使用来自另一个数据帧的数据子集数据帧

Question

我有一个散点图，我希望能够过滤该散点图的数据。

您在这张图片中看到了四个地块。 1) 中间绿色曲线，2) 上黑色曲线，3) 下黑色曲线，4) 蓝色散点图。

我以数据框的形式拥有所有这些：

蓝色散点图：

df <- mtcars
geom_point(df, aes(x,y), color = 'blue')

绿色曲线：

geom_smooth(formula=y~x, method='loess', color='green3', se=FALSE, size=0.5)

上曲线：

geom_smooth(formula=y+1~x, method='loess', color='gray20', se=FALSE, size=0.5)

下曲线

geom_smooth(formula=y-1~x, method='loess', color='gray20', se=FALSE, size=0.5)

我想用黑色曲线过滤蓝色数据点，这样只有蓝色数据点应该在这两条黑色线之间，并且应该删除异常值。

我尝试使用which、filter、Subset 函数。但是，它不起作用，它没有呈现我想要的输出。

最后，我想要位于这两条黑线之间的散点数据。

Answer 1

虽然我们没有您的特定数据集，但这里有一种基于使用 mtcars 数据集的方法。首先，让我们画一个类似于 OP 分享的图：

df <- mtcars

ggplot(df, aes(disp, mpg)) + theme_bw() +
  geom_point(color='gray60') +
  geom_smooth(formula=y~x, method='loess', color='green3', se=FALSE, size=0.5) +
  geom_smooth(formula=y+1~x, method='loess', color='gray20', se=FALSE, size=0.5) +
  geom_smooth(formula=y-1~x, method='loess', color='gray20', se=FALSE, size=0.5)

如您所见，上行和下行分别是通过在公式的 y 值上添加 +1 或 -1 来创建的。

我们在这里采用的方法是为数据集中的每个 x 值（df$mpg 的每个值）定义使用 loess() 方法预测的“上”和“下”线。然后，我们可以使用这些值与每个给定 df$mpg 的实际值 df$disp 进行比较，以确定它是在“内部”还是“外部”这些限制。

一、上下线的公式，以及上下值的预测：

fla_upper <- loess(formula=mpg+1 ~ disp, mtcars)
fla_lower <- loess(formula=mpg-1 ~ disp, mtcars)

df$upper <- predict(fla_upper, newdata=df)
df$lower <- predict(fla_lower, newdata=df)

现在我们可以创建一个df$region 列来描述每个点在数据集中的位置：

df$region <- ifelse(df$mpg <= df$upper & df$mpg >= df$lower, 'inside','outside')

最后，要创建情节，我们可以使用df$region 来进行颜色美学。我还在这里明确定义了美学的颜色，因为默认配色方案不能清楚地说明这一点：

ggplot(df, aes(disp, mpg)) + theme_bw() +
  geom_point(aes(color=region)) +
  geom_smooth(formula=y~x, method='loess', color='green3', se=FALSE, size=0.5) +
  geom_smooth(formula=y+1~x, method='loess', color='gray20', se=FALSE, size=0.5) +
  geom_smooth(formula=y-1~x, method='loess', color='gray20', se=FALSE, size=0.5) +
  scale_color_manual(values=c('inside'='red', 'outside'='gray80'))

要完全过滤掉那些“外部”点，您可以使用subset() 并将其应用于geom_point() 数据字段：

ggplot(df, aes(disp, mpg)) + theme_bw() +
  geom_point(data=subset(df, region=='inside'), color='red') +
  geom_smooth(formula=y~x, method='loess', color='green3', se=FALSE, size=0.5) +
  geom_smooth(formula=y+1~x, method='loess', color='gray20', se=FALSE, size=0.5) +
  geom_smooth(formula=y-1~x, method='loess', color='gray20', se=FALSE, size=0.5)

现在，在应用到您自己的数据时，您可以使用类似的方法。但是，您定义了绘制上线和下线，只需将该公式应用于数据集中的 x 值即可创建“上”和“下”区域。然后将实际的 y 值与预测的上限和下限进行比较。