))
Это именно то, что мне нужно! Огромное спасибо! Я очень ценю это, и для меня это имеет наибольший смысл.
Вы пробовали заглянуть в geom_ribbon? Если у вас есть две переменные CIinf и CIsup в наборе данных DailyAvgL5, вы можете легко достичь PLOT 2.