变异系数的最佳绘图或图表？ [关闭]答案

【问题标题】：BEST plot or graph for coefficient of variation? [closed]变异系数的最佳绘图或图表？ [关闭]
【发布时间】：2017-05-21 19:28:17
【问题描述】：

就像标题所说...如果我有很多不同的简历，我可以使用什么图表/情节，我们如何解释？还有在 R ofc 中执行此操作的代码是什么

【问题讨论】：

标签： r plot graph coefficients variation

【解决方案1】：

考虑以下具有标准差和 CV 的 50 个均值集：

df <- structure(list(sigmas = c(10.1, 6.1, 8.5, 13.9, 1.7, 4.5, 5.5, 
5.4, 12.3, 8.6, 13, 11.4, 2.3, 11.9, 7.2, 8.6, 1, 5.3, 8, 16.7, 
17.3, 12.3, 15.5, 7.1, 8.1, 14.1, 16.8, 4.8, 15.4, 7.1, 10.7, 
1.9, 3.4, 18, 8.5, 15, 16.5, 19.1, 13.7, 10, 5.5, 4.6, 0.3, 14.6, 
5, 3.2, 0.3, 9.7, 2.1, 16), means = c(103.1, 190.5, 86.9, 121, 
78.7, 137.5, 118.9, 120.1, 110, 125.8, 54.8, 67.2, 120.3, 109.5, 
175, 164.2, 136, 117.1, 62.6, 82.9, 61.3, 130.2, 146.2, 128.9, 
55.9, 131.9, 105.9, 194.2, 88.6, 81.2, 179.2, 119.7, 83.4, 143.5, 
80.5, 53, 169.7, 91.1, 75, 75.5, 123.3, 156.7, 138.8, 127.6, 
107.2, 175.2, 87.4, 131.1, 161.6, 54.5), CVs = c(0.098, 0.032, 
0.098, 0.115, 0.022, 0.033, 0.046, 0.045, 0.112, 0.068, 0.237, 
0.17, 0.019, 0.109, 0.041, 0.052, 0.007, 0.045, 0.128, 0.201, 
0.282, 0.094, 0.106, 0.055, 0.145, 0.107, 0.159, 0.025, 0.174, 
0.087, 0.06, 0.016, 0.041, 0.125, 0.106, 0.283, 0.097, 0.21, 
0.183, 0.132, 0.045, 0.029, 0.002, 0.114, 0.047, 0.018, 0.003, 
0.074, 0.013, 0.294)), .Names = c("sigmas", "means", "CVs"), row.names = c(NA, 
-50L), class = "data.frame")

一个简单但信息丰富的图表可以是以下“mean-sd-CV”散点图：

library(ggplot2)
ggplot(aes(x=means, y=sigmas, col=CVs, size=CVs), data=df) + geom_point()

希望对你有帮助。

【讨论】：

如果我的数据框没有平均值和标准差怎么办？我应该只用 sds、means 和 cvs 制作一个新的数据框吗？
如果您喜欢我的回答中包含的想法，您应该生成一个包含均值、sds 和 CV 的数据框。无论如何，如果您需要更好的帮助，您应该提供有关您的问题和数据的更多详细信息。
thnx ...你是最棒的
这可以在 Python 中完成吗？

【解决方案2】：

CV 通常用于比较估计值的准确性，这些估计值具有非常不同的平均值，例如生物测定中的平均信号值。如果这是你的情况，这个情节（受 Marco 的代码启发）可能会很好。它还暗示了 CV 如何随着注意力系统地发生变化。

d <- data.frame(conc = rep(c(1, 2, 4, 8, 16), 2), 
                run = factor(c(rep(1, 5), rep(2, 5))), 
                CV = c(1.7, 1.8, 1.3, 1.4, 1.5, 1.9, 1.6, 1.2, 0.9, 1.3))

ggplot(aes(x = conc, y = CV, col = run), data = d) + 
    geom_point()

【讨论】：

不错的发帖替代方法