Vous apprendrez comment tracer une ligne lisse en utilisant ggplot2.
Sommaire:
Livre Apparenté
GGPLOT2 - L’Essentiel pour une Visualisation Magnifique des Données dans RPrérequis
- Chargez le package ggplot2 et mettez le thème par défaut à
theme_minimal():
library(ggplot2)
theme_set(
theme_bw() +
theme(legend.position = "top")
)- Données de démonstration:
head(cars)## speed dist
## 1 4 2
## 2 4 10
## 3 7 4
## 4 7 22
## 5 8 16
## 6 9 10Fonction R clé : geom_smooth()
- Fonction clé R :
geom_smooth()pour ajouter des moyens conditionnels lissés / ligne de régression. - Arguments clés:
color,sizeetlinetype: Modifier la couleur, la taille et le type de trait.fill: Changer la couleur de remplissage de la zone de confiance.
Un format simplifié de la fonction `geom_smooth():
geom_smooth(method="auto", se=TRUE, fullrange=FALSE, level=0.95)- méthode : méthode de lissage à utiliser. Les valeurs possibles sont lm, glm, gam, loess, rlm.
- method = “loess” : C’est la valeur par défaut pour un petit nombre d’observations. Il calcule une régression locale lissée. Vous pouvez en savoir plus sur loess en utilisant le code R ?loess.
- method =“lm” : Il convient à un modèle linéaire. Notez qu’il est également possible d’indiquer la formule comme formula = y ~ poly(x, 3) pour spécifier un polynôme de degré 3.
- se : valeur logique. Si TRUE, l’intervalle de confiance s’affiche autour de la courbe lissée.
- fulllrange : valeur logique. Si TRUE, l’ajustement couvre toute l’échelle graphique
- level : niveau de l’intervalle de confiance à utiliser. La valeur par défaut est 0,95
Ligne de régression
Pour ajouter une ligne de régression sur un nuage de points, la fonction geom_smooth() is used in combination with the argument method = lm. lm signifie modèle linéaire.
p <- ggplot(cars, aes(speed, dist)) +
geom_point()
# Ajouter une ligne de régression
p + geom_smooth(method = lm)
# méthode loess : ajustement par régression locale
p + geom_smooth(method = "loess")
Méthode Loess pour l’ajustement par régression locale
# méthode loess : ajustement par régression locale
p + geom_smooth(method = "loess")
Interpolation polynomiale
# Supprimer la bande de confiance : se = FALSE
p + geom_smooth(method = "lm", formula = y ~ poly(x, 3), se = FALSE)
Interpolation spline
spline.d <- as.data.frame(spline(cars$speed, cars$dist))
p + geom_line(data = spline.d, aes(x = x, y = y))
Version:
English
Thanks you. This is helpful.