r - 绘制 2x2x2 时间序列的原始值和预测值

Question

这是我的数据示例

library(tidyr)
library(dplyr)
library(ggplot2)

resource <- c("good","good","bad","bad","good","good","bad","bad","good","good","bad","bad","good","good","bad","bad")

fertilizer <- c("none", "nitrogen","none","nitrogen","none", "nitrogen","none","nitrogen","none", "nitrogen","none","nitrogen","none", "nitrogen","none","nitrogen")

t0 <-  sample(1:20, 16)
t1 <-  sample(1:20, 16) 
t2 <-  sample(1:20, 16)
t3 <-  sample(1:20, 16)
t4 <-  sample(1:20, 16)
t5 <-  sample(1:20, 16)
t6 <-  sample(10:100, 16)
t7 <-  sample(10:100, 16)
t8 <-  sample(10:100, 16)
t9 <-  sample(10:100, 16)
t10 <-  sample(10:100, 16)

replicates <- c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16)

data <- data.frame(resource, fertilizer,replicates, t0,t1,t2,t3,t4,t5,t6,t7,t8,t9,t10)

data$resource <- as.factor(data$resource)
data$fertilizer <- as.factor(data$fertilizer)

data.melt <- data %>% ungroup %>% gather(time, value, -replicates, -resource, -fertilizer)

data.melt$predict <- sample(1:200, 176)

其中，资源和肥料有 2 个因素，因此有效有 4 个处理和 4 x 4 = 16 个重复。时间是一个有 10 个级别的因子。我运行了一个模型，并预测了预测列中的值。

现在我想绘制一个时间序列，其中 x 轴为时间，y 轴为拟合值(预测)的平均值，原始值(值)为每种类型的资源和肥料( 4 个处理)[即 4 个地 block ]。我还想为每个时间点的藻类生长添加一个置信区间。这是我对代码的尝试。

ggplot(df, aes(x=time, y=predicted)) + geom_point(size=3)+ stat_summary(geom = "point", fun.y = "mean") + facet_grid(resource + fertilizer ~.) 

通过这个简单的代码，我仍然只得到 2 个图表，而不是 4 个。此外，预测函数的均值没有绘制出来。我不知道如何将值和预测绘制在一起，以及相应的置信区间。

如果有人也可以展示所有四种处理方法如何在一个图上进行，以及如果我可以将其分面(如上所示)，那将会很有帮助

Answer 1

我建议的解决方案是创建第二个 data.frame ，其中包含所有摘要统计信息，例如平均预测值。我展示了一种使用 dplyr 包中的 group_by 和 summarize 来实现此目的的方法。摘要数据需要具有与主要数据匹配的resource、肥料和time列。摘要数据还包含带有附加 y 值的列。

然后，需要将主要数据和摘要数据分别提供给适当的 ggplot 函数，但不要在主 ggplot() 调用中提供。 facet_grid 可用于将数据分成四个图。

# Convert time to factor, specifying correct order of time points.
data.melt$time = factor(data.melt$time, levels=paste("t", seq(0, 10), sep=""))

# Create an auxilliary data.frame containing summary data.
# I've used standard deviation as place-holder for confidence intervals;
# I'll let you calculate those on your own.
summary_dat = data.melt %>%
              group_by(resource, fertilizer, time) %>%
              summarise(mean_predicted=mean(predict),
                        upper_ci=mean(predict) + sd(predict),
                        lower_ci=mean(predict) - sd(predict))

p = ggplot() + 
    theme_bw() +
    geom_errorbar(data=summary_dat, aes(x=time, ymax=upper_ci, ymin=lower_ci),
                  width=0.3, size=0.7, colour="tomato") + 
    geom_point(data=data.melt, aes(x=time, y=value),
               size=1.6, colour="grey20", alpha=0.5) +
    geom_point(data=summary_dat, aes(x=time, y=mean_predicted),
               size=3, shape=21, fill="tomato", colour="grey20") +
    facet_grid(resource ~ fertilizer)

ggsave("plot.png", plot=p, height=4, width=6.5, units="in", dpi=150)