在 R 中使用 ggplot2 的误差线

误差条是显示平均分数的条。误差条像胡须一样从条形图中伸出。误差条显示测量的精确程度。它显示了我们获得的价值有多少预期的变化。误差线可以水平和垂直电镀。水平误差条图显示组差异的误差条以及组的误差条。

误差条以 3 种方式之一显示均值的精度：

• 置信区间
• 均值的标准误
• 标准差

geom_errorbar()

表示垂直间隔的各种方式由 x、ymin 和 ymax 定义。每个案例绘制一个单一的图形对象。这里geom绘制了误差线，可以由下限和上限来定义。请记住，您必须自己提供 y_min 和 y_max 的值，因为误差条几何不会自动计算置信度。

句法 ：

geom_errorbar(mapping = NULL,data = NULL,stat = “identity”,position = “identity”,na.rm = FALSE, orientation = NA,show.legend = NA,inherit.aes = TRUE)

例子 ：

R

library("ggplot2")
    
df <- ToothGrowth
  
  
# Transform dose and len column into factor
df$dose <- as.factor(df$dose)
df$len <- as.factor(df$len)
    
p<-ggplot(df,aes(dose,len)) 
p +
  geom_line(aes(group = len/2))+geom_errorbar(
    aes(ymin =len , ymax = dose),width=0.3)

输出 ：

geom_linerange()

这里geom绘制了误差线，可以由下限和上限来定义。 linerange函数有点类似于误差线。在 line range函数，您必须自己提供 y_min 和 y_max 的值，因为 linerange geom 不会自动计算置信度。在 geom_linerange 中有一些默认存在的参数（大小、线条范围、颜色、宽度）。

句法 ：

geom_linerange(mapping = NULL,data = NULL,stat = “identity”,position = “identity”,na.rm = FALSE orientation = NA,show.legend = NA,inherit.aes = TRUE)

例子 ：

电阻

# import libraries
library("ggplot2")
  
# import data
df <- ToothGrowth
  
# Transform dose and len column into factor
df$dose <- as.factor(df$dose)
df$len <- as.factor(df$len)
  
p<-ggplot(df,aes(dose,len)) 
p + 
  geom_line()+
  stat_summary(func.y= mean, geom= "bar" ,fill="white",color="black") +
  geom_linerange(aes(ymin =len , ymax = dose)
)

输出 ：

geom_pointrange()

这里geom绘制了误差线，可以由下限和上限来定义。点范围函数与误差线和线范围非常相似。在点范围函数，您必须自己提供 y_min 和 y_max 的值，因为点范围几何不会自动计算置信度。在 geom_pointrange 中有一些默认存在的参数（大小、线条范围、颜色、填充、宽度）。 pointrange函数可用于绘制置信区间。

句法 ：

geom_linerange(mapping = NULL,data = NULL,stat = “identity”,position = “identity”,fatten = 4,na.rm = FALSE orientation = NA,show.legend = NA,inherit.aes = TRUE)

例子 ：

电阻

# import libraries
library("ggplot2")
  
# import data
df <- ToothGrowth
  
# Transform dose and len column into factor
df$dose <- as.factor(df$dose)
df$len <- as.factor(df$len)
  
p<-ggplot(df,aes(dose,len)) 
p + 
  geom_line()+
  stat_summary(func.y= mean, geom= "bar" ,fill="white",color="black") +
  geom_pointrange(aes(ymin =len , ymax = dose)
)

输出 ：

geom_crossbar()

这里geom绘制了误差线，可以由下限和上限来定义。 crossbar函数与误差线和线范围非常相似。横杆是中间有水平线的空心杆。

句法：

geom_crossbar(mapping = NULL,data = NULL,stat = “identity”,position = “identity”,fatten = 2.5,na.rm = FALSE,orientation = NA,show.legend = NA,inherit.aes = TRUE)

例子 ：

电阻

# import libraries
library("ggplot2")
  
# import data 
df <- ToothGrowth
  
# Transform dose and len column into factor
df$dose <- as.factor(df$dose)
df$len <- as.factor(df$len)
  
p<-ggplot(df,aes(dose,len)) 
p +geom_crossbar(aes(ymin = len , ymax = dose),width = 0.2)

输出 ：

geom_errorbarh()

这里geom绘制了误差线，可以由下限和上限来定义。 geombar函数有点类似于误差线，但在这里我们改变了位置和轴。在 errorbar range 函数，您必须自己提供 x_min 和 x_max 的值，因为 error bar geom 不会自动计算置信水平。在 geom_errorbar 中有一些默认存在的参数（大小、线条范围、颜色、宽度）。

句法：

geom_errorbarh(mapping = NULL,data = NULL,stat = “identity”,position = “identity”,na.rm = FALSE,orientation = NA,show.legend = NA,inherit.aes = TRUE)

例子 ：

电阻

# import libraries
library("ggplot2")
  
# import data
df <- ToothGrowth
  
# Transform dose and len column into factor
df$dose <- as.factor(df$dose)
df$len <- as.factor(df$len)
  
p<-ggplot(df,aes(len,dose)) 
p + 
  geom_line()+
  stat_summary(func.y= mean, geom= "bar" ,
               fill="green",color="red") +
  geom_errorbarh(aes(xmin =dose , xmax = len)
)

输出 ：

让我们在一个变量系统上实现这些。

数据： example.csv

将数据加载到变量中。检查数据是否正确，如果正确保持不变，否则根据您的需要更改。要绘制电影（x 轴）的平均唤醒分数（y 轴），首先创建绘图对象。

句法 ：

factor(x = character(), levels, labels = levels,exclude = NA, ordered = is.ordered(x), nmax = NA)

如果需要更改，则通过将它们设置为实际因子来完成数据转换。然后绘制数据。

示例 1：

电阻

library("ggplot2")
  
rawdata <- read.csv("example1.csv", header = TRUE)
  
rawdata$gender = factor(rawdata$gender,levels = c(1,2), 
                        labels = c("Men","Women"))
  
rawdata$film = factor(rawdata$film, levels = c(1,2), l
                      abels = c("Bridget Jones","Memento"))
  
rawdata_bar = ggplot(rawdata,aes(film,arousal))
  
rawdata_bar + stat_summary(func.y= mean, geom= "bar" ,
                           fill="white",color="black") +
              stat_summary(fun.data = mean_cl_normal , 
                           geom = "errorbar",width = 0.2)
  
rawdata$gender = factor(rawdata$gender,levels = c(1,2), 
                        labels = c("Men","Women"))
rawdata$film = factor(rawdata$film, levels = c(1,2), 
                      labels = c("Bridget Jones","Memento"))
  
rawdata_bar + stat_summary(func.y= mean, geom= "bar" ,
                           fill="white",color="black")
  
rawdata_bar + stat_summary(func.y= mean, geom= "bar" ,
                           fill="white",color="black") +
              stat_summary(fun.data = mean_cl_normal , 
                           geom = "errorbar",width = 0.2)

输出：

示例 2：对于两个自变量也可以这样做。

电阻

library("ggplot2")
  
rawdata <- read.csv("example1.csv", header = TRUE)
  
rawdata$gender = factor(rawdata$gender,levels = c(1,2),
                        labels = c("Men","Women"))
rawdata$film = factor(rawdata$film, levels = c(1,2), 
                      labels = c("Bridget Jones","Memento"))
  
rawdata2 = ggplot(rawdata,aes(film, arousal, fill = gender))
  
rawdata2 + 
  stat_summary(fun.y = mean, geom = "bar",position = "dodge")+
  stat_summary(fun.data = mean_cl_normal, geom = "errorbar", 
               position = position_dodge(width = 0.90),width=.2)

输出：