Boxplot schmoxplot：如何绘制由 R 中的一个因素决定的均值和标准误差？

Question

我们都喜欢中位数和四分位距等稳健的衡量标准，但让我们面对现实吧，在许多领域，箱线图几乎从未出现在已发表的文章中，而均值和标准误差却一直如此。

在lattice、ggplot2等中绘制箱线图很简单，画廊里到处都是。是否有一种同样简单的方法来绘制以分类变量为条件的平均值和标准误差？

我正在考虑这样的情节：

http://freakonomics.blogs.nytimes.com/2008/07/30/how-big-is-your-halo-a-guest-post/

或者所谓的“意味着钻石” " 在 JMP 中（参见图 3）：

http://blogs.sas.com/jmp/index.php?/archives/127-What-Good-Are-Error-Bars.html

Answer 1

第一个图刚刚在 imachordata.com 上的博客文章中介绍。 （向 David Smith 致敬在 blog.revolution-computing.com 上）您还可以阅读 Hadley 的相关文档在 ggplot2 上。

这是示例代码：

library(ggplot2)
data(mpg)

#create a data frame with averages and standard deviations
 hwy.avg<-ddply(mpg, c("class", "year"), function(df)
 return(c(hwy.avg=mean(df$hwy), hwy.sd=sd(df$hwy))))

#create the barplot component
 avg.plot<-qplot(class, hwy.avg, fill=factor(year), data=hwy.avg, geom="bar", position="dodge")

#first, define the width of the dodge
dodge <- position_dodge(width=0.9)

#now add the error bars to the plot
avg.plot+geom_linerange(aes(ymax=hwy.avg+hwy.sd, ymin=hwy.avg-hwy.sd), position=dodge)+theme_bw()

它最终看起来像这样：

Answer 2

这个问题已经有近 2 年的历史了，但是作为实验领域的新 R 用户，这对我来说是一个大问题，并且这个页面在 google 结果中很突出。我刚刚发现了一个比当前集合更喜欢的答案，所以我想我会添加它。

sciplot 包使任务变得非常简单。它通过一个命令完成工作，

#only necessary to get the MPG dataset from ggplot for direct comparison
library(ggplot2)
data(mpg)
attach(mpg)

#the bargraph.CI function with a couple of parameters to match the ggplot example
#see also lineplot.CI in the same package
library(sciplot)
bargraph.CI(
  class,  #categorical factor for the x-axis
  hwy,    #numerical DV for the y-axis
  year,   #grouping factor
  legend=T, 
  x.leg=19,
  ylab="Highway MPG",
  xlab="Class")

生成这个非常可行的图表，其中大部分是默认选项。请注意，默认情况下，误差线是标准误差，但参数采用函数，因此它们可以是您想要的任何值！

Answer 3

虽然来得有点晚，但这个解决方案可能对未来的用户有用。它使用加载 R 的 diamond data.frame，并利用 stat_summary 以及两个（超短）自定义函数。

require(ggplot2)

# create functions to get the lower and upper bounds of the error bars
stderr <- function(x){sqrt(var(x,na.rm=TRUE)/length(na.omit(x)))}
lowsd <- function(x){return(mean(x)-stderr(x))}
highsd <- function(x){return(mean(x)+stderr(x))}

# create a ggplot
ggplot(diamonds,aes(cut,price,fill=color))+
  # first layer is barplot with means
  stat_summary(fun.y=mean, geom="bar", position="dodge", colour='white')+
  # second layer overlays the error bars using the functions defined above
  stat_summary(fun.y=mean, fun.ymin=lowsd, fun.ymax=highsd, geom="errorbar", position="dodge",color = 'black', size=.5)

Answer 4

使用 ggplot2 可以轻松自动计算平均值及其标准误差。我建议使用默认点范围，而不是炸药图。您可能必须手动提供该位置。操作方法如下：

ggplot(mtcars, aes(factor(cyl), hp, color = factor(am))) +
  stat_summary(position = position_dodge(0.5))

Answer 5

ggplot 生成美观的图表，但我还没有勇气尝试发布任何 ggplot 输出。

直到那一天到来之前，这就是我制作上述图表的方法。我使用名为“gplots”的图形包来获取标准误差线（使用我已经计算过的数据）。请注意，此代码为每个类别/类别提供了两个或多个因素。这需要将数据作为矩阵输入，并使用“barplot2”函数中的“beside=TRUE”命令来防止条形图堆叠。

# Create the data (means) matrix
# Using the matrix accommodates two or more factors for each class

data.m <- matrix(c(75,34,19, 39,90,41), nrow = 2, ncol=3, byrow=TRUE,
               dimnames = list(c("Factor 1", "Factor 2"),
                                c("Class A", "Class B", "Class C")))

# Create the standard error matrix

error.m <- matrix(c(12,10,7, 4,7,3), nrow = 2, ncol = 3, byrow=TRUE)

# Join the data and s.e. matrices into a data frame

data.fr <- data.frame(data.m, error.m) 

# load library {gplots}

library(gplots)

# Plot the bar graph, with standard errors

with(data.fr,
     barplot2(data.m, beside=TRUE, axes=T, las=1, ylim = c(0,120),  
                main=" ", sub=" ", col=c("gray20",0),
                    xlab="Class", ylab="Total amount (Mean +/- s.e.)",
                plot.ci=TRUE, ci.u=data.m+error.m, ci.l=data.m-error.m, ci.lty=1))

# Now, give it a legend:

legend("topright", c("Factor 1", "Factor 2"), fill=c("gray20",0),box.lty=0)

从审美上来说，它相当简单——简，但似乎是大多数期刊/老教授想要看到的。

我将发布这些示例数据生成的图表，但这是我在该网站上的第一篇文章。对不起。人们应该能够毫无问题地复制粘贴整个内容（在安装“gplots”包之后）。