27

ggplot2 を使用して格子型データをプロットし、サンプル データに正規分布を重ね合わせて、基になるデータが正規からどれだけ離れているかを示します。パネルと同じ平均と標準偏差を持つために、通常のdistを上に置きたいと思います。

例を次に示します。

library(ggplot2)

#make some example data
dd<-data.frame(matrix(rnorm(144, mean=2, sd=2),72,2),c(rep("A",24),rep("B",24),rep("C",24)))
colnames(dd) <- c("x_value", "Predicted_value",  "State_CD")

#This works
pg <- ggplot(dd) + geom_density(aes(x=Predicted_value)) +  facet_wrap(~State_CD)
print(pg)

それはすべてうまく機能し、データの素晴らしい 3 パネル グラフを生成します。上に通常の dist を追加するにはどうすればよいですか? stat_function を使用するようですが、これは失敗します。

#this fails
pg <- ggplot(dd) + geom_density(aes(x=Predicted_value)) + stat_function(fun=dnorm) +  facet_wrap(~State_CD)
print(pg)

stat_function が facet_wrap 機能に対応していないようです。この2人をうまくプレイさせるにはどうすればいいですか？

- - - - - - 編集 - - - - -

以下の2つの回答からのアイデアを統合しようとしましたが、まだそこにはありません:

両方の答えを組み合わせて使用​​すると、これをハックできます。

library(ggplot)
library(plyr)

#make some example data
dd<-data.frame(matrix(rnorm(108, mean=2, sd=2),36,2),c(rep("A",24),rep("B",24),rep("C",24)))
colnames(dd) <- c("x_value", "Predicted_value",  "State_CD")

DevMeanSt <- ddply(dd, c("State_CD"), function(df)mean(df$Predicted_value)) 
colnames(DevMeanSt) <- c("State_CD", "mean")
DevSdSt <- ddply(dd, c("State_CD"), function(df)sd(df$Predicted_value) )
colnames(DevSdSt) <- c("State_CD", "sd")
DevStatsSt <- merge(DevMeanSt, DevSdSt)

pg <- ggplot(dd, aes(x=Predicted_value))
pg <- pg + geom_density()
pg <- pg + stat_function(fun=dnorm, colour='red', args=list(mean=DevStatsSt$mean, sd=DevStatsSt$sd))
pg <- pg + facet_wrap(~State_CD)
print(pg)

これは本当に近いです...通常のdistプロットに何か問題があることを除いて:

ここに画像の説明を入力

ここで何が間違っていますか？

4

6 に答える 6

41

stat_functionすべてのパネルで同じ機能をオーバーレイするように設計されています。(関数のパラメーターを異なるパネルと一致させる明確な方法はありません)。

Ian が示唆するように、最善の方法は、通常の曲線を自分で生成し、それらを別のデータセットとしてプロットすることです (これは以前に間違っていた場所です。この例ではマージは意味がありません。注意深く見れば、それが奇妙な鋸歯状パターンを取得している理由であることを確認してください)。

問題を解決する方法は次のとおりです。

dd <- data.frame(
  predicted = rnorm(72, mean = 2, sd = 2),
  state = rep(c("A", "B", "C"), each = 24)
) 

grid <- with(dd, seq(min(predicted), max(predicted), length = 100))
normaldens <- ddply(dd, "state", function(df) {
  data.frame( 
    predicted = grid,
    density = dnorm(grid, mean(df$predicted), sd(df$predicted))
  )
})

ggplot(dd, aes(predicted))  + 
  geom_density() + 
  geom_line(aes(y = density), data = normaldens, colour = "red") +
  facet_wrap(~ state)

ここに画像の説明を入力

于 2009-09-04T12:56:59.330 に答える
3

より多くの情報を提供する必要があると思います。これはうまくいくようです：

 pg <- ggplot(dd, aes(Predicted_value)) ## need aesthetics in the ggplot
 pg <- pg + geom_density() 
 ## gotta provide the arguments of the dnorm
 pg <- pg + stat_function(fun=dnorm, colour='red',            
            args=list(mean=mean(dd$Predicted_value), sd=sd(dd$Predicted_value)))
 ## wrap it!
 pg <- pg + facet_wrap(~State_CD)
 pg

すべてのパネルに同じ平均値と sd パラメータを提供しています。パネル固有の平均値と標準偏差の取得は、読者の演習として残されています* ;)

'*' 言い換えれば、それがどのように行われるかわからない...

于 2009-09-04T03:04:08.707 に答える
2

正規分布の折れ線グラフを「手動で」生成したくない場合でも、stat_function を使用し、グラフを並べて表示する場合は、「Cookbook for R」で公開されている「multiplot」関数の使用を検討できます。 facet_wrap の代替として。ここからマルチプロット コードをプロジェクトにコピーできます。

コードをコピーしたら、次の操作を行います。

# Some fake data (copied from hadley's answer)
dd <- data.frame(
  predicted = rnorm(72, mean = 2, sd = 2),
  state = rep(c("A", "B", "C"), each = 24)
) 

# Split the data by state, apply a function on each member that converts it into a 
# plot object, and return the result as a vector.
plots <- lapply(split(dd,dd$state),FUN=function(state_slice){ 
  # The code here is the plot code generation. You can do anything you would 
  # normally do for a single plot, such as calling stat_function, and you do this 
  # one slice at a time.
  ggplot(state_slice, aes(predicted)) + 
    geom_density() + 
    stat_function(fun=dnorm, 
                  args=list(mean=mean(state_slice$predicted), 
                            sd=sd(state_slice$predicted)),
                  color="red")
})

# Finally, present the plots on 3 columns.
multiplot(plotlist = plots, cols=3)

ここに画像の説明を入力

于 2014-12-11T17:53:03.403 に答える
1

最善の策は、geom_lineを使用して手動で線を引くことだと思います。

dd<-data.frame(matrix(rnorm(144, mean=2, sd=2),72,2),c(rep("A",24),rep("B",24),rep("C",24)))
colnames(dd) <- c("x_value", "Predicted_value",  "State_CD")
dd$Predicted_value<-dd$Predicted_value*as.numeric(dd$State_CD) #make different by state

##Calculate means and standard deviations by level
means<-as.numeric(by(dd[,2],dd$State_CD,mean))
sds<-as.numeric(by(dd[,2],dd$State_CD,sd))

##Create evenly spaced evaluation points +/- 3 standard deviations away from the mean
dd$vals<-0
for(i in 1:length(levels(dd$State_CD))){
    dd$vals[dd$State_CD==levels(dd$State_CD)[i]]<-seq(from=means[i]-3*sds[i], 
                            to=means[i]+3*sds[i],
                            length.out=sum(dd$State_CD==levels(dd$State_CD)[i]))
}
##Create normal density points
dd$norm<-with(dd,dnorm(vals,means[as.numeric(State_CD)],
                        sds[as.numeric(State_CD)]))


pg <- ggplot(dd, aes(Predicted_value)) 
pg <- pg + geom_density() 
pg <- pg + geom_line(aes(x=vals,y=norm),colour="red") #Add in normal distribution
pg <- pg + facet_wrap(~State_CD,scales="free")
pg
于 2009-09-04T04:41:14.100 に答える