我怎样才能将时间序列的指数衰减模型叠加到ggplot2图形中？ [英] How can I overlay timeseries models for exponential decay into ggplot2 graphics?

问题描述

我试图将指数衰减线（带有误差线）绘制在价格信息随时间变化的ggplot中的散点图上。我现在有这个：

  f2 < -  ggplot（data，aes（x = date，y = cost））+ 
 geom_point（aes（y = cost），color =red，size = 2）+ 
 geom_smooth（se = T，method =lm，formula = y〜x）+ 
 ＃geom_smooth（se = T）+ 
 theme_bw（）+ 
 xlab（Time）+ 
 scale_y_log10（Price over time）+ 
 opts（title =The随着时间的推移而降价）
 print（f2）
  

关键是在geom_smooth命令， formula = y〜x 虽然这看起来像一个线性模型，但ggplot似乎会自动检测我的scale_y_log10并记录它。

现在，我的问题在于，日期是日期数据类型。我想我需要将它转换为t = 0以来的秒数，才能应用形式为 y = Ae ^ - （bx）的指数衰减模型。

我相信这是因为当我尝试诸如y = exp（x）之类的东西时，我收到一条消息，我认为（？）告诉我我不能带指数的日期。它读取：

lm.wfit中的错误（x，y，w，offset = offset，singular.ok = singular.ok，：

$ b

然而， b $ b NA / NaN / Inf在外部函数调用中（arg 1）
log（y）= x 可以正常工作（y是一个数字数据类型，x是日期。）

有没有一种方便的方法在geom_smooth（formula = formula）函数调用中的ggplot图中拟合指数增长/衰减时间序列模型？解析方案

但是我不知道如何用真实/杂乱的数据挑剔：

  set.seed（101） 
 dat<  -  data.frame（d = seq.Date（as.Date（2010-01-01），
 as.Date（2010-12-31），by = 1天），
y = rnorm（365，mean = exp（5-（1：365）/ 100），sd = 5））
 
 library（ggplot2）
 g1 < -  ggplot（dat，aes（x = d，y = y））+ geom_point（）+ expand_limits（y = 0）
 g1 + geom_smooth（method =glm，family = gaussian =log），
 start = c（5,0））
  

I'm trying to plot an exponential decay line (with error bars) onto a scatterplot in ggplot of price information over time. I currently have this:

f2 <- ggplot(data, aes(x=date, y=cost) ) +
    geom_point(aes(y = cost), colour="red", size=2) +
    geom_smooth(se=T, method="lm", formula=y~x) +
#   geom_smooth(se=T) +
    theme_bw() +
    xlab("Time") + 
    scale_y_log10("Price over time") +
    opts(title="The Falling Price over time")
print(f2)

The key line is in the geom_smooth command, of formula=y~x Although this looks like a linear model, ggplot seems to automatically detect my scale_y_log10 and log it.

Now, my issue here is that date is a date data type. I think I need to convert it to seconds since t=0 to be able to apply an exponential decay model of the form y = Ae^-(bx).

I believe this because when I tried things like y = exp(x), I get a message that I think(?) is telling me I can't take exponents of dates. It reads:

Error in lm.wfit(x, y, w, offset = offset, singular.ok = singular.ok, : NA/NaN/Inf in foreign function call (arg 1)

However, log(y) = x works correctly. (y is a numeric data type, x is a date.)

Is there a convenient way to fit exponential growth/decay time series models within ggplot plots in the geom_smooth(formula=formula) function call?

解决方案

This appears to work, although I don't know how finicky it will be with real/messy data:

set.seed(101)
dat <- data.frame(d=seq.Date(as.Date("2010-01-01"),
                         as.Date("2010-12-31"),by="1 day"),
                y=rnorm(365,mean=exp(5-(1:365)/100),sd=5))

library(ggplot2)
g1 <- ggplot(dat,aes(x=d,y=y))+geom_point()+expand_limits(y=0)
g1+geom_smooth(method="glm",family=gaussian(link="log"),
               start=c(5,0))

这篇关于我怎样才能将时间序列的指数衰减模型叠加到ggplot2图形中？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！