r - 在ggplot2中使用geom_stat/geom_smooth时在置信区间上下查找点

Question

我有一个散点图，我想知道如何找到置信区间线上方和下方的基因？



编辑:可重现的例子:

library(ggplot2)
#dummy data
df <- mtcars[,c("mpg","cyl")]

#plot
ggplot(df,aes(mpg,cyl)) +
  geom_point() +
  geom_smooth()

Answer 1

我不得不深入了解 github repo ，但我终于明白了。为了做到这一点，您需要知道如何 stat_smooth 作品。在这种特定情况下，loess调用函数来进行平滑(可以使用以下相同的过程构建不同的平滑函数):

因此，使用 loess在这种情况下，我们会这样做:

#data
df <- mtcars[,c("mpg","cyl"), with=FALSE]
#run loess model
cars.lo <- loess(cyl ~ mpg, df)

然后我不得不阅读 this以便在 stat_smooth 中查看内部预测是如何进行的.显然 hadley 使用了 predictdf对于我们的案例，函数(未导出到命名空间)如下:

predictdf.loess <- function(model, xseq, se, level) {
  pred <- stats::predict(model, newdata = data.frame(x = xseq), se = se)

  if (se) {
    y = pred$fit
    ci <- pred$se.fit * stats::qt(level / 2 + .5, pred$df)
    ymin = y - ci
    ymax = y + ci
    data.frame(x = xseq, y, ymin, ymax, se = pred$se.fit)
  } else {
    data.frame(x = xseq, y = as.vector(pred))
  }
}

阅读以上内容后，我能够使用以下方法创建自己的预测数据框:

#get the predictions i.e. the fit and se.fit vectors
pred <- predict(cars.lo, se=TRUE)
#create a data.frame from those
df2 <- data.frame(mpg=df$mpg, fit=pred$fit, se.fit=pred$se.fit * qt(0.95 / 2 + .5, pred$df))

看着 predictdf.loess我们可以看到置信区间的上边界被创建为 pred$fit + pred$se.fit * qt(0.95 / 2 + .5, pred$df)下边界为 pred$fit - pred$se.fit * qt(0.95 / 2 + .5, pred$df) .

使用这些，我们可以为这些边界之上或之下的点创建一个标志:

#make the flag
outerpoints <- +(df$cyl > df2$fit + df2$se.fit |  df$cyl < df2$fit - df2$se.fit)
#add flag to original data frame
df$outer <- outerpoints

df$outer column 可能是 OP 正在寻找的(如果它在边界之外，则取值为 1，否则取值为 0)，但只是为了它，我将其绘制在下面。

注意 +上面的函数仅用于此处将逻辑标志转换为数字。

现在，如果我们这样绘制:

ggplot(df,aes(mpg,cyl)) +
  geom_point(aes(colour=factor(outer))) +
  geom_smooth() 

我们实际上可以看到置信区间内外的点。

输出:



附言对于任何对上下边界感兴趣的人，它们都是这样创建的(推测:虽然阴影区域可能是用 geom_ribbon 创建的 - 或类似的东西 - 这使它们更圆更漂亮):

#upper boundary
ggplot(df,aes(mpg,cyl)) +
   geom_point(aes(colour=factor(outer))) +
   geom_smooth() +
   geom_line(data=df2, aes(mpg , fit + se.fit , group=1), colour='red')

#lower boundary
ggplot(df,aes(mpg,cyl)) +
   geom_point(aes(colour=factor(outer))) +
   geom_smooth() +
   geom_line(data=df2, aes(mpg , fit - se.fit , group=1), colour='red')