当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

R ggplot2 geom_quantile 分位数回归


这对数据进行分位数回归拟合，并用线条绘制拟合的分位数。这是 geom_boxplot() 的连续模拟。

用法

geom_quantile(
  mapping = NULL,
  data = NULL,
  stat = "quantile",
  position = "identity",
  ...,
  lineend = "butt",
  linejoin = "round",
  linemitre = 10,
  na.rm = FALSE,
  show.legend = NA,
  inherit.aes = TRUE
)

stat_quantile(
  mapping = NULL,
  data = NULL,
  geom = "quantile",
  position = "identity",
  ...,
  quantiles = c(0.25, 0.5, 0.75),
  formula = NULL,
  method = "rq",
  method.args = list(),
  na.rm = FALSE,
  show.legend = NA,
  inherit.aes = TRUE
)

参数

mapping

由 aes() 创建的一组美学映射。如果指定且inherit.aes = TRUE(默认)，它将与绘图顶层的默认映射组合。如果没有绘图映射，则必须提供mapping。

data

该层要显示的数据。有以下三种选择：

如果默认为 NULL ，则数据继承自 ggplot() 调用中指定的绘图数据。

data.frame 或其他对象将覆盖绘图数据。所有对象都将被强化以生成 DataFrame 。请参阅fortify() 将为其创建变量。

将使用单个参数(绘图数据)调用function。返回值必须是 data.frame ，并将用作图层数据。可以从 formula 创建 function (例如 ~ head(.x, 10) )。

position

位置调整，可以是命名调整的字符串(例如 "jitter" 使用 position_jitter )，也可以是调用位置调整函数的结果。如果需要更改调整设置，请使用后者。

...

其他参数传递给 layer() 。这些通常是美学，用于将美学设置为固定值，例如 colour = "red" 或 size = 3 。它们也可能是配对的 geom/stat 的参数。

lineend

线端样式(圆形、对接、方形)。

linejoin

线连接样式(圆形、斜接、斜角)。

linemitre

线斜接限制(数量大于 1)。

na.rm

如果 FALSE ，则默认缺失值将被删除并带有警告。如果 TRUE ，缺失值将被静默删除。

show.legend

合乎逻辑的。该层是否应该包含在图例中？ NA(默认值)包括是否映射了任何美学。 FALSE 从不包含，而 TRUE 始终包含。它也可以是一个命名的逻辑向量，以精细地选择要显示的美学。

inherit.aes

如果 FALSE ，则覆盖默认美学，而不是与它们组合。这对于定义数据和美观的辅助函数最有用，并且不应继承默认绘图规范的行为，例如borders() 。

geom, stat

用于覆盖 geom_quantile() 和 stat_quantile() 之间的默认连接。

quantiles

要计算和显示的 y 的条件分位数

formula

将 y 变量与 x 变量相关的公式

method

使用分位数回归方法。可用选项为 "rq" (对于 quantreg::rq() )和 "rqss" (对于 quantreg::rqss() )。

method.args

传递给 method 定义的建模函数的附加参数列表。

美学

geom_quantile() 理解以下美学(所需的美学以粗体显示)：

  • x

  • y

  • alpha

  • colour

  • group

  • linetype

  • linewidth

  • weight

在 vignette("ggplot2-specs") 中了解有关设置这些美学的更多信息。

计算变量

这些是由层的 'stat' 部分计算的，可以使用 delayed evaluation 访问。

  • after_stat(quantile)
    分布的分位数。

例子

m <-
  ggplot(mpg, aes(displ, 1 / hwy)) +
  geom_point()
m + geom_quantile()
#> Smoothing formula not specified. Using: y ~ x

m + geom_quantile(quantiles = 0.5)
#> Smoothing formula not specified. Using: y ~ x

q10 <- seq(0.05, 0.95, by = 0.05)
m + geom_quantile(quantiles = q10)
#> Smoothing formula not specified. Using: y ~ x


# You can also use rqss to fit smooth quantiles
m + geom_quantile(method = "rqss")
#> Smoothing formula not specified. Using: y ~ qss(x, lambda = 1)

# Note that rqss doesn't pick a smoothing constant automatically, so
# you'll need to tweak lambda yourself
m + geom_quantile(method = "rqss", lambda = 0.1)
#> Smoothing formula not specified. Using: y ~ qss(x, lambda = 0.1)


# Set aesthetics to fixed value
m + geom_quantile(colour = "red", linewidth = 2, alpha = 0.5)
#> Smoothing formula not specified. Using: y ~ x

相关用法


注：本文由纯净天空筛选整理自Hadley Wickham等大神的英文原创作品 Quantile regression。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。