购物网站后台怎么做,wordpress字体编辑插件下载,唐山公司网站制作,wordpress上传中文图片简介
关于分面的推文#xff0c;小编根据实际科研需求#xff0c;已经分享了很多技巧。例如#xff1a; 分面中添加不同表格 分面中添加不同的直线 基于分面的面积图绘制 分面中的细节调整汇总 基于分面的折线图绘制
最近科研中又遇到了与分面相关的需求#xff1a;…简介
关于分面的推文小编根据实际科研需求已经分享了很多技巧。例如 分面中添加不同表格 分面中添加不同的直线 基于分面的面积图绘制 分面中的细节调整汇总 基于分面的折线图绘制
最近科研中又遇到了与分面相关的需求在分面中添加拟合线。本期就针对该问题绘制出以下图形 图形含义随着时间的推移展示多个测试产品退化累积量的箱线图。这些产品涵盖了两种不同的退化性能PC。图中的红线表示通过提出的模型拟合得到的平均产品退化累积量而两条粉色线表示相应的90%置信区间。
选择绘制箱线图的原因在于想要突显多个产品之间的异质性并强调退化路径分布特征呈现出的厚尾现象。 注意本文图形是小编在研究领域中常用的图形通过这里进行总结希望能给读者们一些启发。 教程
数据介绍
由于数据模拟产生比较复杂且不是本文的重点。小编以某个测试数据集为例数据和代码可在我的 Github 中找到。cal_data 为处理好的真实数据。PC 表示性能退化指标共两个 Unit 表示希望展示的离散时间点value 表示退化累积量。 data_fit 表示根据所提模型拟合得到的区间估计和点估计。该数据集为列表形式包含三个数据框分别为LowMeanUp。
load(true_data.RData)
load(data_fit.RData)数据处理
根据真实数据集的数据结构我们将拟合结果也转化成类似结构。主要思路
将列表合并为一个数据框 bind_rows()宽表转化为长表 pivot_longer()提取三种估计的结果。
最终每个结果的形式和真实数据集的数据结构一致很重要
time2 seq(3,m,3) #希望展示的数据点离散merged_df2 - bind_rows(data_fit, .id Unit) #合并数据merged_df2$Unit rep(c(Low,Mean,Up),each length(0:m))mer_dat merged_df2 %% pivot_longer(cols !c(Time,Unit), names_to PC, values_to Value)# 数据筛选用于画直线mer_dat1 mer_dat[mer_dat$Time %in% time2 mer_dat$Unit Low, 2:4]; colnames(mer_dat1) c(Unit,PC,value)mer_dat2 mer_dat[mer_dat$Time %in% time2 mer_dat$Unit Mean, 2:4]; colnames(mer_dat2) c(Unit,PC,value)mer_dat3 mer_dat[mer_dat$Time %in% time2 mer_dat$Unit Up, 2:4]; colnames(mer_dat3) c(Unit,PC,value)分面画图
通过添加三个 geom_smooth() 实现分面中添加拟合线。运行以下代码即可得到
ggplot() geom_boxplot(data true_data, aes(factor(Unit,levels time2),value,fillfactor(Unit,levels time2))) geom_smooth(data mer_dat1, aes(factor(Unit,levels time2),value,group1),color#EE81C3, methodloess, linetype 2,se FALSE) geom_smooth(data mer_dat2, aes(factor(Unit,levels time2),value,group1),color#DC3F20, methodloess,linetype 1,se FALSE) geom_smooth(data mer_dat3, aes(factor(Unit,levels time2),value,group1),color#EE81C3, methodloess,linetype 2,se FALSE) facet_wrap(vars(PC),scalefree) scale_fill_viridis(discrete TRUE,alpha 0.8) theme_bw() theme(panel.grid element_blank(),legend.position none) xlab(Time) ylab(Y(t))函数汇总
为了方便起见小编将其转化为了一个函数供大家参考
boxplot.path.fit function(data_fit data_fit, cal_data cal_data, leg.pos none){time2 seq(3,m,3) #希望展示的数据点离散merged_df2 - bind_rows(data_fit, .id Unit) #合并数据merged_df2$Unit rep(c(Low,Mean,Up),each length(0:m))mer_dat merged_df2 %% pivot_longer(cols !c(Time,Unit), names_to PC, values_to Value)# 数据筛选用于画直线mer_dat1 mer_dat[mer_dat$Time %in% time2 mer_dat$Unit Low, 2:4]; colnames(mer_dat1) c(Unit,PC,value)mer_dat2 mer_dat[mer_dat$Time %in% time2 mer_dat$Unit Mean, 2:4]; colnames(mer_dat2) c(Unit,PC,value)mer_dat3 mer_dat[mer_dat$Time %in% time2 mer_dat$Unit Up, 2:4]; colnames(mer_dat3) c(Unit,PC,value)p1 ggplot() geom_boxplot(data cal_data, aes(factor(Unit,levels time2),value,fillfactor(Unit,levels time2))) geom_smooth(data mer_dat1, aes(factor(Unit,levels time2),value,group1),color#EE81C3, methodloess, linetype 2,se FALSE) geom_smooth(data mer_dat2, aes(factor(Unit,levels time2),value,group1),color#DC3F20, methodloess,linetype 1,se FALSE) geom_smooth(data mer_dat3, aes(factor(Unit,levels time2),value,group1),color#EE81C3, methodloess,linetype 2,se FALSE) facet_wrap(vars(PC),scalefree) scale_fill_viridis(discrete TRUE,alpha 0.8) theme_bw() theme(panel.grid element_blank(),legend.position leg.pos) xlab(Time) ylab(Y(t))return(p1)
}boxplot.path.fit(data_fit data_fit, cal_data cal_data, leg.pos none)
