1. ggplot拟合曲线
根据钻石的切割和价格作图,按切割的好坏分组。 用geom_smooth函数拟合数据,选择局部线性回归loess作为拟合方法,黑色曲线为回归曲线。
库(gg plot2) ) ) ) ) ) )。
p
Facet_grid(.~cut ) geom _ smooth (color=' black ',method='loess ',se=F ) ) ) ) ) ) )
p
_1539848669_1351126368.png
2 .提取数据
提取制图数据,得到list。 每个层的数据都是元素之一。
plot_data
dot_data
line_data
_1539849029_888783598.png
从数据量来看,绘图数据比原始数据简单得多。
_1539850057_1328959586.png
与predict拟合函数的比较
利用predict函数,根据自变量所遵循的烧鹅、变形量price进行loess回归预测。 然后以追求的烧鹅为变量,利用回归函数计算预测价格。
smooth_vals
结果
gplot(data=result,AES ) x=被驱赶的烧鹅,y=price,color=cut ) )
geom_line(AES(y=smooth_vals ),size=1) ) ) )。
Facet_grid(.~cut ) ) )。
geom_smooth(method='loess ',se=F,color='black ' )
比较用ggplot拟合制作的曲线(黑)和用loess函数拟合制作的曲线发现,后面的4组几乎重合。 第一组不知道为什么稍微偏移了一点。
_1539849806_2037166701.png
4 .总结
ggplot的loess拟合和loess拟合函数给出的曲线趋势一致。
但是,ggplot的预测数据只能从制图数据中提取,不仅与x轴和y轴的坐标相对应,而且与原始数据相比要少很多。
loess函数的预测结果适用于后续分析,但如果数据量大,则计算会花费时间。