1

我正在尝试使用 R 中的 lowess 方法来计算沿 x 轴不均匀分布的数据集的加权平均值。例如，前 5 个数据点是这样的，其中第一列是 x，第二列是 y。

375.0 2040.0
472.0 5538.0
510.0 4488.0
573.0 2668.0
586.0 7664.0

我在 R 中使用了以下命令：

x<-read.table(add,header=FALSE,sep="\t")
y<-lowess(x[,1],x[,2],f=0.01)
write.table(y, file = results , sep = "\t", col.names =FALSE, row.names =FALSE)

输出如下所示：

在此处输入图像描述

绿线是matlab（三三次核）中平滑函数计算的平均值，红线是R中lowess方法计算的平均线。蓝点是数据点。我找不到为什么 R 中的方法不起作用。你有什么主意吗？

这是部分数据的链接。

非常感谢你的帮助。

4

1 回答 1

2

中的平滑函数就像matlab一个过滤器，

yy = smooth(y)
yy(1) = y(1)
yy(2) = (y(1) + y(2) + y(3))/3
yy(3) = (y(1) + y(2) + y(3) + y(4) + y(5))/5  ## convolution of size 5
yy(4) = (y(2) + y(3) + y(4) + y(5) + y(6))/5

我认为最好在这里做一个简单的平滑。

这里有一些尝试使用loess，lowesss f = 0.2(1/5) 和使用smooth.spline

我正在使用 ggplot2 进行绘图（使用 geom_jitter 和一些 alpha ）

library(ggplot2)
dat <-  subset(data, V2 < 5000)
#dat <-  data
xy <- lowess(dat$V1,dat$V2,f = 0.8)
xy <- as.data.frame(do.call(cbind,xy))

p1<- ggplot(data = dat, aes(x= V1, y = V2))+
  geom_jitter(position = position_jitter(width = .2), alpha= 0.1)+
  geom_smooth()

xy <- lowess(dat$V1,dat$V2,f = 0.2)
xy <- as.data.frame(do.call(cbind,xy))
xy.smooth <- smooth.spline(dat$V1,dat$V2)
xy.smooth <- data.frame(x= xy.smooth$x,y = xy.smooth$y)

p2 <- ggplot(data = dat, aes(x= V1, y = V2))+  
  geom_jitter(position = position_jitter(width = .2), alpha= 0.1)+
  geom_line(data = xy, aes(x=x, y = y, group = 1 ), color = 'red')+
  geom_line(data = xy.smooth, aes(x=x, y = y, group = 1 ), color = 'blue')

library(gridExtra)               
grid.arrange(p1,p2)

在此处输入图像描述

于 2013-02-04T15:37:00.007 回答