Отображение уравнения модели nls с ggpmisc

Question

R пакет ggpmisc может быть использован, чтобы показать уравнение lm модель и poly модель на ggplot2 ( Смотрите здесь для справки). Интересно, как показать nls результаты модельного уравнения на ggplot2 с помощью ggmisc, Ниже мой MWE.

library(ggpmisc)
args <- list(formula = y ~ k * e ^ x,
             start = list(k = 1, e = 2))
ggplot(mtcars, aes(wt, mpg)) +
  geom_point() +
  stat_fit_augment(method = "nls",
                   method.args = args)

Answer 1

Вдохновленный постом, который вы связали. использование geom_text добавить метку после извлечения параметров.

nlsFit <-
  nls(formula = mpg ~ k * e ^ wt,
      start = list(k = 1, e = 2),
      data = mtcars)

nlsParams <-
  nlsFit$m$getAllPars()

nlsEqn <-
  substitute(italic(y) == k %.% e ^ italic(x), 
             list(k = format(nlsParams['k'], digits = 4), 
                  e = format(nlsParams['e'], digits = 2)))

nlsTxt <-
  as.character(as.expression(nlsEqn))

ggplot(mtcars, aes(wt, mpg)) +
  geom_point() +
  stat_fit_augment(method = "nls",
                   method.args = args) + 
  geom_text(x = 5, y = 30, label = nlsTxt, parse = TRUE)

Answer 2

Также можно добавить уравнение, используя пакет 'ggpmisc', собрав строку символов для анализа с помощьюpaste()или . В этом ответе я буду использовать . Я отвечаю на вопрос, используя пример, который он включил. Я не показываю это в этом ответе, но этот подход поддерживает группировку и аспекты. Недостатком является то, что модель подгоняется дважды: один раз для построения подогнанной линии и один раз для добавления уравнения.

Чтобы найти имена переменных, возвращаемыхstat_fit_tidy()Я использовал из пакета 'gginnards', хотя имена, даже если они зависят от формулы и метода модели, довольно легко предсказать. Вместо добавления слоя графикаgeom_debug()эхоdataввод в консоль R. Затем, когда мы знаем имена переменных, которые мы хотим использовать в метке, мы можем собрать строку для анализа как выражение R.

При сборке этикетки сsprintf()нужно убежать от%символы, которые должны быть возвращены без изменений, как%%, поэтому знак умножения%*%становится%%*%%. Возможно, и в этом случае полезно вставлять строки символов в выражение R, но нам нужно экранировать встроенные кавычки, как\".

      library(tidyverse)
library(ggpmisc)
#> Loading required package: ggpp
#> 
#> Attaching package: 'ggpp'
#> The following object is masked from 'package:ggplot2':
#> 
#>     annotate
library(gginnards)

args <- list(formula = y ~ k * e ^ x,
             start = list(k = 1, e = 2))

# we find the names of computed values
ggplot(mtcars, aes(wt, mpg)) +
  stat_fit_tidy(method = "nls",
                method.args = args,
                geom = "debug")

      #> Input 'data' to 'draw_panel()':
#>   npcx npcy k_estimate e_estimate     k_se       e_se   k_stat   e_stat
#> 1   NA   NA   49.65969  0.7455911 3.788755 0.01985924 13.10713 37.54378
#>      k_p.value    e_p.value       x      y fm.class fm.method  fm.formula
#> 1 5.963165e-14 8.861929e-27 1.70855 32.725      nls       nls y ~ k * e^x
#>   fm.formula.chr PANEL group
#> 1    y ~ k * e^x     1    -1

# plot with formula
ggplot(mtcars, aes(wt, mpg)) +
  geom_point() +
  stat_fit_augment(method = "nls",
                   method.args = args) +
  stat_fit_tidy(method = "nls",
                method.args = args,
                label.x = "right",
                label.y = "top",
                aes(label = sprintf("\"mpg\"~`=`~%.3g %%*%% %.3g^{\"wt\"}",
                                    after_stat(k_estimate),
                                    after_stat(e_estimate))),
                parse = TRUE )

^{Создано 2 сентября 2022 г. с использованием репрекса версии 2.0.2.}

Answer 3

Здесь я показал nls с группами, использующими ggpmisc для добавления к графикам, используя текущий CRAN ggpmisc (v 0.3.8). Это вариация/модификация виньетки, где 'stat_fit_tidy()' использовала подгонку michaelis-menten, найденную здесь . Вывод выглядит следующим образом:

      library(tidyverse)
library(tidymodels)
library(ggpmisc)

my_exp_formula <-  y ~ a * exp(b*x-0)
# if x has large values (i.e. >700), subtract the minimum
# see https://stackoverflow.com/a/41108403/4927395

#example with nls, shows the data returned
o <- nls(1/rate ~ a * exp(b*conc-0), data = Puromycin, start = list(a = 1, b = 2))
o
tidy(o)

ggplot(Puromycin, aes(conc, 1/rate, colour = state)) +
  geom_point() +
  geom_smooth(method = "nls", 
              formula = my_exp_formula,
              se = FALSE) +
  stat_fit_tidy(method = "nls", 
                method.args = list(formula = my_exp_formula),
                label.x = "right",
                label.y = "top",
                aes(label = paste("a~`=`~", signif(stat(a_estimate), digits = 3),
                                  "%+-%", signif(stat(a_se), digits = 2),
                                  "~~~~b~`=`~", signif(stat(b_estimate), digits = 3),
                                  "%+-%", signif(stat(b_se), digits = 2),
                                  sep = "")),
                parse = TRUE)
ggsave("exp plot.png")