當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文

R ggplot2 geom_quantile 分位數回歸


這對數據進行分位數回歸擬合，並用線條繪製擬合的分位數。這是 geom_boxplot() 的連續模擬。

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
)

參數

mapping

由 aes() 創建的一組美學映射。如果指定且inherit.aes = TRUE(默認)，它將與繪圖頂層的默認映射組合。如果沒有繪圖映射，則必須提供mapping。

data

該層要顯示的數據。有以下三種選擇：

如果默認為 NULL ，則數據繼承自 ggplot() 調用中指定的繪圖數據。

data.frame 或其他對象將覆蓋繪圖數據。所有對象都將被強化以生成 DataFrame 。請參閱fortify() 將為其創建變量。

將使用單個參數(繪圖數據)調用function。返回值必須是 data.frame ，並將用作圖層數據。可以從 formula 創建 function (例如 ~ head(.x, 10) )。

position

位置調整，可以是命名調整的字符串(例如 "jitter" 使用 position_jitter )，也可以是調用位置調整函數的結果。如果需要更改調整設置，請使用後者。

...

其他參數傳遞給 layer() 。這些通常是美學，用於將美學設置為固定值，例如 colour = "red" 或 size = 3 。它們也可能是配對的 geom/stat 的參數。

lineend

線端樣式(圓形、對接、方形)。

linejoin

線連接樣式(圓形、斜接、斜角)。

linemitre

線斜接限製(數量大於 1)。

na.rm

如果 FALSE ，則默認缺失值將被刪除並帶有警告。如果 TRUE ，缺失值將被靜默刪除。

show.legend

合乎邏輯的。該層是否應該包含在圖例中？ NA(默認值)包括是否映射了任何美學。 FALSE 從不包含，而 TRUE 始終包含。它也可以是一個命名的邏輯向量，以精細地選擇要顯示的美學。

inherit.aes

如果 FALSE ，則覆蓋默認美學，而不是與它們組合。這對於定義數據和美觀的輔助函數最有用，並且不應繼承默認繪圖規範的行為，例如borders() 。

geom, stat

用於覆蓋 geom_quantile() 和 stat_quantile() 之間的默認連接。

quantiles

要計算和顯示的 y 的條件分位數

formula

將 y 變量與 x 變量相關的公式

method

使用分位數回歸方法。可用選項為 "rq" (對於 quantreg::rq() )和 "rqss" (對於 quantreg::rqss() )。

method.args

傳遞給 method 定義的建模函數的附加參數列表。

美學

geom_quantile() 理解以下美學(所需的美學以粗體顯示)：

  • x

  • y

  • alpha

  • colour

  • group

  • linetype

  • linewidth

  • weight

在 vignette("ggplot2-specs") 中了解有關設置這些美學的更多信息。

計算變量

這些是由層的 'stat' 部分計算的，可以使用 delayed evaluation 訪問。

  • after_stat(quantile)
    分布的分位數。

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

相關用法


注：本文由純淨天空篩選整理自Hadley Wickham等大神的英文原創作品 Quantile regression。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。