不确定性可视化太难？！一行代码搞定~~

DataCharm

发布于 2023-08-23 10:39:26

3070

发布于 2023-08-23 10:39:26

文章被收录于专栏：数据学术商业新闻

今天给大家推荐一个专门用于不确定性可视化的绘图工具-R，可以方便的绘制一些统计图表的相关指标。详细介绍如下：

简介

ungeviz包的目的是为ggplot2提供有用的附加功能，以实现不确定性的可视化。该软件包特别关注假设结果图（HOPs），并提供自举和抽样功能，与ggplot2的API很好地整合。

安装

devtools::install_github("wilkelab/ungeviz")

基本案例

ungeviz包中的sampler()和bootstrapper()函数分别生成采样和引导对象，在ggplot2图层中代替数据使用。这些对象在创建HOPs时很有帮助。

案例一

library(ggplot2)
library(dplyr)
library(forcats)
library(ungeviz)
library(gganimate)

cacao %>% filter(location %in% c("Canada", "U.S.A.")) %>%
  ggplot(aes(rating, location)) +
  geom_point(
    position = position_jitter(height = 0.3, width = 0.05), 
    size = 0.4, color = "#0072B2", alpha = 1/2
  ) +
  geom_vpline(data = sampler(25, group = location), height = 0.6, color = "#D55E00") +
  theme_bw() + 
  # `.draw` is a generated column indicating the sample draw
  transition_states(.draw, 1, 3)

Example01 of ungeviz

案例二：平滑线绘制

可以对数据拟合一个平滑模型，然后通过从后验分布中随机抽取产生拟合线，而不是对平滑器或回归线进行引导。可使用stat_smooth_draws()中是自动化完成的，其工作原理与stat_smooth()类似，但生成的是多个可能性相同的拟合线，而不是一条最佳拟合线。

ggplot(mtcars, aes(hp, mpg)) + 
  geom_point() +
  stat_smooth_draws(times = 20, aes(group = stat(.draw))) + 
  theme_bw() +
  transition_states(stat(.draw), 1, 2) +
  enter_fade() + exit_fade()

Example02 of ungeviz

案例三：多个绘图图层和统计图层

在可视化不确定性时，提供了一些几何图形和统计数字，包括上面抽样例子中使用的geom_hpline()和geom_vpline()，以及可以绘制置信度条的stat_confidence_density()。

library(broom)
library(emmeans)

cacao_lumped <- cacao %>%
  mutate(
    location = fct_lump(location, n = 20)
  )
  
cacao_means <- lm(rating ~ location, data = cacao_lumped) %>%
  emmeans("location") %>%
  tidy() %>%
  mutate(location = fct_reorder(location, estimate))

ggplot(cacao_means, aes(x = estimate, moe = std.error, y = location)) +
  stat_confidence_density(fill = "lightblue", height = 0.8, confidence = 0.68) +
  geom_point(aes(x = estimate), size = 2) +
  geom_errorbarh(aes(xmin = estimate - std.error, xmax = estimate + std.error), height = 0.5) +
  xlim(2.6, 3.7) +
  theme_minimal()

Example03 of ungeviz

案例四：自拟合模型后验抽样这个案例主要还是介绍stat_smooth_draws()绘图函数，可以通过一组设置不同参数值的图形进行说明：

library(purrr)
library(glue)

plist <- map(
  c(2, 5, 10, 20),
  ~ ggplot(mtcars, aes(disp, mpg)) +
      geom_point() +
      stat_smooth_draws(
        times = .x,  # this line specifies the number of draws
        aes(group = stat(.draw)), size = 0.5
      ) +
      annotate(
        "label", x = Inf, y = Inf, hjust = 1, vjust = 1, 
        label = glue("{.x} draws", size = 12/.pt)
      ) +
      theme_bw()
)

cowplot::plot_grid(plotlist = plist)