Построение квантилей распределения в ggplot2 с гранями

В настоящее время я строю ряд различных распределений первых отличий от ряда регрессионных моделей в ggplot. Чтобы облегчить интерпретацию различий, я хочу отметить 2,5% и 97,5% процентили каждого распределения. Поскольку я буду делать довольно много графиков и поскольку данные сгруппированы в двух измерениях (модель и тип), я хотел бы определить и построить соответствующие процентили в среде ggplot. Построение графиков распределений с использованием фасетов дает мне именно туда, куда я хочу, за исключением процентилей. Я мог бы, конечно, сделать это более вручную, но в идеале я хотел бы найти решение, в котором я все еще могу использовать facet_grid, так как это избавило меня от многих хлопот, пытаясь совместить различные сюжеты вместе.

Вот пример использования смоделированных данных: 

df.example <- data.frame(model = rep(c("a", "b"), length.out = 500), 
                      type = rep(c("t1", "t2", "t2", "t1"), 
                      length.outh = 250), value = rnorm(1000))

 ggplot(df.example, aes(x = value)) +
 facet_grid(type ~ model) +
 geom_density(aes(fill = model, colour = model))
Я попытался добавить квантили двумя способами. Первый выводит сообщение об ошибке: 
 ggplot(df.example, aes(x = value)) +
 facet_grid(. ~ model) +
 geom_density(aes(fill = model, colour = model)) +
 geom_vline(aes(x = value), xintercept = quantile(value, probs = c(.025, .975)))

Error in quantile(value, probs = c(0.025, 0.975)) : object 'value' not found

В то время как второй получает мне квантили для полная переменная, а не для субплотностей. То есть построенные квантили идентичны для всех четырех плотностей.

 ggplot(df.example, aes(x = value)) +
 facet_grid(type ~ model) +
 geom_density(aes(fill = model, colour = model)) +
 geom_vline(xintercept = quantile(df.example$value, probs = c(.025, .975)))
Поэтому я задаюсь вопросом, существует ли способ построить конкретные квантили для каждой подгруппы в среде ggplot2?

Очень ценю любой вклад.

3 2
ggplot2 density-plot

3 ответа:

Квантили можно вычислить заранее.

Используя Ваш пример данных: 

library (dplyr)
d2 <- df.example %>%
  group_by(model, type) %>%
  summarize(lower = quantile(value, probs = .025),
            upper = quantile(value, probs = .975))

А затем построить такой сюжет: 

ggplot(df.example, aes(x = value)) +
  facet_grid(type ~ model) +
  geom_density(aes(fill = model, colour = model)) +
  geom_vline(data = d2, aes(xintercept = lower)) +
  geom_vline(data = d2, aes(xintercept = upper))

Введите описание изображения здесь

3

Используйте plyr (или dplyr, data.таблица) для предварительного вычисления этих значений ...

set.seed(1)
# ...

df.q <- ddply(df.example, .(model, type),
              summarize, q=quantile(value, c(.025, .975)))    
p + geom_vline(aes(xintercept=q), data=df.q)

сюжет

5

Хороший вопрос. Более общая версия того же вопроса: как вы вызываете функции на подмножествах наборов данных при использовании фасетов? Это кажется очень полезной функцией, и поэтому я искал вокруг, но не мог найти ничего об этом.

Уже приведенные ответы превосходны. Другой вариант-использовать multiplot() как способ выполнения фасетирования вручную.

0