Como desvendá estatísticas em ggplot2 em r
Depois dos dados de mapeamento, e Geoms, o quarto elemento de um ggplot2
Conteúdo
Video: Making Boxplots using R's ggplot2 Package
Uma característica muito conveniente de ggplot2 é a sua gama de funções para resumir seus dados na trama. Isso significa que muitas vezes você não tem que pré-resumir seus dados. Por exemplo, a altura das barras em um histograma indica quantas observações de algo que você tem em seus dados. O resumo estatístico para isso é contar as observações. Os estatísticos referem-se a este processo como binning, eo status padrão para geom_bar () é stat_bin ().
Análogo à forma que cada geom tem um padrão associado Stat, cada Stat também tem um padrão geom.
Então, isso levanta a questão: Como você decide se deseja usar um geom ou um Stat? Em teoria, não importa se você escolher o geom ou o Stat primeiro. Na prática, no entanto, que muitas vezes é intuitivo para começar com um tipo de trama em primeiro lugar - em outras palavras, especificar um geom. Se depois quiser adicionar outra camada de resumo estatístico, use um Stat.
geom_bar ().”width =” 535 "/>Neste enredo, que utilizou os mesmos dados para primeiro criar um gráfico de dispersão com geom_point (), e, em seguida, você adicionou uma linha suave com stat_smooth ().
Aqui alguns exemplos práticos do uso de Stat funções.
| Stat | Descrição | padrão Geom |
|---|---|---|
| stat_bin () | Conta o número de observações nas lixeiras. | geom_bar () |
| stat_smooth () | Cria uma linha lisa. | geom_line () |
| stat_sum () | Adiciona valores. | geom_point () |
| stat_identity () | Não há resumo. Lotes de dados como está. | geom_point () |
| stat_boxplot () | Resume os dados para um gráfico de caixa-and-whisker. | geom_boxplot () |
binning dados
Você já viu como usar stat_bin () para resumir seus dados em lixeiras, porque este é o status padrão de geom_bar (). Isto significa que as duas linhas de código a seguir produzir parcelas idênticas:
> Ggplot (tremores, AES (x = profundidade)) + geom_bar (binwidth = 50)> ggplot (tremores, AES (x = profundidade)) + stat_bin (binwidth = 50)
suavização de dados
o ggplot2 pacote também faz com que seja muito fácil criar linhas de regressão através de seus dados. Você usa o stat_smooth () função para criar este tipo de linha.
A coisa interessante sobre stat_smooth () é que ele faz uso de regressão local por padrão. R tem várias funções que podem fazer isso, mas ggplot2 usa o loess () função de regressão local. Isto significa que se você quiser criar um modelo de regressão linear, você tem que dizer stat_smooth () usar uma função suave diferente. Você pode fazer isso com o método argumento.
Para ilustrar a utilização de uma mais suave, início através da criação de um conjunto disperso de desemprego na longley conjunto de dados:
> p <- ggplot(longley, aes(x = Year, y = Employed)) + geom_point()> p
Em seguida, adicione um mais suave. Isto é tão simples como adicionar stat_smooth () à sua linha de código.
> P + stat_smooth ()
Seu gráfico deve ser semelhante a trama à esquerda da imagem abaixo.
As vezes, ggplot2 gera mensagens com dicas extras e informações. Contanto que você não vê aviso ou erro, você pode ignorar essas mensagens. Nesse caso, stat_smooth () diz que o padrão mais suave é um método chamado loesse (Suavização local). A mensagem também diz que você pode usar métodos de alisamento alternativas.
Finalmente, use stat_smooth () para caber e traçar um modelo de regressão linear. Você pode fazer isso adicionando o argumento método =“lm”:
Video: R - Graphs - Bar Charts with Error Bars in Ggplot2
> P + stat_smooth (método = “LM”)
Seu gráfico deve agora olhar como o enredo para a direita.
stat_smooth () “largura =” 535 "/ GT.;Não fazer nada com a identidade
Às vezes você não quer ggplot2 para resumir seus dados na trama. Isso geralmente acontece quando seus dados estão já pré-resumidos ou quando cada linha de seu quadro de dados tem de ser plotados separadamente. Nestes casos, você quer dizer ggplot2 para não fazer nada em tudo, e a estatística de fazer isso é stat_identity (). Você deve ter notado que stat_identity é a estatística padrão para os pontos e linhas.