极客教程R语言 使用ggplot2绘制平均值和标准偏差图
误差条 显示了一组测量值或计算值的置信度和精确度，基于数据集中出现的误差。它有助于直观地显示数据框中某一区域的误差，并显示实际的和准确的缺失部分。作为一种描述性的行为，误差条提供了关于数据中差异的细节，以及进行修改的建议，从而使数据对用户来说变得更有洞察力和影响力。
开始使用
geom_errorbar(): 这个函数用来产生误差条。
语法
geom_errorbar(mapping = NULL, data = NULL, stat = “ident”, position = “ident”, …)
例子 ：在柱状图上显示平均值和标准差的图。
df<-data.frame(Mean=c(0.24,0.25,0.37,0.643,0.54),
sd=c(0.00362,0.281,0.3068,0.2432,0.322),
Quality=as.factor(c("good","bad","good",
"very good","very good")),
Category=c("A","B","C","D","E"),
Insert= c(0.0, 0.1, 0.3, 0.5, 1.0))
# Load ggplot2
library(ggplot2)
ggplot(df, aes(x=Category, y=Mean, fill=Quality)) +
geom_bar(position=position_dodge(), stat="identity",
colour='black') +
geom_errorbar(aes(ymin=Mean-sd, ymax=Mean+sd), width=.2)
输出
现在让我们看看点图，如果我们想在同一个数据框中添加点，只需添加geom_point()即可。
语法
geom_point(mapping = NULL, data = NULL, stat = "identity", position = "identity",..., na.rm = FALSE,show.legend = NA, inherit.ais = TRUE)
例1： 带点图
# creating a data frame df
df<-data.frame(Mean=c(0.24,0.25,0.37,0.643,0.54),
sd=c(0.00362,0.281,0.3068,0.2432,0.322),
Quality=as.factor(c("good","bad","good",
"very good","very good")),
Category=c("A","B","C","D","E"),
Insert= c(0.0, 0.1, 0.3, 0.5, 1.0))
# plot the point plot
p<-ggplot(df, aes(x=Category, y=Mean, fill=Quality)) +
geom_point()+
geom_errorbar(aes(ymin=Mean-sd, ymax=Mean+sd), width=.2,
position=position_dodge(0.05))
p
输出
不同的小组使用不同的方法来说明他们的差异。另外，还可以使用点阵图或点阵图。为了告诉ggplot一列或点代表一个平均值，我们需要指出一个平均值统计。让我们使用一个不同的数据框架来详细探讨这个问题。要做到这一点，我们可以使用ggplot的 “统计 “函数。
让我们用均值的柱状图将结果可视化。为了代替*stat=count>'，我们将告诉stat我们想要一个总结性的措施，即平均值。然后，将数据框架分成几组，记下每组的平均值和标准差并绘制出来。这可以用summaryize和group_by()来完成。
使用中的文件： Crop_recommendation
例子： 绘出每组的平均数和标准差。
# load crop_recomendation csv file and
# store it in ds
ds <- read.csv("Crop_recommendation.csv", header = TRUE)
ggplot(ds, aes(x=label, y=temperature)) + geom_boxplot()
# create a new dataframe crop_means
crop_means <- ds %>%
group_by(label) %>%
summarize(mean_temperature=mean(temperature))
crop_means
# Creating barplots of means
ggplot(crop_means, aes(x=label, y=mean_temperature)) +
geom_bar(stat="identity")
输出
现在，如果你想指出点图，那么你也可以通过使用geom_point()函数来实现。
语法
geom_point(stat="summary", fun.y="mean")
例子： 点状图
# load crop_recomendation csv file and
# store it in ds
ds <- read.csv("Crop_recommendation.csv", header = TRUE)
ggplot(ds, aes(x=label, y=temperature)) + geom_boxplot()
# create a new dataframe crop_means
crop_means <- ds %>%
group_by(label) %>%
summarize(mean_temperature=mean(temperature))
crop_means
# creating point plots of means
ggplot(ds, aes(x=label, y=temperature)) +
geom_point(stat="summary", fun.y="mean")
输出
对于绘制 标准偏差（SD） ，你需要使用geom_errorbar()。首先，我们可以创建一个新的数据集，这是创建误差条的最费力的方法。这次我们还将计算标准误差（等于标准偏差除以N的平方根）。
语法
geom_errorbar()
参数
- ymin或xmin：自定义点的下限值
- ymax或xmax。自定义点的上限值
- height: 误差条的高度
- alpha:误差条的不透明度
- color: 误差条的颜色
- 组。通过组来区分点
- 线型
- 大小
示例： 绘制标准偏差图
# load a crop recommendation csv file dataset
ds <- read.csv("Crop_recommendation.csv", header = TRUE)
# create a new dataframe crop_means_Se
crop_means_se <- ds %>%
group_by(label) %>%
summarize(mean_N=mean(N),
sd_N=sd(N),
N_N=n(),
se=sd_N/sqrt(N_N),
upper_limit=mean_N+se,
lower_limit=mean_N-se
)
crop_means_se
ggplot(crop_means_se, aes(x=label, y=mean_N)) +
geom_bar(stat="identity") +
geom_errorbar(aes(ymin=lower_limit, ymax=upper_limit))
输出
你也可以通过使用geom_errorbar()创建你自己的 “se “函数。Xmin & Xmax和Ymin & Ymax可用于水平或垂直地绘制误差条。
语法
geom_errorbar(stat="summary",fun.ymin=function(x){mean(x-sd(x)/sqrt(length(x))}, fun.ymax=function(x){mean(x)+sd(x)/sqrt(length(x))}）
在这里，我们计算ymin和ymax的值来垂直绘制误差条，这些值是由一个单独的函数创建的，其中计算y的最小值或ymin的( x-sd(x)/sqrt(length(x))的平均值，以及计算y的最大值或ymax的( x+sd(x)/sqrt(length(x))的平均值。
例子： 绘制标准偏差图
# load a crop recommendation csv file dataset
ds <- read.csv("Crop_recommendation.csv", header = TRUE)
ggplot(ds, aes(x=label, y=N)) + geom_bar(stat="summary", fun.y="mean") +
geom_errorbar(stat="summary",
fun.ymin=function(x) {mean(x)-sd(x)/sqrt(length(x))},
fun.ymax=function(x) {mean(x)+sd(x)/sqrt(length(x))})
输出
