有一個數據,讓平均 和SD:我如何繪製多個正態分佈在圖1中的R
#info mean sd
info1 20.84 4.56
info2 29.18 5.41
info3 38.90 6.22
其實有超過100行的這一點。 如何繪製一個圖中的每一行的正態分佈圖 給出上述數據?
有一個數據,讓平均 和SD:我如何繪製多個正態分佈在圖1中的R
#info mean sd
info1 20.84 4.56
info2 29.18 5.41
info3 38.90 6.22
其實有超過100行的這一點。 如何繪製一個圖中的每一行的正態分佈圖 給出上述數據?
根據N真正獲得的大小,您可能希望將其分解爲一組多個圖表。但是,這是基本的方法。首先,您需要根據您的平均值和sd生成一些隨機數據。我選擇了1000個隨機點,您可以根據需要進行調整。接下來,設置適當尺寸的空白圖,然後使用lines
和density
添加數據。我使用了一個for循環,因爲它提供了一種很好的方式來指定每個數據點的線型。最後,在末尾加上一個傳說:
dat <- read.table(text = "info mean sd
info1 20.84 4.56
info2 29.18 5.41
info3 38.90 6.22
", header = TRUE)
densities <- apply(dat[, -1], 1, function(x) rnorm(n = 1000, mean = x[1], sd = x[2]))
colnames(densities) <- dat$info
plot(0, type = "n", xlim = c(min(densities), max(densities)), ylim = c(0, .2))
for (d in 1:ncol(densities)){
lines(density(densities[, d]), lty = d)
}
legend("topright", legend=colnames(densities), lty=1:ncol(densities))
或者,使用GGPLOT2它可以有很多的好處,即它會自動地指定合理XLIM和ylim值你,做明智的事情這個傳說沒有什麼大驚小怪。
library(reshape2)
library(ggplot2)
#Put into long format
densities.m <- melt(densities)
#Plot
ggplot(densities.m, aes(value, linetype = Var2)) + geom_density()
同樣一美元短期和晚一天。蔡斯有一個非常徹底的迴應。這裏是我的裂紋吧:
dat <- read.table(text="info mean sd
info1 20.84 4.56
info2 29.18 5.41
info3 38.90 6.22", header=T)
dat <- transform(dat, lower= mean-3*sd, upper= mean+3*sd)
plot(x=c(min(dat$lower)-2, max(dat$upper)+2), y=c(0, .25), ylab="",
xlim=c(min(dat$lower)-2, max(dat$upper)+2), xlab="",
axes=FALSE, xaxs = "i", type="n")
box()
FUN <- function(rownum) {
par(new=TRUE)
curve(dnorm(x,dat[rownum, 2], dat[rownum, 3]),
xlim=c(c(min(dat$lower)-2, max(dat$upper)+2)),
ylim=c(0, .22),
ylab="", xlab="")
}
lapply(seq_len(nrow(dat)), function(i) FUN(i))
我以爲你想要一些方式每行數據進行區分,我選擇了線型,但你也可以使用顏色,或兩者的組合。或者,如果您不需要區分密度估計值,那麼將該部分全部忽略在一起:) – Chase 2012-04-27 02:07:20