R數據分析-------ggplot2工具箱二

本篇主要分爲四部分：

• 揭示不肯定性
• 統計摘要
• 添加圖形註解
• 含權數據

1.揭示不肯定性

關於不肯定的信息，怎麼展現很重要，在ggplot2中共有四類幾何對象能夠用於這項工做，具體使用取決於x的值是離散型仍是連續型的。這些幾何對象列於下表中：

變量X類型	僅展現區間	同時展現區間和中間值
連續型	geom_ribbon	geom_smooth(stat = "identity")
離散型	geom_errorbar geom_linerange	geom_crossbar geom_pointrange

 

下例擬合了一個雙因素含交互效應迴歸模型，而且展現瞭如何提取邊際效應和條件效應，以及如何將其可視化。

> library(ggplot2)
> library(effects)
> d <- subset(diamonds , carat <2.5 & rbinom(nrow(diamonds),1,0.2)==1)
> d$lcarat <- log10(d$carat)
> d$lprice <- log10(d$price)
> qplot(lcarat,lprice,data=d)
> #剔除總體的線性趨勢
> detrend <- lm(lprice ~ lcarat,data=d)
> d$lprices <- resid(detrend)
> mod <- lm(lprices ~ lcarat*color,data=d)
> effectdf <- function(...){
+ suppressWarnings(as.data.frame(effect(...)))
+ }
> color <- effectdf("color",mod)
> both1 <- effectdf("lcarat:color",mod)
> carat <- effectdf("lcarat",mod,default.levels=50)
> both2 <- effectdf("lcarat:color",mod,default.levels = 3)
> qplot(lcarat,lprice,data=d,colour=color) #圖1

　　

> qplot(lcarat,lprices,data=d,colour=color)#圖2

　　

以上進行數據變換以移除顯而易見的效應，圖1對x軸和y軸的數據均取以10 爲底的對數對數以剔除非線性性。圖2剔除了主要的線性趨勢。

> fplot <- ggplot(mapping = aes(y=fit,ymin=lower,ymax=upper)) + ylim(range(both2$lower,both2$upper))
> fplot %+% color + aes(x=color) + geom_point() +geom_errorbar() #圖3 下左
> fplot %+% both2 +
+ aes(x = color,colour=lcarat,group=interaction(color,lcarat))+
+ geom_errorbar() + geom_line(aes(group=lcarat))+
+ scale_colour_gradient()                                          #圖4 下右

　　

上兩張圖展現了模型評估結果中變量color的不肯定性。左圖爲color的邊際效應，右圖是針對carat的不一樣水平（level），變量color的條件效應，偏差棒顯示了95%的逐點置信區間。

> fplot %+% carat + aes(x=lcarat)+geom_smooth(stat="identity") 圖5 下左
> ends <- subset(both1,lcarat==max(lcarat))
> fplot %+% both1 + aes(x=lcarat,colour=color) + 
+ geom_smooth(stat="identity")+
+ scale_colour_hue() + theme(legend.position = "none")+
+ geom_text(aes(label=color,x=lcarat+0.02),ends)                #圖6 下右
>

　　

上圖展現模型估計結果中變量carat的不肯定性。上左圖爲carat的邊際效應，上右圖則是針對變量color的不一樣水平，變量carat的條件效應。偏差帶顯示了95%的逐點置信區間。

2.統計摘要

對於每一個x的取值，計算對應y值的統計摘要一般是頗有用的。在ggplot2中，這一角色由stat_summary()但當，它使用ymin，y和ymax等圖形屬性，爲彙總y的條件分佈提供了一種靈活的方法。

2.1單獨的統計摘要函數

參數fun.y，fun.ymin和fun.ymax可以接受簡單的數值型摘要計算函數，即該函數可以傳入一個數據向量並返回一個數值型結果，如：mean()，median()，min()，max().

2.2統一的摘要計算函數

fun.data能夠支持更復雜的摘要計算函數，固然也可使用本身編寫的摘要計算函數：以下，此函數應返回一個各元素有名稱的向量做爲輸出。

3.添加圖形註解

在使用額外的標籤註解時，要記住的重要一點：這些註解僅僅是額外的數據而已。添加圖形註解有兩種方式：逐個添加或者批量添加。

下面的例子，咱們分別以兩種方式，向經濟數據中加入有關美國總統的信息。

> (unemp <- qplot(date,unemploy,data=economics,geom="line",
+ xlab="",ylab="No.unemployed(1000s)"))

　　

> presidential <- presidential[-(1:3),]
> yrng <- range(economics$unemploy)
> xrng <- range(economics$date)
> unemp + geom_vline(aes(xintercept = as.numeric(start)),data=presidential)
> 

　　

 4.含權數據

在處理整合數據時，數據集地每一行可能表明了許多中觀測值，此時咱們須要以某種方式把權重變量考慮進去。這裏以2000年美國人口普查中，中西部各州地統計數據爲例。

權重變量地不一樣將極大地影響圖形內容以及觀察結論。有兩種能夠用於表現權重地可調圖形屬性。

首先對於線和點這類簡單地幾何對象，咱們能夠根據點地數量調整圖形屬性size來改變點地大小。

> qplot(percwhite,percbelowpoverty,data=midwest) ##無權重 下圖左
> qplot(percwhite,percbelowpoverty,data=midwest,size=poptotal /1e6) + scale_size_area("Population\n(milions)",breaks=c(0.5,1,2,4))  ##以人口數量爲權重  下圖中
> qplot(percwhite,percbelowpoverty,data=midwest,size=area) + scale_size_area()  ##以面積爲權重 下圖右

　　

對於更復雜、涉及到統計變換地狀況，咱們經過修改weight屬性來表現權重。這些權重將被傳遞給統計彙總計算函數。好比各種平滑器，分位迴歸，箱線圖，直方圖以及各種密度圖。

咱們沒法直接看到這個權重變量，並且它也沒有對應地圖例，但它卻能夠改變統計彙總地結果。

 > lm_smooth <- geom_smooth(method = lm,size=1)
 > qplot(percwhite,percbelowpoverty,data=midwest) + lm_smooth ##未考慮權重地最優擬合曲線 ##下左圖
 > qplot(percwhite,percbelowpoverty,data=midwest,weight=popdensity,size=popdensity) + lm_smooth  ##以人口數量做爲權重地最優擬合曲線  下右圖

　　

在咱們使用總人口做爲權重去修改直方圖或密度圖地時候，咱們地視角將從郡數量分佈轉換到對人口數量分佈地觀察。

> qplot(percbelowpoverty,data=midwest,binwidth=1)  ##不含權重信息 下左圖
>  qplot(percbelowpoverty,data=midwest,weight=poptotal,binwidth=1) + ylab("population")  ##含權重信息的直方圖 下右圖
> 

　　

不含權重信息的直方圖展現了郡的數量，而含權重信息的直方圖展現了人口數量。權重的增長確實改變了對圖形的理解。