ggplot2 - 在同一图上绘制多个模型

问题描述

我有一个由不同数据集派生的线性和非线性模型列表，它们测量相同的两个变量 x 和 y 我想用 stat_smooth 绘制在同一个图上。这是为了能够轻松地比较跨数据集的 x 和 y 之间关系的形状。

我试图找出最有效的方法来做到这一点。现在我正在考虑创建一个空的ggplot对象，然后使用某种循环或 lapply 顺序添加到该对象，但这比我想象的要困难得多。当然，将模型简单地提供给 ggplot 是最容易的，但据我所知，这是不可能的。任何想法？

下面是一个简单的示例数据集，可以使用两个模型，一个线性和一个指数：
$ b $ （x = rnorm（10），y = rnorm（10））
df2 = data.frame（x = rnorm（15）， y = rnorm（15））

df.list = list（lm（y_x，df1），nls（y_exp（a + b * x），start = list（a = 1 ，b = 1），df2））

以及两个单独的示例图：

  ggplot（df1，aes（x，y））+ stat_smooth（method = lm，se = F）
 ggplot（df2，aes x，y））+ stat_smooth（method = nls，formula = y_exp（a + b * x），start = list（a = 1，b = 1），se = F）
  

解决方案

我想这里的答案是获得想要运行的X和Y的常见范围这结束了，并从那里开始。您可以使用预测从每个模型中拉出曲线，并使用l_ply将图层添加到ggplot。

d

  f1 = data.frame（x = rnorm 10），y = rnorm（10））
 df2 = data.frame（x = rnorm（15），y = rnorm（15））
 
 df.list = list （a + b * x），start = list（a = 1，b = 1），df2））
 
 
 a< -ggplot（）
 
 
＃获得你想看的x的范围
 x  
＃使用l_ply继续添加图层
 l_ply（df.list，function（amod）{
 
 #a预测变量和响应的数据帧
 ndf<  -  data.frame（x = x）
 
＃使用预测得到响应 - 你甚至可以得到一个CI这里
 ndf $ y<  - 预测（amod，ndf）
 
＃现在将这个新图层添加到绘图
 a<<  -  a + geom_line（ndf，mapping =（aes（x = x，y = y）））
 
}）
 
a 
  

或者，如果您想要使用型号或其他颜色的钥匙，可以使用不同的颜色键：

  names（df.list）<  -  1：length（df.list）
 modFits<  -  ldply（df.list，function（amo d）{
 ndf<  -  data.frame（x = x）
 
＃使用predict得到响应 - 你甚至可以在这里得到一个CI 
 ndf $ y< - 预测（amod，ndf）
 
 ndf 
 
}）
 
 
 qplot（x，y，geom =line， color = .id，data = modFits）
  

I have a list of linear and non-linear models derived from different data sets measuring the same two variables x and y that I would like to plot on the same plot using stat_smooth. This is to be able to easily compare the shape of the relationship between x and y across datasets.

I'm trying to figure out the most effective way to do this. Right now I am considering creating an empty ggplot object and then using some kind of loop or lapply to add sequentially to that object, but this is proving more difficult than I thought. Of course it would be easiest to simply supply the models to ggplot but as far as I know, this is not possible. Any thoughts?

Here is a simple example data set to play with using just two models, one linear and one exponential:

df1=data.frame(x=rnorm(10),y=rnorm(10))
df2=data.frame(x=rnorm(15),y=rnorm(15))

df.list=list(lm(y~x,df1),nls(y~exp(a+b*x),start=list(a=1,b=1),df2))

And two separate example plots:

ggplot(df1,aes(x,y))+stat_smooth(method=lm,se=F)
ggplot(df2,aes(x,y))+stat_smooth(method=nls,formula=y~exp(a+b*x),start=list(a=1,b=1),se=F)

解决方案

I think the answer here is to get a common range of X and Y you want to run this over, and go from there. You can pull out a curve from each model using predict, and add on layers to a ggplot using l_ply.

d

f1=data.frame(x=rnorm(10),y=rnorm(10))
df2=data.frame(x=rnorm(15),y=rnorm(15))

df.list=list(lm(y~x,df1),nls(y~exp(a+b*x),start=list(a=1,b=1),df2))


a<-ggplot()


#get the range of x you want to look at
x<-seq(min(c(df1$x, df2$x)), max(c(df1$x, df2$x)), .01)

#use l_ply to keep adding layers
l_ply(df.list, function(amod){

  #a data frame for predictors and response
  ndf <- data.frame(x=x)

  #get the response using predict - you can even get a CI here
  ndf$y <- predict(amod, ndf)

  #now add this new layer to the plot
  a<<- a+geom_line(ndf, mapping=(aes(x=x, y=y)))

} )

a

OR, if you want to have a nice color key with model number or something:

names(df.list) <- 1:length(df.list)
modFits <- ldply(df.list, function(amod){
  ndf <- data.frame(x=x)

  #get the response using predict - you can even get a CI here
  ndf$y <- predict(amod, ndf)

  ndf

  })


qplot(x, y, geom="line", colour=.id, data=modFits)

这篇关于ggplot2 - 在同一图上绘制多个模型的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！