r - 可视化复杂数据的更好方法-6ren

r - 可视化复杂数据的更好方法

转载作者：行者123 更新时间：2023-12-04 13:02:41

26

4

我正在使用以下数据使用 ggplot2 在 R 中创建绘图。

 Hour.of.day     Model  N Distance.travelled       sd        se        ci
1         0100 h300_fv30 60          3.6264709 5.078277 0.6556027 1.3118579
2         0100 h300_fv35 60          2.9746019 5.313252 0.6859379 1.3725586
3         0100 h300_fv40 60          3.0422525 3.950650 0.5100267 1.0205610
4         0200 h300_fv30 60          4.3323896 6.866003 0.8863972 1.7736767
5         0200 h300_fv35 60          3.5567420 6.259378 0.8080823 1.6169689
6         0200 h300_fv40 60          2.5232512 4.533234 0.5852380 1.1710585
7         0300 h300_fv30 60          3.1800537 5.303506 0.6846797 1.3700409
8         0300 h300_fv35 60          2.9281442 4.445953 0.5739700 1.1485113
9         0300 h300_fv40 60          2.5078045 4.058295 0.5239236 1.0483687
10        0400 h300_fv30 60          3.3408231 4.567161 0.5896180 1.1798229
11        0400 h300_fv35 60          2.8679676 5.396700 0.6967110 1.3941155
12        0400 h300_fv40 60          3.1615813 4.244155 0.5479180 1.0963815
13        0500 h300_fv30 60          3.8117851 6.970900 0.8999394 1.8007745
14        0500 h300_fv35 60          2.1130581 3.925906 0.5068323 1.0141691
15        0500 h300_fv40 60          3.6430531 4.905484 0.6332953 1.2672209
16        0600 h300_fv30 60          3.5234762 5.150027 0.6648657 1.3303931
17        0600 h300_fv35 60          2.0341804 3.192176 0.4121082 0.8246266
18        0600 h300_fv40 60          3.2838958 3.770624 0.4867855 0.9740555
19        0700 h300_fv30 60          3.8327926 6.521022 0.8418603 1.6845587
20        0700 h300_fv35 60          1.6933289 2.607322 0.3366039 0.6735428
21        0700 h300_fv40 60          2.3896956 3.435656 0.4435413 0.8875241
22        0800 h300_fv30 60          3.3077466 6.504371 0.8397107 1.6802573
23        0800 h300_fv35 60          1.4823307 3.556884 0.4591917 0.9188405
24        0800 h300_fv40 60          2.4161741 3.571444 0.4610715 0.9226019
25        0900 h300_fv30 60          2.1506438 2.893029 0.3734885 0.7473487
26        0900 h300_fv35 60          1.8821961 3.457929 0.4464167 0.8932778
27        0900 h300_fv40 60          1.7896335 2.714514 0.3504423 0.7012334
28        1000 h300_fv30 60          2.5107475 5.491835 0.7089929 1.4186914
29        1000 h300_fv35 60          0.9491365 2.061712 0.2661658 0.5325966
30        1000 h300_fv40 60          1.6678013 3.234033 0.4175119 0.8354393
31        1100 h300_fv30 60          1.8602186 3.365695 0.4345093 0.8694511
32        1100 h300_fv35 60          1.4385708 2.869765 0.3704851 0.7413389
33        1100 h300_fv40 60          1.1273899 2.010280 0.2595261 0.5193105
34        1200 h300_fv30 60          1.4870763 2.112841 0.2727667 0.5458048
35        1200 h300_fv35 60          2.5295481 4.740384 0.6119810 1.2245711
36        1200 h300_fv40 60          1.6551202 3.051420 0.3939366 0.7882653
37        1300 h300_fv30 60          2.8791490 4.925870 0.6359271 1.2724872
38        1300 h300_fv35 60          2.4731563 5.266690 0.6799268 1.3605303
39        1300 h300_fv40 60          4.5989133 8.394460 1.0837201 2.1685189
40        1400 h300_fv30 60          1.5050205 3.188480 0.4116310 0.8236717
41        1400 h300_fv35 60          1.7615688 3.064842 0.3956693 0.7917325
42        1400 h300_fv40 60          2.2766514 5.215937 0.6733746 1.3474194
43        1500 h300_fv30 60          1.9097882 2.770040 0.3576106 0.7155772
44        1500 h300_fv35 60          2.0109347 4.070014 0.5254365 1.0513961
45        1500 h300_fv40 60          1.6316881 4.119681 0.5318485 1.0642264
46        1600 h300_fv30 60          3.3246263 5.352698 0.6910304 1.3827486
47        1600 h300_fv35 60          2.0389703 3.781869 0.4882372 0.9769604
48        1600 h300_fv40 60          1.0204568 2.205685 0.2847527 0.5697888
49        1700 h300_fv30 60          3.6132519 5.467875 0.7058996 1.4125019
50        1700 h300_fv35 60          2.1139255 4.178283 0.5394140 1.0793648
51        1700 h300_fv40 60          1.5547818 3.411135 0.4403756 0.8811895
52        1800 h300_fv30 60          5.0552532 7.344069 0.9481152 1.8971742
53        1800 h300_fv35 60          2.1832792 3.824244 0.4937078 0.9879070
54        1800 h300_fv40 60          1.6532516 3.273697 0.4226325 0.8456856
55        1900 h300_fv30 60          5.6107731 6.891023 0.8896272 1.7801399
56        1900 h300_fv35 60          2.9822004 5.958244 0.7692060 1.5391777
57        1900 h300_fv40 60          2.7111394 3.798765 0.4904184 0.9813250
58        2000 h300_fv30 60          6.0438385 7.126952 0.9200855 1.8410868
59        2000 h300_fv35 60          3.9517888 6.462761 0.8343388 1.6695081
60        2000 h300_fv40 60          3.9508503 5.374253 0.6938130 1.3883167
61        2100 h300_fv30 60          4.2144712 5.648673 0.7292406 1.4592070
62        2100 h300_fv35 60          2.2205186 3.397391 0.4386013 0.8776392
63        2100 h300_fv40 60          3.9000010 5.881409 0.7592866 1.5193290
64        2200 h300_fv30 60          3.9478958 5.584154 0.7209112 1.4425401
65        2200 h300_fv35 60          3.1612149 4.788883 0.6182421 1.2370996
66        2200 h300_fv40 60          3.7812992 6.424478 0.8293965 1.6596186
67        2300 h300_fv30 61          3.3860628 5.176299 0.6627571 1.3257117
68        2300 h300_fv35 61          3.7427743 6.257596 0.8012031 1.6026448
69        2300 h300_fv40 61          3.6674335 4.945831 0.6332487 1.2666861
70        2400 h300_fv30 59          3.8745470 5.763821 0.7503856 1.5020600
71        2400 h300_fv35 59          3.1284346 5.016476 0.6530895 1.3073007
72        2400 h300_fv40 59          3.7563017 4.819053 0.6273872 1.2558520

绘图函数是

ggplot(my_data, aes(x=Hour.of.day, y=Distance.travelled, colour=Model)) + 
    geom_errorbar(aes(ymin = Distance.travelled - ci, ymax = Distance.travelled + ci), width=.1, position=position_dodge(2)) + 
    geom_line(position=position_dodge(2)) + 
    geom_point(position=position_dodge(2)) + 
    scale_x_discrete(breaks=c("0600", "1200", "1800", "2400")) + 
    theme(axis.ticks = element_blank())

在生成的图中很难区分三个独立的模式。 enter image description here

有没有人对改进可视化的方法有任何建议，以便更好地区分三个独立的模式？例如，某种方法来强调平均点并将置信区间放在背景中？

最佳答案

使用线条和色带:

library(ggplot2)
ggplot(my_data, aes(x=Hour.of.day, y=Distance.travelled,
                     fill=Model)) +
    theme_bw()+
    geom_line(aes(colour=Model))+
    geom_ribbon(aes(ymin = Distance.travelled - ci,
                    ymax = Distance.travelled + ci),alpha=0.4)+
    scale_x_discrete(breaks=c("0600", "1200", "1800", "2400")) + 
    theme(axis.ticks = element_blank())
ggsave("ribbonplot.png",width=7,height=4)

如果您想更强烈地强调均值的模式，您可以使线条更宽 ( lwd ) 或色带更暗 ( alpha )。

关于r - 可视化复杂数据的更好方法，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/20908578/

26

4

0

文章推荐： vb.net - 检查 Internet 连接 vb.net

文章推荐： javascript - heroku 环境变量返回未定义

文章推荐： typescript - 实现 v-loading 指令，在加载数据时替换内容

文章推荐： macos - Composer 不适用于oh-my-zsh

Ruby 方法() 方法
我想了解 Ruby 方法 methods() 是如何工作的。我尝试使用“ruby 方法”在 Google 上搜索，但这不是我需要的。我也看过 ruby-doc.org，但我没有找到这种方法。
VBS教程：方法-Test 方法
Test 方法对指定的字符串执行一个正则表达式搜索，并返回一个 Boolean 值指示是否找到匹配的模式。 object.Test(string) 参数 object 必选项。总是一个
VBS教程：方法-Replace 方法
Replace 方法替换在正则表达式查找中找到的文本。 object.Replace(string1, string2) 参数 object 必选项。总是一个 RegExp 对象的名称。
VBS教程：方法-Raise 方法
Raise 方法生成运行时错误 object.Raise(number, source, description, helpfile, helpcontext) 参数 object 应为
VBS教程：方法-Execute 方法
Execute 方法对指定的字符串执行正则表达式搜索。 object.Execute(string) 参数 object 必选项。总是一个 RegExp 对象的名称。 string
VBS教程：方法-Clear 方法
Clear 方法清除 Err 对象的所有属性设置。 object.Clear object 应为 Err 对象的名称。说明在错误处理后，使用 Clear 显式地清除 Err 对象。此
VBS教程：方法-CopyFile 方法
CopyFile 方法将一个或多个文件从某位置复制到另一位置。 object.CopyFile source, destination[, overwrite] 参数 object 必选
VBS教程：方法-Copy 方法
Copy 方法将指定的文件或文件夹从某位置复制到另一位置。 object.Copy destination[, overwrite] 参数 object 必选项。应为 File 或 F
VBS教程：方法-Close 方法
Close 方法关闭打开的 TextStream 文件。 object.Close object 应为 TextStream 对象的名称。说明下面例子举例说明如何使用 Close 方
VBS教程：方法-BuildPath 方法
BuildPath 方法向现有路径后添加名称。 object.BuildPath(path, name) 参数 object 必选项。应为 FileSystemObject 对象的名称
VBS教程：方法-GetFolder 方法
GetFolder 方法返回与指定的路径中某文件夹相应的 Folder 对象。 object.GetFolder(folderspec) 参数 object 必选项。应为 FileSy
VBS教程：方法-GetFileName 方法
GetFileName 方法返回指定路径（不是指定驱动器路径部分）的最后一个文件或文件夹。 object.GetFileName(pathspec) 参数 object 必选项。应为
VBS教程：方法-GetFile 方法
GetFile 方法返回与指定路径中某文件相应的 File 对象。 object.GetFile(filespec) 参数 object 必选项。应为 FileSystemObject
VBS教程：方法-GetExtensionName 方法
GetExtensionName 方法返回字符串，该字符串包含路径最后一个组成部分的扩展名。 object.GetExtensionName(path) 参数 object 必选项。应
VBS教程：方法-GetDriveName 方法
GetDriveName 方法返回包含指定路径中驱动器名的字符串。 object.GetDriveName(path) 参数 object 必选项。应为 FileSystemObjec
VBS教程：方法-GetDrive 方法
GetDrive 方法返回与指定的路径中驱动器相对应的 Drive 对象。 object.GetDrive drivespec 参数 object 必选项。应为 FileSystemO
VBS教程：方法-GetBaseName 方法
GetBaseName 方法返回字符串，其中包含文件的基本名 (不带扩展名), 或者提供的路径说明中的文件夹。 object.GetBaseName(path) 参数 object 必
VBS教程：方法-GetAbsolutePathName 方法
GetAbsolutePathName 方法从提供的指定路径中返回完整且含义明确的路径。 object.GetAbsolutePathName(pathspec) 参数 object
VBS教程：方法-FolderExists 方法
FolderExists 方法如果指定的文件夹存在，则返回 True；否则返回 False。 object.FolderExists(folderspec) 参数 object 必选项
VBS教程：方法-FileExists 方法
FileExists 方法如果指定的文件存在返回 True；否则返回 False。 object.FileExists(filespec) 参数 object 必选项。应为 FileS

首页

博学

6Ren·AI

商城

r - 可视化复杂数据的更好方法