将exp / power趋势线添加到ggplot [英] Add exp/power trend line to a ggplot

问题描述

我想为我的情节添加一个指数（+ power）（趋势）线。我使用的是ggplot2软件包。

我有类似的东西（只是有更多的数据）：

<$ p $


df< -read.table（test.csv，header = TRUE，sep =，）
df
元临时
1 1.283 6
2 0.642 6
3 1.962 6
4 8.989 25
5 8.721 25
6 12.175 25
7 11.676 32
8 12.131 32
9 11.576 32

ggplot（df，aes（temp，meta））+
ylab（Metabolism）+ xlab （Temperature）+
geom_point（）+
theme_bw（）+
scale_x_continuous（limits = c（0，35））+
scale_y_log10（）

我知道这应该用一个指数函数来表示 - 所以我的问题是我如何才能做出最好的'指数'拟合？同样地，是否有可能进行动力匹配？

stat_smooth（）函数是否有这个机会，或者在我应该使用的 ggplot2 包中有其他函数吗？

解决方案

您可以指定模型以适合 stat_smooth 通过传递两个参数：

• 方法，例如 method =lm


• 模型，例如 model = log（y）〜x

ggplot2 首先进行比例转换，然后适合模型，所以在你的例子中你只需添加

  + stat_smooth（method =lm）
  

到您的情节：

  library（ggplot2）
 ggplot（df，aes（temp，meta））+ 
 ylab（Metabolism）+ xlab （Temperature）+ 
 geom_point（）+ 
 theme_bw（）+ 
 scale_x_continuous（limits = c（0，35））+ 
 scale_y_log10（）+ 
 stat_smooth（method =lm）
  

---

同样，拟合和绘制一个功率曲线就像改变你的x-scale到log一样简单：

  ggplot（df，aes（temp，meta））+ 
 ylab（Metabolism）+ xlab（Temperature）+ 
 geom_point（）+ 
 theme_bw（）+ 
 scale_x_log 10（）+ 
 scale_y_log10（）+ 
 stat_smooth（method =lm）
  

I want to add a exponential (+ power) (trend) line to my plot. I am using ggplot2 package.

I have something like this (just with much more data):

require(ggplot2)

df <-read.table("test.csv", header = TRUE, sep = ",")
df
    meta temp
1  1.283    6
2  0.642    6
3  1.962    6
4  8.989   25
5  8.721   25
6 12.175   25
7 11.676   32
8 12.131   32
9 11.576   32

ggplot(df, aes(temp, meta)) + 
    ylab("Metabolism") + xlab("Temperature") +
    geom_point() + 
    theme_bw() + 
    scale_x_continuous(limits = c(0, 35)) + 
    scale_y_log10()

I know that this should be expressed with an exponential function - so my question is how I can ad the best 'exponential' fit? Likewise, is it possible to make a power-fit too?

Does the stat_smooth() function have this opportunity, or are there other functions in ggplot2 package I should use?

解决方案

You can specify the model to fit as an argument to stat_smooth by passing two arguments:

• method, e.g. method="lm"
• model, e.g. model = log(y) ~ x

ggplot2 first does the scale transformation and then fits the model, so in your example you simply have to add

+ stat_smooth(method="lm")

to your plot:

library(ggplot2)
ggplot(df, aes(temp, meta)) + 
    ylab("Metabolism") + xlab("Temperature") +
    geom_point() + 
    theme_bw() + 
    scale_x_continuous(limits = c(0, 35)) + 
    scale_y_log10() +
    stat_smooth(method="lm")

---

Similarly, fitting and plotting a power curve is as simple as changing your x-scale to log:

ggplot(df, aes(temp, meta)) + 
    ylab("Metabolism") + xlab("Temperature") +
    geom_point() + 
    theme_bw() + 
    scale_x_log10() + 
    scale_y_log10() +
    stat_smooth(method="lm")

这篇关于将exp / power趋势线添加到ggplot的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！