Question

我之前尝试用 loess 和 lm 方法 (ggplot2) 拟合我的数据，但是这些方法都不适合。现在我正在尝试为数据拟合饱和曲线，但找不到方法来做到这一点。谷歌搜索一段时间后，我想知道这是否可以使用 ggplot2。否则我想过拟合逻辑回归，并尝试过这个，但不幸的是给了我以下错误：

这会使用 loess 方法生成想要的图。如何用饱和度曲线绘制它？

specprec <- ggplot(data=master, aes(prec_average, binomial_c))+
  geom_point(size=1.3, shape=16)+
  theme_bw(base_size = 14)+
  theme(aspect.ratio=1)+
  labs(x="Mean precipitation", y="Species richness")+
  stat_smooth(method="loess")

这是我尝试拟合逻辑回归曲线的方法：

m <- glm(prec_average ~ binomial_c, family = gaussian, data = master)
p_specprec <-  augment(m, type.predict = "response")
head(p_specprec)
 
 base <-
   ggplot(p_specprec, aes(x = prec_average, y=m)) +#   geom_line(aes(y = m), color = "blue") +
   labs(x = "Mean precipitation", y = "Species richness")

Error: Don't know how to automatically pick scale for object of type glm/lm. Defaulting to continuous.
Error: Aesthetics must be either length 1 or the same as the data (4538): y

任何提示都会有很大帮助！提前致谢！

Answer 1

出现错误是因为您试图绘制模型 m 而不是数据框 p_specprec 中的列。

由于我无法访问您的数据，因此我使用了 mtcars 并重新标记了一些列。

library(ggplot)
master <- mtcars
master<- master %>% rename(prec_average = mpg, binomial_c = disp)

您还需要包含库 broom 以使扩充工作。

library(broom)

定义模型，并将结果转化为数据框。

m <- glm(prec_average ~ binomial_c, family = gaussian, data = master)
p_specprec <-  augment(m, type.predict = "response")

这里使用 ggplot，我们指定要在美学中使用的数据和列。我猜您想针对其位于 prec_average 的拟合值绘制 p_specprec$.fitted，还请注意，在 geom_line() 中，您不需要再次指定美学。

ggplot(p_specprec, aes(x = prec_average, y=.fitted)) + 
  geom_line(colour = 'blue')+
  labs(x = "Mean precipitation", y = "Species richness")

ggplot中的饱和曲线

1 个答案: