使用ggplot在R中正确显示置信区间

Question

我试图制作一个图表，代表2个测量值（prr和ebgm），用于按年龄类别分组的不同药物的不同不良反应，如下所示：

library(ggplot2)
strata <- factor(c("Neonates", "Infants", "Children", "Adolescents", "Pediatrics"), levels=c("Neonates", "Infants", "Children", "Adolescents", "Pediatrics"), order=T)
Data  <- data.frame(
                strata = sample(strata, 200, replace=T),
                drug=sample(c("ibuprofen", "clarithromycin", "fluticasone"), 200, replace=T), #20 de medicamente
                reaction=sample(c("Liver Injury", "Sepsis", "Acute renal failure", "Anaphylaxis"), 200, replace=T),
                measurement=sample(c("prr", "EBGM"), 200, replace=T),
                value_measurement=sample(runif(16), 200, replace=T),
                lower_CI=sample(runif(6), 200, replace=T),
                upper_CI=sample(runif(5), 200, replace=T)
                )

g <- ggplot(Data, aes(x=strata, y=value_measurement, fill=measurement, group=measurement))+
    geom_histogram(stat="identity", position="dodge")+
    facet_wrap(~reaction)+
    geom_errorbar(aes(x=strata, ymax=upper_CI, ymin=lower_CI), position="dodge", stat="identity")

ggsave(file="meh.png", plot=g)

上限和下限CI是测量的置信区间限制。鉴于每次测量我都有一个置信区间，我希望正确的直方图具有相应的置信区间，但我得到的是以下内容。

图表：

任何想法如何正确地放置那些讨厌的conf间隔？谢谢！

后期编辑：在给定药物的原始数据中，我有许多行，每行包含不良反应，年龄类别和每个类别都有2个测量值：prr或EBGM和相应的置信区间。这没有反映在数据模拟中。

Answer 1

问题在于，您的每个条形图实际上都是多个条形图，因为对于reaction，strata和{{1}的每个组合，您有多行数据}。 （出于同样的原因，你会得到多个错误条。）

您可以在下面的代码中看到这一点，我已将measurement更改为geom_histogram并添加geom_bar和alpha=0.3以显示多个重叠栏。我还评论了错误栏。

colour="grey40"

您可以通过在数据中添加另一列来添加分组类别来解决此问题，您可以通过该列分隔这些条。例如，在下面的代码中，我们添加了一个名为ggplot(Data, aes(x=strata, y=value_measurement, fill=measurement, group=measurement)) + geom_bar(stat="identity", position="dodge", alpha=0.3, colour="grey40") + facet_wrap(~reaction) #+ # geom_errorbar(aes(x=strata, ymax=upper_CI, ymin=lower_CI), # position="dodge", stat="identity") 的新列，它只为count和reaction的每个组合中的每一行数据分配数字1到n。我们按strata排序，以便每个测量类型将以measurement顺序保存在一起。

count

现在绘制数据：

library(dplyr) 

Data = Data %>% group_by(reaction, strata) %>%
  arrange(measurement) %>%
  mutate(count = 1:n()) 

现在你可以看到单独的条形图，以及它们的误差条（这很奇怪，但只是因为它们是假数据）。