绘制所有数据点的平滑线

Question

我正在尝试绘制一条直接穿过我所有数据点的平滑线,并且具有基于另一个变量的渐变.理论上多项式插值可以完成工作,但我不确定如何使用ggplot.这是我到目前为止所提出的:

数据:

 dayofweek hour impressions conversions      cvr
         1    0     3997982       352.0 8.80e-05
         1    1     3182678       321.2 1.01e-04
         1    2     2921004       248.6 8.51e-05
         1    3     1708627       115.6 6.77e-05
         1    4     1225059        98.4 8.03e-05
         1    5     1211708        62.0 5.12e-05
         1    6     1653280       150.0 9.07e-05
         1    7     2511577       309.4 1.23e-04
         1    8     3801969       397.8 1.05e-04
         1    9     5144399       573.0 1.11e-04
         1   10     5770269       675.6 1.17e-04
         1   11     6936943       869.8 1.25e-04
         1   12     7953053       996.4 1.25e-04
         1   13     8711737      1117.8 1.28e-04
         1   14     9114872      1217.4 1.34e-04
         1   15     9257161      1155.2 1.25e-04
         1   16     8437068      1082.0 1.28e-04
         1   17     8688057      1047.2 1.21e-04
         1   18     9200450      1114.0 1.21e-04
         1   19     8494295      1086.8 1.28e-04
         1   20     9409142      1092.6 1.16e-04
         1   21    10500000      1266.8 1.21e-04
         1   22     9783073      1196.4 1.22e-04
         1   23     8225267       812.0 9.87e-05

R代码:

ggplot(d) + 
  geom_line(aes(y=impressions, x=hour, color=cvr)) +
  stat_smooth(aes(y=impressions, x=hour), method = lm, formula = y ~ poly(x, 10), se = FALSE)

所以我可以使用geom_line获得我想要的渐变但不平滑.使用stat_smooth,我得到一条平滑的线,但它不会遍历所有数据点,也没有我想要的渐变.有关如何实现这一目标的任何想法？

Answer 1

如果你希望它通过你所有的点,那么在你使用它的意义上的多项式插值可能不是最好的想法.如果它应该通过所有点,你有24个点,需要23阶的多项式.我似乎无法使用poly学位23,但使用较低程度已足以告诉你,为什么这不起作用:

ggplot(d) + 
  geom_point(aes(x = hour, y = impressions, colour = cvr), size = 3) +
  stat_smooth(aes(x = hour, y = impressions), method = "lm",
              formula = y ~ poly(x, 21), se = FALSE) +
  coord_cartesian(ylim = c(0, 1.5e7))

这或多或少地经历了所有点(如果我设法使用更高阶的多项式,它确实会这样做),但是否则它可能不是你想要的那种平滑曲线.更好的选择是使用样条插值.这也是使用多项式的插值,但它不使用一个(如您所尝试的),而是使用多个.它们被强制执行以使曲线连续的方式遍历所有数据点.

据我所知,这不能用ggplot直接完成,但可以使用ggalt::geom_xspline.

在这里,我展示了一个base解决方案,其中样条插值是在单独的步骤中生成的:

spline_int <- as.data.frame(spline(d$hour, d$impressions))

你需要as.data.frame因为spline返回一个列表.现在您可以使用以下内容中的新数据geom_line():

ggplot(d) + 
  geom_point(aes(x = hour, y = impressions, colour = cvr), size = 3) +
  geom_line(data = spline_int, aes(x = x, y = y))