R でパッケージ ggplot2 を使用してマルチパネル プロットに取り組んでいます。私のデータセットは 20 種、種ごとに 6 個体、個体ごとに 2 つのコアで構成され、各コアは複数のセグメントで構成されています。私のデータフレームのサブセットからのdput出力は次のとおりです。
all <- structure(list(Sp_ind_core = structure(c(82L, 150L, 127L, 103L,
30L, 25L, 112L, 159L, 170L, 27L), .Label = c("APEIME_1_a", "APEIME_1_b",
"APEIME_2_a", "APEIME_2_b", "APEIME_3_a", "APEIME_3_b", "APEIME_4_a",
"APEIME_4_b", "APEIME_5_a", "APEIME_5_b", "APEIME_6_a", "APEIME_6_b",
"ASTRGR_1_a", "ASTRGR_1_b", "ASTRGR_2_a", "ASTRGR_2_b", "ASTRGR_3_a",
"ASTRGR_3_b", "ASTRGR_4_a", "ASTRGR_4_b", "ASTRGR_5_a", "ASTRGR_5_b",
"ASTRGR_6_a", "ASTRGR_6_b", "CALOLO_1_a", "CALOLO_1_b", "CALOLO_2_a",
"CALOLO_2_b", "CALOLO_3_a", "CALOLO_3_b", "CALOLO_4_a", "CALOLO_4_b",
"CALOLO_5_a", "CALOLO_5_b", "CALOLO_6_a", "CALOLO_6_b", "CORDBI_1_a",
"CORDBI_1_b", "CORDBI_2_a", "CORDBI_2_b", "CORDBI_3_a", "CORDBI_3_b",
"CORDBI_4_a", "CORDBI_4_b", "CORDBI_6_a", "CORDBI_6_b", "CORDBI_7_a",
"CORDBI_7_b", "GUAZUL_1_a", "GUAZUL_1_b", "GUAZUL_2_a", "GUAZUL_2_b",
"GUAZUL_3_a", "GUAZUL_3_b", "GUAZUL_4_a", "GUAZUL_4_b", "GUAZUL_5_a",
"GUAZUL_5_b", "GUAZUL_6_a", "GUAZUL_6_b", "INGAMA_1_a", "INGAMA_1_b",
"INGAMA_2_a", "INGAMA_2_b", "INGAMA_3_a", "INGAMA_3_b", "INGAMA_4_a",
"INGAMA_4_b", "INGAMA_5_a", "INGAMA_5_b", "INGAMA_6_a", "INGAMA_6_b",
"JACACO_1_a", "JACACO_1_b", "JACACO_2_a", "JACACO_2_b", "JACACO_3_a",
"JACACO_3_b", "JACACO_4_a", "JACACO_4_b", "JACACO_6_a", "JACACO_6_b",
"JACACO_8_a", "JACACO_8_b", "LACMPA_1_a", "LACMPA_1_b", "LACMPA_2_a",
"LACMPA_2_b", "LACMPA_3_a", "LACMPA_3_b", "LACMPA_4_a", "LACMPA_4_b",
"LACMPA_5_a", "LACMPA_5_b", "LACMPA_6_a", "LACMPA_6_b", "LUEHSE_1_a",
"LUEHSE_1_b", "LUEHSE_2_a", "LUEHSE_2_b", "LUEHSE_3_a", "LUEHSE_3_b",
"LUEHSE_4_a", "LUEHSE_4_b", "LUEHSE_5_a", "LUEHSE_5_b", "LUEHSE_6_a",
"LUEHSE_6_b", "PLATEL_1_a", "PLATEL_1_b", "PLATEL_2_a", "PLATEL_2_b",
"PLATEL_3_a", "PLATEL_3_b", "PLATEL_4_a", "PLATEL_4_b", "PLATEL_5_a",
"PLATEL_5_b", "PLATEL_6_a", "PLATEL_6_b", "POULAR_1_a", "POULAR_1_b",
"POULAR_2_a", "POULAR_2_b", "POULAR_3_a", "POULAR_3_b", "POULAR_4_a",
"POULAR_4_b", "POULAR_5_a", "POULAR_5_b", "POULAR_6_a", "POULAR_6_b",
"PRIOCO_1_a", "PRIOCO_1_b", "PRIOCO_2_a", "PRIOCO_2_b", "PRIOCO_3_a",
"PRIOCO_3_b", "PRIOCO_4_a", "PRIOCO_4_b", "PRIOCO_5_a", "PRIOCO_5_b",
"PRIOCO_6_a", "PRIOCO_6_b", "SIMAAM_1_a", "SIMAAM_1_b", "SIMAAM_2_a",
"SIMAAM_2_b", "SIMAAM_5_a", "SIMAAM_5_d", "SIMAAM_6_a", "SIMAAM_6_b",
"SIMAAM_7_a", "SIMAAM_7_b", "SIMAAM_8_a", "SIMAAM_8_b", "SPONRA_1_a",
"SPONRA_1_b", "SPONRA_2_a", "SPONRA_2_b", "SPONRA_3_a", "SPONRA_3_b",
"SPONRA_4_a", "SPONRA_4_b", "SPONRA_5_a", "SPONRA_5_b", "SPONRA_7_a",
"SPONRA_7_b", "TABAGU_1_a", "TABAGU_1_b", "TABAGU_2_a", "TABAGU_2_b",
"TABAGU_3_a", "TABAGU_3_b", "TABAGU_4_a", "TABAGU_4_b", "TABAGU_5_a",
"TABAGU_5_b", "TABAGU_6_a", "TABAGU_6_b", "TABARO_1_a", "TABARO_1_b",
"TABARO_2_a", "TABARO_2_b", "TABARO_3_a", "TABARO_3_b", "TABARO_4_a",
"TABARO_4_b", "TABARO_5_a", "TABARO_5_b", "TABARO_6_a", "TABARO_6_b",
"TACHVE_1_a", "TACHVE_1_b", "TACHVE_3_a", "TACHVE_3_b", "TACHVE_4_a",
"TACHVE_4_b", "TACHVE_5_a", "TACHVE_5_b", "TACHVE_6_a", "TACHVE_6_b",
"TACHVE_7_a", "TACHVE_7_b", "TRIPCU_1_a", "TRIPCU_1_b", "TRIPCU_2_a",
"TRIPCU_2_b", "TRIPCU_3_a", "TRIPCU_3_b", "TRIPCU_4_a", "TRIPCU_4_b",
"TRIPCU_5_a", "TRIPCU_5_b", "TRIPCU_6_a", "TRIPCU_6_b", "VIROSE_1_a",
"VIROSE_1_b", "VIROSE_2_a", "VIROSE_2_b", "VIROSE_3_a", "VIROSE_3_b",
"VIROSE_4_a", "VIROSE_4_b", "VIROSE_5_a", "VIROSE_5_b", "VIROSE_6_a",
"VIROSE_6_b", "ZANTEK_1_a", "ZANTEK_1_b", "ZANTEK_2_a", "ZANTEK_2_b",
"ZANTEK_3_a", "ZANTEK_3_b", "ZANTEK_4_a", "ZANTEK_4_b", "ZANTEK_5_a",
"ZANTEK_5_b", "ZANTEK_6_a", "ZANTEK_6_b"), class = "factor"),
Species = structure(c(7L, 13L, 11L, 9L, 3L, 3L, 10L, 14L,
15L, 3L), .Label = c("APEIME", "ASTRGR", "CALOLO", "CORDBI",
"GUAZUL", "INGAMA", "JACACO", "LACMPA", "LUEHSE", "PLATEL",
"POULAR", "PRIOCO", "SIMAAM", "SPONRA", "TABAGU", "TABARO",
"TACHVE", "TRIPCU", "VIROSE", "ZANTEK"), class = "factor"),
Individual = c(6L, 5L, 4L, 4L, 3L, 1L, 2L, 2L, 1L, 2L), Core = structure(c(2L,
3L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 1L), .Label = c("a", "b",
"d"), class = "factor"), DP = c(3, 18, 5, 1, 9, 9, 1, 2,
1.6, 8), WD = c(0.469094923, 0.542043984, 0.218045113, 0.6192,
0.428431373, 0.542285345, 0.723011364, 0.282582938, 0.942528736,
0.58), DP.max = c(21, 18, 10, 15, 20, 22, 17, 18, 8.8, 8),
DPscale = c(0.142857143, 1, 0.5, 0.066666667, 0.45, 0.409090909,
0.058823529, 0.111111111, 0.181818182, 1), DP2 = c(0.020408163,
1, 0.25, 0.004444444, 0.2025, 0.167355372, 0.003460208, 0.012345679,
0.033057851, 1)), .Names = c("Sp_ind_core", "Species", "Individual",
"Core", "DP", "WD", "DP.max", "DPscale", "DP2"), row.names = c(1370L,
2480L, 2085L, 1730L, 474L, 390L, 1871L, 2619L, 2787L, 434L), class = "data.frame")
マルチパネル プロットには、種ごとに 1 つずつ、20 のパネルがあり、y 軸に密度、x 軸に髄の距離があります。各パネル プロットは、その種の 12 コアの 12 の異なる線を示しています。マルチパネル プロットのコードは次のとおりです。
library(ggplot2)
ggplot(all, aes(x=DPscale, y=WD, group=Sp_ind_core))+ geom_line()
+theme_bw()+facet_wrap(facets=~Species, ncol=5)
私にとっての課題は、R の nlme パッケージの lme 関数を使用して、線形混合効果モデルから適合値の行を追加することです。サブセット データの各種の混合効果モデルのコードは次のとおりです。
library(nlme)
jacaco.qm<-lme(WD~DPscale+DP2, random=~1|Individual/Core, jacaco)
luehse.m<-lme(WD~1, random=~1|Individual/Core, luehse)
simaam.lm<-lme(WD~DPscale, random=~1|Individual/Core, simaam)
calolo.qm<-lme(WD~DPscale+DP2, random=~1|Individual/Core, calolo)
platel.m<-lme(WD~1, random=~1|Individual/Core, platel)
tabagu.m<-lme(WD~1, random=~1|Individual/Core, tabagu)
sponra.lm<-lme(WD~DPscale, random=~1|Individual/Core, sponra)
ここに関連する質問があります:
lme4 の結果を ggplot2 でプロット
すると、マルチパネル プロットの各ファセットの固定効果係数を含む 2 番目のデータ フレームを作成し、geom_abline 関数を使用して固定効果係数 (切片と勾配) に基づく近似直線。ただし、密度と髄の距離の関係は 20 種によって異なるため、この解決策を適用することはできません。いくつかの種は変量効果モデルを持ち、他の種は線形モデルを持ち、さらに他の種は二次モデルを持ちます。つまり、モデルに応じて 1、2、および 3 つの固定効果係数があります。すべての種の固定効果を含むデータ フレームを作成しようとしました。
fixed.m1 <- data.frame(fixef(jacaco.qm), fixef(luehse.m), fixef(platel.m), fixef(poular.qm),
fixef(simaam.lm), fixef(calolo.qm), fixef(tabagu.m), fixef(sponra.lm))
次のエラーが表示されます。
Error in data.frame(fixef(apeime.lm), fixef(astrgr.qm), fixef(calolo.qm), : arguments imply
differing number of rows: 2, 3
最後に、適合線を追加する目的で ggplot2 の stat_smooth 関数も試しました。プロットの各パネルに適合線を追加することで機能しましたが、stat_smooth 関数には "lme 」をその方法の 1 つとして使用しており、lm によって適合された線は、lme モデルからの適合値に基づく線と同じではありません。
要約すると、私の問題は、lme モデルから ggplot によって描画されたマルチパネル プロットに適合値に基づいて線を追加できないことです。これは、各マルチパネル プロットの種が、平均、線形、または二次モデル。具体的には、線形および二次モデルによる種の最適適合の適合線が必要であり、平均モデルによる種の最適適合の線は必要ありません。
前もって感謝します。