在ggplot2中使用geom_stat / geom_smooth时,查找置信区间上下的点

时间:2015-10-12 13:49:40

标签: r ggplot2 statistics bioinformatics

我有一个散点图,我想知道如何在置信区间线上方和下方找到基因?

enter image description here

编辑:可重复的示例:

library(ggplot2)
#dummy data
df <- mtcars[,c("mpg","cyl")]

#plot
ggplot(df,aes(mpg,cyl)) +
  geom_point() +
  geom_smooth()

enter image description here

3 个答案:

答案 0 :(得分:8)

此解决方案利用了ggplot2为您所做的辛勤工作:

library(sp)

# we have to build the plot first so ggplot can do the calculations
ggplot(df,aes(mpg,cyl)) +
  geom_point() +
  geom_smooth() -> gg

# do the calculations
gb <- ggplot_build(gg)

# get the CI data
p <- gb$data[[2]]

# make a polygon out of it
poly <- data.frame(
  x=c(p$x[1],    p$x,    p$x[length(p$x)],    rev(p$x)), 
  y=c(p$ymax[1], p$ymin, p$ymax[length(p$x)], rev(p$ymax))
)

# test for original values in said polygon and add that to orig data
# so we can color by it
df$in_ci <- point.in.polygon(df$mpg, df$cyl, poly$x, poly$y)

# re-do the plot with the new data
ggplot(df,aes(mpg,cyl)) +
  geom_point(aes(color=factor(in_ci))) +
  geom_smooth()

enter image description here

需要稍微调整一下(即最后一点获得2值)但我的时间有限。请注意point.in.polygon返回值为:

  • 0:点严格来说是pol的外观
  • 1:点严格来说是pol的内部
  • 2:点位于pol
  • 边缘的相对内部
  • 3:point是pol
  • 的顶点

因此,将代码更改为TRUE / FALSE应该很容易,无论值是否为0

答案 1 :(得分:7)

我不得不深入研究github回购,但我终于得到了它。为此,您需要了解stat_smooth的工作原理。在这种特定情况下,调用loess函数进行平滑(可以使用与下面相同的过程构造不同的平滑函数):

所以,在这种情况下使用loess,我们会这样做:

#data
df <- mtcars[,c("mpg","cyl"), with=FALSE]
#run loess model
cars.lo <- loess(cyl ~ mpg, df)

然后我必须阅读this才能了解预测是如何在stat_smooth内部进行的。显然,hadley使用predictdf函数(未导出到命名空间),如下所示:

predictdf.loess <- function(model, xseq, se, level) {
  pred <- stats::predict(model, newdata = data.frame(x = xseq), se = se)

  if (se) {
    y = pred$fit
    ci <- pred$se.fit * stats::qt(level / 2 + .5, pred$df)
    ymin = y - ci
    ymax = y + ci
    data.frame(x = xseq, y, ymin, ymax, se = pred$se.fit)
  } else {
    data.frame(x = xseq, y = as.vector(pred))
  }
}

阅读完上述内容后,我可以使用以下方法创建自己的数据预测框架。

#get the predictions i.e. the fit and se.fit vectors
pred <- predict(cars.lo, se=TRUE)
#create a data.frame from those
df2 <- data.frame(mpg=df$mpg, fit=pred$fit, se.fit=pred$se.fit * qt(0.95 / 2 + .5, pred$df))

查看predictdf.loess我们可以看到置信区间的上边界创建为pred$fit + pred$se.fit * qt(0.95 / 2 + .5, pred$df),下边界创建为pred$fit - pred$se.fit * qt(0.95 / 2 + .5, pred$df)

使用那些我们可以为那些边界之上或之下的点创建一个标志:

#make the flag
outerpoints <- +(df$cyl > df2$fit + df2$se.fit |  df$cyl < df2$fit - df2$se.fit)
#add flag to original data frame
df$outer <- outerpoints

df$outer列可能是OP正在查找的内容(如果超出边界则取值为1,否则为0)但仅仅是为了它,我正在下面绘制它。

请注意,上面的+函数仅用于将逻辑标志转换为数字。

现在,如果我们这样绘制:

ggplot(df,aes(mpg,cyl)) +
  geom_point(aes(colour=factor(outer))) +
  geom_smooth() 

我们实际上可以看到置信区间内外的点。

输出:

enter image description here

P.S。对于那些对上下边界感兴趣的人来说,他们是这样创造的(推测:虽然阴影区域可能是用geom_ribbon创建的 - 或类似的东西 - 这使得它们更加圆润和漂亮):

#upper boundary
ggplot(df,aes(mpg,cyl)) +
   geom_point(aes(colour=factor(outer))) +
   geom_smooth() +
   geom_line(data=df2, aes(mpg , fit + se.fit , group=1), colour='red')

#lower boundary
ggplot(df,aes(mpg,cyl)) +
   geom_point(aes(colour=factor(outer))) +
   geom_smooth() +
   geom_line(data=df2, aes(mpg , fit - se.fit , group=1), colour='red')

答案 2 :(得分:6)

使用像{hrbrmstr这样的好解决方案的ggplot_build,你可以通过简单地将一系列x值传递给geom_smooth来指定应该计算错误界限的位置来实现这一点,并将其设为等于你的积分的x值。然后,您只需看看y值是否在范围内。

library(ggplot2)

## dummy data
df <- mtcars[,c("mpg","cyl")]

ggplot(df, aes(mpg, cyl)) +
  geom_smooth(params=list(xseq=df$mpg)) -> gg

## Find the points within bounds
bounds <- ggplot_build(gg)[[1]][[1]]
df$inside <- with(df, bounds$ymin < cyl & bounds$ymax > cyl)

## Add the points
gg + geom_point(data=df, aes(color=inside)) + theme_bw()

enter image description here