任何人都可以在geom_smooth（）中更详细地解释preictdf（）

Question

我目前正在尝试了解geom_smooth（）背后的内容以及如何预测散点图的趋势线。在信息中说

  

“通过（当前未记录的）predictedf（）执行计算   泛型及其方法。”

所以我想知道是否有人对此有更多信息。

预先感谢

Answer 1

我写了a blog post，关于在geom_smooth中使用自定义函数可能会有所帮助。它是西班牙文，但我认为Google翻译does a decent job。

要点是，平滑功能必须将“公式”，“数据”和“权重”作为参数以及您需要的其他参数。然后，它需要返回一个对象，该对象需要具有一个使用“模型”，“ xseq”，“ se”和“级别”自变量的predictdf方法。哪里： *模型是您的平滑函数返回的对象， * xseq是x轴上用于评估模型的点序列， * se是指示是否绘制标准误差的逻辑，并且 *水平是所述标准误差的置信度。

predictdf方法应返回带有x和y列的数据帧，并可选地返回xmin和xmax（用于标准错误）。

这是一个简单的平滑函数的示例，该函数将截断序列的傅立叶变换。请注意，它忽略了传递给平滑函数或predictdf方法的大多数参数。但是，他们需要在那里。

library(ggplot2)

FFTSmooth <- function(formula, data, weights, n = 0.5) {
  f <- fft(data$y)
  keep <- c(0, seq_len(floor(length(f)/2*n)))
  keep <- c(keep + 1, length(f) - keep[keep != 0] + 1)
  f[-keep] <- 0 + 0i

  model <- list(x = data$x, pred = Re(fft(f, inverse = T))/length(f))
  class(model) <- "my_smooth"
  return(model)
}

predictdf.my_smooth <- function(model, xseq, se, level) {
  data.frame(x = model$x, y = model$pred)
}

set.seed(42)
df <- data.frame(x = seq(0, 360, length.out = 100))
df$y <- with(df, 5*cos(x*pi/180) + 3*sin(x*pi/180*3) + 1.6*rnorm(100))

ggplot(df, aes(x, y)) +
  geom_point() +
  geom_smooth(method = "FFTSmooth", method.args = list(n = 0.2))

^{由reprex package（v0.3.0）于2019-10-01创建}