R: Согласование осей в ggplot

Я работаю с языком программирования R.

Я сгенерировал несколько случайных данных и добавил к ним линию полиномиальной регрессии:

# PLOT 1

library(ggplot2)

x = rnorm(15, 2,2)

y = rnorm(15,7,2)

df = data.frame(x,y)

p <-ggplot(df, aes(x, y))

p <- p + geom_point(alpha=2/10, shape=21, fill = "blue", colour = "black", size=5)

#Add a loess smoother

p + stat_smooth(method = "lm", se=TRUE, fill=NA, formula=y ~ poly(x, 6, raw=TRUE),colour = "red") + ggtitle("Original Data: Polynomial Regression Model")

Теперь я хочу добавить к этим данным один выброс, перестроить полиномиальную регрессию и построить данные:

# PLOT 2

x = rnorm(1,13,1)

y = rnorm(1, 13,1)

df_1 = data.frame(x,y)

df = rbind(df, df_1)

p <-ggplot(df, aes(x, y))

p <- p + geom_point(alpha=2/10, shape=21, fill = "blue", colour = "black", size=5)

 #Add a loess smoother

p + stat_smooth(method = "lm", se=TRUE, fill=NA,

                formula=y ~ poly(x, 6, raw=TRUE),colour = "red") +  ggtitle("Modified Data: Polynomial Regression Model")

Моя проблема: Проблема в том, что теперь ось стала такой большой, что данные выглядят как "плоская линия":

R: Согласование осей в ggplot

Я попытался исправить это, ограничив размер оси:

p + stat_smooth(method = "lm", se=TRUE, fill=NA, formula=y ~ poly(x, 6, raw=TRUE),colour = "red") +  ggtitle("Modified Data: Polynomial Regression Model")+ scale_y_continuous(limits = c(min(df$y),max(df$y)))

R: Согласование осей в ggplot

Но теперь я получаю следующее предупреждающее сообщение:

Warning message:
Removed 35 rows containing missing values (geom_smooth).

Мой вопрос: Почему строки удаляются, когда я пытаюсь исправить ось? Есть ли лучший способ исправить эту проблему?

Спасибо!

Отвечает ли это на ваш вопрос? Ограничить оси ggplot2 без удаления данных (вне пределов): увеличить

— 17.03.2022 04:27

Благодарю вас! Я просто был сбит с толку: в моем наборе данных нет 35 строк... как можно удалить 35 строк!? :)

— 17.03.2022 04:33

Пожалуйста. Решение состоит в том, чтобы использовать coord_cartesian() вместо ограничений (как предлагается в ссылке: stackoverflow.com/questions/25685185/…), но эта ссылка не объясняет, откуда берутся «лишние» строки. Это слишком сложно объяснить в комментарии, поэтому я отправлю ответ, чтобы объяснить это дальше.

— 17.03.2022 05:21

r ggplot2 data-visualization

17.03.2022 04:19

Стоит ли изучать PHP в 2023-2024 годах?

Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...

Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией

В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.

Приемы CSS-макетирования - floats и Flexbox

Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...

Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest

В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...

Концепция локализации и ее применение в приложениях React ⚡️

Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...

Пользовательский скаляр GraphQL

Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...

Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Ответ принят как подходящий

Когда вы подходите к кривой stat_smooth() (или geom_smooth()), вы, по сути, создаете точки данных, то есть вы создаете список координат, которым будет следовать линия. Когда вы изменили пределы оси Y, некоторые из этих координат оказались за пределами пределов и были удалены. Таким образом, это не ваши исходные 16 точек, которые выходят за ваши пределы, это «рассчитанные» координаты для линии geom_smooth().

Вот пример, показывающий новые «внутренние» данные, созданные stat_smooth() в объекте ggplot («p2»):

library(ggplot2)
x = rnorm(15, 2,2)
y = rnorm(15,7,2)
df = data.frame(x,y)

p <- ggplot(df, aes(x, y)) +
  geom_point(alpha=2/10, shape=21,
             fill = "blue", colour = "black",
             size=5) +
  geom_smooth(method = "lm", se=TRUE, fill=NA,
              formula=y ~ poly(x, 6, raw=TRUE),
              colour = "red") +
  ggtitle("Original Data: Polynomial Regression Model")
p

x = rnorm(1,13,1)
y = rnorm(1, 13,1)
df_1 = data.frame(x,y)
df = rbind(df, df_1)

p2 <-ggplot(df, aes(x, y)) +
  geom_point(alpha=2/10, shape=21, 
             fill = "blue", colour = "black",
             size=5) +
  stat_smooth(method = "lm", se=TRUE, fill=NA,
              formula=y ~ poly(x, 6, raw=TRUE),
              colour = "red") +
  ggtitle("Modified Data: Polynomial Regression Model") +
  scale_y_continuous(limits = c(min(df$y),max(df$y)))
p2
#> Warning: Removed 37 rows containing missing values (geom_smooth).

ggplot_build(p2)$data[[2]]
#>              x         y     ymin      ymax         se flipped_aes PANEL group
#> 1  -0.23985422  6.710141       NA        NA   2.432118       FALSE     1    -1
#> 2  -0.07381912  6.765093 2.975488 10.554698   1.675217       FALSE     1    -1
#> 3   0.09221597  6.827052 3.150370 10.503735   1.625299       FALSE     1    -1
#> 4   0.25825106  6.891454 3.020561 10.762347   1.711151       FALSE     1    -1
#> 5   0.42428615  6.955375 3.107609 10.803142   1.700928       FALSE     1    -1
#> 6   0.59032125  7.017292 3.429403 10.605180   1.586047       FALSE     1    -1
#> 7   0.75635634  7.076844 3.875816 10.277873   1.415034       FALSE     1    -1
#> 8   0.92239143  7.134617 4.321137  9.948098   1.243716       FALSE     1    -1
#> 9   1.08842652  7.191933 4.663619  9.720246   1.117656       FALSE     1    -1
#> 10  1.25446161  7.250651 4.856861  9.644442   1.058189       FALSE     1    -1
#> 11  1.42049671  7.312991 4.923653  9.702330   1.056221       FALSE     1    -1
#> 12  1.58653180  7.381355 4.924840  9.837869   1.085917       FALSE     1    -1
#> 13  1.75256689  7.458168 4.912355 10.003980   1.125392       FALSE     1    -1
#> 14  1.91860198  7.545735 4.908758 10.182712   1.165691       FALSE     1    -1
#> 15  2.08463707  7.646104 4.911585 10.380623   1.208810       FALSE     1    -1
#> 16  2.25067217  7.760941 4.907110 10.614772   1.261553       FALSE     1    -1
#> 17  2.41670726  7.891421 4.884922 10.897920   1.329041       FALSE     1    -1
#> 18  2.58274235  8.038130 4.847749 11.228511   1.410327       FALSE     1    -1
#> 19  2.74877744  8.200977 4.813006        NA   1.497673       FALSE     1    -1
#> 20  2.91481253  8.379121 4.807386        NA   1.578907       FALSE     1    -1
#> 21  3.08084763  8.570910 4.858931        NA   1.640902       FALSE     1    -1
#> 22  3.24688272  8.773830 4.989796        NA   1.672755       FALSE     1    -1
#> 23  3.41291781  8.984466 5.210253        NA   1.668413       FALSE     1    -1
#> 24  3.57895290  9.198480 5.512992        NA   1.629192       FALSE     1    -1
#> 25  3.74498800  9.410595 5.866693        NA   1.566603       FALSE     1    -1
#> 26  3.91102309  9.614597 6.209727        NA   1.505143       FALSE     1    -1
#> 27  4.07705818  9.803344 6.451282        NA   1.481799       FALSE     1    -1
#> 28  4.24309327  9.968788 6.496294        NA   1.535037       FALSE     1    -1
#> 29  4.40912836 10.102016 6.295586        NA   1.682655       FALSE     1    -1
#> 30  4.57516346 10.193293 5.875238        NA   1.908822       FALSE     1    -1
#> 31  4.74119855 10.232124 5.314615        NA   2.173814       FALSE     1    -1
#> 32  4.90723364 10.207325 4.710764        NA   2.429787       FALSE     1    -1
#> 33  5.07326873 10.107110 4.159409        NA   2.629216       FALSE     1    -1
#> 34  5.23930382  9.919186 3.745953        NA   2.728914       FALSE     1    -1
#> 35  5.40533892  9.630862 3.530453        NA   2.696722       FALSE     1    -1
#> 36  5.57137401  9.229169 3.502837        NA   2.531359       FALSE     1    -1
#> 37  5.73740910  8.700996 3.447417        NA   2.322376       FALSE     1    -1
#> 38  5.90344419  8.033234       NA        NA   2.378236       FALSE     1    -1
#> 39  6.06947929  7.212932       NA        NA   3.159180       FALSE     1    -1
#> 40  6.23551438  6.227470       NA        NA   4.805205       FALSE     1    -1
#> 41  6.40154947  5.064739       NA        NA   7.234080       FALSE     1    -1
#> 42  6.56758456  3.713337       NA        NA  10.414227       FALSE     1    -1
#> 43  6.73361965        NA       NA        NA  14.368943       FALSE     1    -1
#> 44  6.89965475        NA       NA        NA  19.144526       FALSE     1    -1
#> 45  7.06568984        NA       NA        NA  24.794757       FALSE     1    -1
#> 46  7.23172493        NA       NA        NA  31.373858       FALSE     1    -1
#> 47  7.39776002        NA       NA        NA  38.932662       FALSE     1    -1
#> 48  7.56379511        NA       NA        NA  47.516027       FALSE     1    -1
#> 49  7.72983021        NA       NA        NA  57.160715       FALSE     1    -1
#> 50  7.89586530        NA       NA        NA  67.893447       FALSE     1    -1
#> 51  8.06190039        NA       NA        NA  79.728997       FALSE     1    -1
#> 52  8.22793548        NA       NA        NA  92.668271       FALSE     1    -1
#> 53  8.39397057        NA       NA        NA 106.696330       FALSE     1    -1
#> 54  8.56000567        NA       NA        NA 121.780347       FALSE     1    -1
#> 55  8.72604076        NA       NA        NA 137.867491       FALSE     1    -1
#> 56  8.89207585        NA       NA        NA 154.882727       FALSE     1    -1
#> 57  9.05811094        NA       NA        NA 172.726539       FALSE     1    -1
#> 58  9.22414604        NA       NA        NA 191.272557       FALSE     1    -1
#> 59  9.39018113        NA       NA        NA 210.365110       FALSE     1    -1
#> 60  9.55621622        NA       NA        NA 229.816685       FALSE     1    -1
#> 61  9.72225131        NA       NA        NA 249.405299       FALSE     1    -1
#> 62  9.88828640        NA       NA        NA 268.871784       FALSE     1    -1
#> 63 10.05432150        NA       NA        NA 287.916987       FALSE     1    -1
#> 64 10.22035659        NA       NA        NA 306.198879       FALSE     1    -1
#> 65 10.38639168        NA       NA        NA 323.329573       FALSE     1    -1
#> 66 10.55242677        NA       NA        NA 338.872263       FALSE     1    -1
#> 67 10.71846186        NA       NA        NA 352.338062       FALSE     1    -1
#> 68 10.88449696        NA       NA        NA 363.182766       FALSE     1    -1
#> 69 11.05053205        NA       NA        NA 370.803517       FALSE     1    -1
#> 70 11.21656714        NA       NA        NA 374.535386       FALSE     1    -1
#> 71 11.38260223        NA       NA        NA 373.647868       FALSE     1    -1
#> 72 11.54863733        NA       NA        NA 367.341284       FALSE     1    -1
#> 73 11.71467242        NA       NA        NA 354.743103       FALSE     1    -1
#> 74 11.88070751        NA       NA        NA 334.904184       FALSE     1    -1
#> 75 12.04674260        NA       NA        NA 306.794933       FALSE     1    -1
#> 76 12.21277769        NA       NA        NA 269.301428       FALSE     1    -1
#> 77 12.37881279        NA       NA        NA 221.221573       FALSE     1    -1
#> 78 12.54484788        NA       NA        NA 161.261789       FALSE     1    -1
#> 79 12.71088297        NA       NA        NA  88.038458       FALSE     1    -1
#> 80 12.87691806 11.047284 5.267979        NA   2.554776       FALSE     1    -1
#>    colour fill size linetype weight alpha
#> 1     red   NA    1        1      1   0.4
#> 2     red   NA    1        1      1   0.4
#> 3     red   NA    1        1      1   0.4
#> 4     red   NA    1        1      1   0.4
#> 5     red   NA    1        1      1   0.4
#> 6     red   NA    1        1      1   0.4
#> 7     red   NA    1        1      1   0.4
#> 8     red   NA    1        1      1   0.4
#> 9     red   NA    1        1      1   0.4
#> 10    red   NA    1        1      1   0.4
#> 11    red   NA    1        1      1   0.4
#> 12    red   NA    1        1      1   0.4
#> 13    red   NA    1        1      1   0.4
#> 14    red   NA    1        1      1   0.4
#> 15    red   NA    1        1      1   0.4
#> 16    red   NA    1        1      1   0.4
#> 17    red   NA    1        1      1   0.4
#> 18    red   NA    1        1      1   0.4
#> 19    red   NA    1        1      1   0.4
#> 20    red   NA    1        1      1   0.4
#> 21    red   NA    1        1      1   0.4
#> 22    red   NA    1        1      1   0.4
#> 23    red   NA    1        1      1   0.4
#> 24    red   NA    1        1      1   0.4
#> 25    red   NA    1        1      1   0.4
#> 26    red   NA    1        1      1   0.4
#> 27    red   NA    1        1      1   0.4
#> 28    red   NA    1        1      1   0.4
#> 29    red   NA    1        1      1   0.4
#> 30    red   NA    1        1      1   0.4
#> 31    red   NA    1        1      1   0.4
#> 32    red   NA    1        1      1   0.4
#> 33    red   NA    1        1      1   0.4
#> 34    red   NA    1        1      1   0.4
#> 35    red   NA    1        1      1   0.4
#> 36    red   NA    1        1      1   0.4
#> 37    red   NA    1        1      1   0.4
#> 38    red   NA    1        1      1   0.4
#> 39    red   NA    1        1      1   0.4
#> 40    red   NA    1        1      1   0.4
#> 41    red   NA    1        1      1   0.4
#> 42    red   NA    1        1      1   0.4
#> 43    red   NA    1        1      1   0.4
#> 44    red   NA    1        1      1   0.4
#> 45    red   NA    1        1      1   0.4
#> 46    red   NA    1        1      1   0.4
#> 47    red   NA    1        1      1   0.4
#> 48    red   NA    1        1      1   0.4
#> 49    red   NA    1        1      1   0.4
#> 50    red   NA    1        1      1   0.4
#> 51    red   NA    1        1      1   0.4
#> 52    red   NA    1        1      1   0.4
#> 53    red   NA    1        1      1   0.4
#> 54    red   NA    1        1      1   0.4
#> 55    red   NA    1        1      1   0.4
#> 56    red   NA    1        1      1   0.4
#> 57    red   NA    1        1      1   0.4
#> 58    red   NA    1        1      1   0.4
#> 59    red   NA    1        1      1   0.4
#> 60    red   NA    1        1      1   0.4
#> 61    red   NA    1        1      1   0.4
#> 62    red   NA    1        1      1   0.4
#> 63    red   NA    1        1      1   0.4
#> 64    red   NA    1        1      1   0.4
#> 65    red   NA    1        1      1   0.4
#> 66    red   NA    1        1      1   0.4
#> 67    red   NA    1        1      1   0.4
#> 68    red   NA    1        1      1   0.4
#> 69    red   NA    1        1      1   0.4
#> 70    red   NA    1        1      1   0.4
#> 71    red   NA    1        1      1   0.4
#> 72    red   NA    1        1      1   0.4
#> 73    red   NA    1        1      1   0.4
#> 74    red   NA    1        1      1   0.4
#> 75    red   NA    1        1      1   0.4
#> 76    red   NA    1        1      1   0.4
#> 77    red   NA    1        1      1   0.4
#> 78    red   NA    1        1      1   0.4
#> 79    red   NA    1        1      1   0.4
#> 80    red   NA    1        1      1   0.4

^{Created on 2022-03-17 by the reprex package (v2.0.1)}

17.03.2022 04:56

Проблема в том, что ваша модель имеет очень широкую доверительную полосу. Вы сделали доверительный интервал невидимым, установив fill = NA, но он все еще «там» и расширил пределы оси Y.

Ваша попытка «исправить» это, ограничив диапазон, также приводит к обрезанию части линии регрессии. Вместо этого отключите доверительный интервал, установив se = FALSE:

p <- p + geom_point(alpha=2/10, shape=21, fill = "blue", colour = "black", size=5)

p + stat_smooth(
    method = "lm", 
    se=FALSE, 
    formula=y ~ poly(x, 6, raw=TRUE),
    colour = "red"
  ) + 
  ggtitle("Modified Data: Polynomial Regression Model")