R | ggplot: Regression Line & Grouping

這篇要講的是在圖上加趨勢線(regression line)和 grouping。需要用到下面的東西，先安裝吧。

library(ggplot2) library(nlme) library(dplyr) library(gapminder)

重新開 R Studio 的話，要重跑一次 ggplot2，不然會顯示沒有這個 function。

課堂講義請參考這篇：R Graphics with Ggplot2 - Day2

加趨勢線用的是： geom_smooth()

geom_smooth() 預設的方法(method)是 loess，也就是 Local Polynomial Regression Fitting。

下面先比較檔案資料 mpg 裡面的參數 hwy 和 displ 的關係。

#1

ggplot(mpg, aes(displ, hwy)) +             geom_point() + geom_smooth()

灰色的部分是 confidence intervals (CI)，如果不想要的話，就加 se = FALSE。

ggplot(mpg, aes(displ, hwy)) +             geom_point() +             geom_smooth(se = FALSE)

如果你想要的是 liner regression (lm)，可以加： method = "lm" 

加了 method 的話就會覆蓋住(override)原本預設的 loess，如果沒加的話，呈現的就是預設的 loess。

#2

ggplot(mpg, aes(displ, hwy)) + geom_point() +                                geom_smooth(method = "lm")

另外還有 robust linear regression (rlm)，但這個需要裝 library(MASS)。

ggplot(mpg, aes(displ, hwy)) + geom_point() +                                geom_smooth(method = "rlm")

在這裡解釋一下，這些圖的語法可以把它分成兩層來想，第一層是 ggplot()，第二層是 geom_point() 和 geom_smooth()。第二層的 geom_smooth 跟 geom_point 同樣是獨立的，可以分開用，也可以合在一起用，所以兩個的 y-axis 用的 variables 可以不一樣。在第二層裡設的東西會覆蓋住第一層的。

在上面的例子裡，第二層的 variables 都沒有另外指定，所以都是第一層裡設的 y-axis，也就是 hwy，圖裡呈現的趨勢線也是依照 hwy 的數據畫出來的。但是，趨勢線也可以設定為另外的 variable。

在下面的例子裡，我們把第二層用不同的 variables 設定，點的部分用 cyl 分組以不同顏色顯示（在這邊把 cyl 設成 factor，不懂的話請看上篇），然後趨勢線設成 cty 的。

#3

ggplot(mpg, aes(displ, hwy)) +             geom_point(aes(colour = factor(cyl))) +             geom_smooth(aes(y = cty))

上圖顯示的點是依照 cyl 分不同顏色，但趨勢線是依照 cty 畫的。（可以和圖 #1 做比較）

如果把 factor 設在第一層 ggplot()，那點圖和趨勢線沒特別設定的話，會依第一層的分組，例如下面的點和趨勢線都是照 cyl 分成四種，但趨勢線的 y 設定為 cty 覆蓋了第一層的 hwy，所以是 cty 的現，而不是 hwy 的線。

#4

ggplot(mpg, aes(displ, hwy, colour = factor(cyl))) +             geom_point() +             geom_smooth(aes(y = cty))

想要更清楚分層的話，可以把第一層 ggplot() 設為一個 object，其他的再加在後面。

例如，可以把：

ggplot(mpg, aes(displ, hwy)) +             geom_point(aes(colour = factor(cyl))) +             geom_smooth(method = "lm")

變成這樣：

#5

p1 <- ggplot(mpg, aes(displ, hwy)) p1 + geom_point(aes(colour = factor(cyl))) +      geom_smooth(method = "lm")

在這個例子裡，p1 只有最基本 x 和 y 軸有設定，其他的部分再另外加，例如在點的部分用 factor 的參數以不同顏色分組，上圖的參數是 cyl。因為加的部分是獨立的，所以在點設的不會影響到趨勢線的，趨勢線的部分因為沒設，所以還是依照第一層(p1)的，也就是 hwy。如果在 geom_smooth 那邊用 factor 設定顏色的話，趨勢線就會依 factor 分組，線也會跟著 factor 換顏色。

#6

p1 + geom_point(aes(colour = factor(cyl))) +      geom_smooth(aes(colour = factor(cyl)), method = "lm")

我們把點的設定拿掉，看看會變成怎樣。

#7

p1 + geom_point() +      geom_smooth(aes(colour = factor(cyl)), method = "lm")

和圖六比較，有發現什麼不同嗎？圖六因為點也是依照 cyl 分顏色的，所以有 4, 5, 6, 7 四組，但是因為 5 的部分只有兩個點，所以其實沒有線的部分，當你把點的設定拿掉只剩趨勢線時，cyl 裡面 5 的那個就消失了。

我們再跳回圖 #6，如果圖 #6 沒設成 linear regression 的話，就是這樣：

#8

p1 + geom_point(aes(colour = factor(cyl))) +      geom_smooth(aes(colour = factor(cyl)))

因為圖 #6 和圖 #8 在點和趨勢線的部分都有設 colour = factor(cyl)，我們可以把第一層設成這樣：

p2 <- ggplot(mpg, aes(displ, hwy, colour = factor(cyl)) p2 + geom_point() +      geom_smooth()

可以和圖 #4 相比較，圖四的趨勢線是設 cty 而不是 hwy，而圖 #8 因為沒在第二層 geom_smooth 指定另外的 variable，所以是依照第一層(p1)的 hwy 畫的趨勢線。

第四張圖如果同樣分層的話，會設成這樣：

p2 <- ggplot(mpg, aes(displ, hwy, colour = factor(cyl))) p2 + geom_point() +      geom_smooth(aes(y = cty))

看出來了嗎？這樣分層比較有沒有比較清楚了呢？

如果你想改趨勢線的顏色，跟前一篇介紹的一樣，要用 color = ' ' 。

#9

p2 + geom_point() +      geom_smooth(method = "lm", color = 'black')

在上圖中，因為把趨勢線設為黑色，所以覆蓋住第一層的 colour = factor(cyl)，因此是依照 hwy 畫出的單一趨勢線，而非照 cyl 分開畫的線。

這個情況下，也可以用 grouping 的功能畫趨勢線，出來的結果會跟上面的圖 #9 相同，不需要設線的顏色。用的語法是 group = 。

p2 + geom_point() +      geom_smooth(aes(group = 1), method = "lm")

再來，我們跳回圖 #7，如果我們想依 cyl 的參數畫趨勢線，但不想分顏色的話，也可以用 grouping 的功能。

#10

p1 + geom_point() +      geom_smooth(aes(group = factor(cyl)), method = "lm")

接著，我們試試把 p2 的顏色換成用形狀表示：shape = ()

#11

p3 <- ggplot(mpg, aes(displ, hwy, shape = factor(cyl))) p3 + geom_point() + geom_smooth(method = "lm")

用上面 p3 的設定，把趨勢線也依照 cyl 用顏色區分。

#12

p3 + geom_point() +      geom_smooth(aes(colour = factor(cyl)), method = "lm")

可以讓圖更複雜，連點都用不同的 variables 分類。XD

p3 + geom_point(aes(colour = drv)) +      geom_smooth(aes(colour = factor(cyl)), method = "lm")

最後，我們來嘗試一下繼續試一下 grouping，就是在圖。

用的檔案資料是 Oxboys，在 library(nlme) 裡面，下面比較身高和年齡的關係，然後用 Subject 來分類。

#13

ggplot(Oxboys,aes(age,height, colour = Subject)) +               geom_point()

接下來，我們要用線條把相同的 Subject 連起來，也就是把同顏色的點用線連起來，所以需要用到 geom_line()，然後用 Subject 分組。這裡跟圖 #10 同樣用 group = 。

#14

ggplot(Oxboys,aes(age,height)) +               geom_point(aes(colour = Subject)) +               geom_line(aes(group = Subject), alpha = 0.3)

geom_line() 裡面的 alpha = 0.3 是指透明度，介於 0 和 1 之間，數字越小越透明(顏色越淡)，可用在點和線，這個之後也會講到。

如果不用 group 的功能的話，可以像上面的方式一樣用 colour = 。

#15

ggplot(Oxboys,aes(age,height)) +               geom_point() +               geom_line(aes(colour = Subject), alpha = 0.6)

最後，來做個練習吧。

Using the gapminder dataset (library(gapminder)), make a line graph of life expectancy of each country over time. Colour countries by the continent.

ggplot(gapminder, aes(year, lifeExp))        geom_line(aes(color = continent), alpha = 0.3) +        geom_smooth(linetype = 2)

趨勢線的型態也可以用 linetype =  設定，有這幾種：

0 = blank, 1 = solid, 2 = dashed, 3 = dotted, 4 = dotdash, 5 = longdash, 6 = twodash

因此，也可以這樣設：geom_smooth(linetype = "dashed")