Question

我正在尝试使用ggplot在一个时间序列中绘制多个趋势线（每十年）。

以下是数据：

dat <- structure(list(YY = 1961:2010, a = c(98L, 76L, 83L, 89L, 120L, 
107L, 83L, 83L, 92L, 104L, 98L, 91L, 81L, 69L, 86L, 76L, 85L, 
86L, 70L, 81L, 77L, 89L, 60L, 80L, 94L, 66L, 77L, 85L, 77L, 80L, 
79L, 79L, 65L, 70L, 80L, 87L, 84L, 67L, 106L, 129L, 95L, 79L, 
67L, 105L, 118L, 85L, 86L, 103L, 97L, 106L)), .Names = c("YY", 
"a"), row.names = c(NA, -50L), class = "data.frame")

这是脚本：

p <- ggplot(dat, aes(x = YY))
p <- p + geom_line(aes(y=a),colour="blue",lwd=1)
p <- p + geom_point(aes(y=a),colour="blue",size=2)

p <- p + theme(panel.background=element_rect(fill="white"),
         plot.margin = unit(c(0.5,0.5,0.5,0.5),"cm"),
         panel.border=element_rect(colour="black",fill=NA,size=1),
         axis.line.x=element_line(colour="black"),
         axis.line.y=element_line(colour="black"),
         axis.text=element_text(size=15,colour="black",family="serif"),
         axis.title=element_text(size=15,colour="black",family="serif"),
         legend.position = "top")

p <- p + scale_x_discrete(limits = c(seq(1961,2010,5)),expand=c(0,0))

p <- p + geom_smooth(data=dat[1:10,],aes(x=YY,y=a),method="lm",se=FALSE,color="black",formula=y~x,linetype="dashed")

p <- p + geom_smooth(data=dat[11:20,],aes(x=YY,y=a),method="lm",se=FALSE,color="black",formula=y~x,linetype="dashed")

p <- p + geom_smooth(data=dat[21:30,],aes(x=YY,y=a),method="lm",se=FALSE,color="black",formula=y~x,linetype="dashed")

p <- p + geom_smooth(data=dat[31:40,],aes(x=YY,y=a),method="lm",se=FALSE,color="black",formula=y~x,linetype="dashed")

p <- p + geom_smooth(data=dat[41:50,],aes(x=YY,y=a),method="lm",se=FALSE,color="black",formula=y~x,linetype="dashed")

p <- p + labs(x="Year",y="Number of Days")
outImg <- paste0("test",".png")
ggsave(outImg,p,width=8,height=5)

这是生成的图像：

我要/问题

我想提取斜率并将其添加到图中的趋势线上。如何从geom_smooth（）中提取每条线的斜率？
当前，我正在逐一绘制趋势线。我想知道是否存在一种可调整时间窗口的有效方法。例如，假设我要绘制每5年的趋势线。在上图中的时间窗口为10。
假设我只想绘制显着的趋势线（即p值<0.05，null：没有趋势或斜率等于0），是否可以使用geom_smooth（）实现？

我将不胜感激。

Answer 1

因此，在将数据通过管道传输到ggplot2之前，这些任务中的每一个都得到了最好的处理，但是使用tidyverse的其他一些软件包，它们都变得相当容易。

从问题1和问题2开始：

尽管ggplot2可以绘制回归线，但要提取估计的斜率系数，您需要显式使用lm()对象。使用group_by()和mutate()，您可以添加分组变量（例如，我的下面的代码仅对5年组进行此操作），然后仅将斜率估算值提取并提取到现有数据框中的列中。然后可以使用geom_text()调用将这些斜率估计值绘制在ggplot中。我在下面以一种快速而肮脏的方式进行了此操作（将每个标签放置在它们回归的x和y值的平均值处），但是您可以在数据框中指定它们的确切位置。

分组变量和数据准备也使问题2变得轻而易举：既然您已经在数据框中明确地有了分组变量，就无需一一画出了，geom_smooth()接受了group的美感。

此外，要回答问题3，您可以从lm对象的摘要中提取pvalue并仅过滤出对您关心的级别有意义的那些pvalue。如果将现在完整的数据框传递给geom_smooth()和geom_text()，您将得到想要的绘图！

library(tidyverse)

 # set up our base plot
 p <- ggplot(dat, aes(x = YY, y = a)) +
  geom_line(colour = "blue", lwd = 1) +
  geom_point(colour = "blue", size = 2) +
  theme(
    panel.background = element_rect(fill = "white"),
    plot.margin = unit(c(0.5, 0.5, 0.5, 0.5), "cm"),
    panel.border = element_rect(colour = "black", fill = NA, size = 1),
    axis.line.x = element_line(colour = "black"),
    axis.line.y = element_line(colour = "black"),
    axis.text = element_text(size = 15, colour = "black", family = "serif"),
    axis.title = element_text(size = 15, colour = "black", family = "serif"),
    legend.position = "top"
  ) +
  scale_x_discrete(limits = c(seq(1961, 2010, 5)), expand = c(0, 0))

# add a grouping variable (or many!)
 prep5 <- dat %>%
  mutate(group5 = rep(1:10, each = 5)) %>%
  group_by(group5) %>%
  mutate(
    slope = round(lm(YY ~ a)$coefficients[2], 2),
    significance = summary(lm(YY ~ a))$coefficients[2, 4],
    x = mean(YY),   # x coordinate for slope label
    y = mean(a)     # y coordinate for slope label
  ) %>%
  filter(significance < .2)   # only keep those with a pvalue < .2 

p + geom_smooth(
  data = prep5, aes(x = YY, y = a, group = group5),  # grouping variable does the plots for us!
  method = "lm", se = FALSE, color = "black",
  formula = y ~ x, linetype = "dashed"
) +
  geom_text(
    data = prep5, aes(x = x, y = y, label = slope),
    nudge_y = 12, nudge_x = -1
  )

现在，在指定文本标签的位置时，您可能要比我在这里要小心一些。我使用了均值和nudge_*的{{1}}参数来做一个简单的例子，但是请记住，因为这些值被显式映射到x和y坐标，所以您可以完全控制！

由reprex package（v0.2.0）于2018-07-16创建。

从geom_smooth（）

1 个答案: