r - 在R中的数据上绘制单独的曲线

Question

我有一个情节，其中每个 x 值都有 2 个 Y 值。数据也是非线性的。情节如下所示：

现在我的问题是我想将回归曲线分别拟合到其中两条曲线（上部和下部）。我知道这不是一个明确的问题，因为我手头没有唯一的识别方案，但我知道响应系统可以随机地针对相同的输入（或几乎相同的输入）以两种不同的方式运行。

数据文件可以在这里找到这里使用的标题“sigma”和“mabs_b”

完整数据集摘要：

 summary(data)
#       id            sigma             L_gal               M_gal                flux         
# Min.   :    1   Min.   :  6.214   Min.   :1.481e+06   Min.   :1.541e+08   Min.   :    10.4  
# 1st Qu.: 5118   1st Qu.: 28.438   1st Qu.:1.814e+08   1st Qu.:1.290e+10   1st Qu.:   196.7  
# Median :10236   Median : 41.542   Median :6.725e+08   Median :3.684e+10   Median :   388.0  
# Mean   :10236   Mean   : 56.599   Mean   :3.151e+09   Mean   :3.663e+11   Mean   :  2551.5  
# 3rd Qu.:15354   3rd Qu.: 65.445   3rd Qu.:2.467e+09   3rd Qu.:1.410e+11   3rd Qu.:  1227.3  
# Max.   :20471   Max.   :391.988   Max.   :3.810e+11   Max.   :2.960e+13   Max.   :733660.0  
#    fluxmax             mabs_b            flag            cstar          
# Min.   :   1.191   Min.   :-24.25   Min.   : 0.000   Min.   :0.0001578  
# 1st Qu.:   5.801   1st Qu.:-18.77   1st Qu.: 0.000   1st Qu.:3.0000000  
# Median :  10.111   Median :-17.36   Median : 0.000   Median :3.0000000  
# Mean   :  39.649   Mean   :-17.33   Mean   : 1.217   Mean   :2.5267219  
# 3rd Qu.:  26.313   3rd Qu.:-15.94   3rd Qu.: 3.000   3rd Qu.:3.0000000  
# Max.   :6600.280   Max.   :-10.72   Max.   :51.000   Max.   :3.0000000

输出head(data,20)：

subset_data = structure(list(id = 1:20, sigma = c(391.988, 379.985, 363.682, 
358.969, 362.63, 344.544, 344.544, 331.482, 332.665, 302.539, 
306.977, 287.416, 205.793, 303.279, 297.047, 273.719, 214.59, 
268.891, 291.834, 191.926), L_gal = c(3.81e+11, 3.35e+11, 2.98e+11, 
2.98e+11, 2.93e+11, 2.19e+11, 2.19e+11, 1.84e+11, 1.68e+11, 1.43e+11, 
1.42e+11, 1.12e+11, 1.05e+11, 1.03e+11, 1.02e+11, 9.27e+10, 92017300000, 
91078100000, 85536700000, 83359400000), M_gal = c(2.96e+13, 2.68e+13, 
2.23e+13, 2.05e+13, 2.21e+13, 1.99e+13, 1.99e+13, 1.78e+13, 1.94e+13, 
1.21e+13, 1.34e+13, 1.06e+13, 4.01e+12, 1.56e+13, 1.38e+13, 8.95e+12, 
5.16e+12, 8.12e+12, 1.4e+13, 3.28e+12), flux = c(156286, 129987, 
67801.2, 50110.3, 73118.6, 80827.2, 80827.2, 68568, 142348, 21194.6, 
31081.9, 17414.4, 12121.3, 167441, 81709.3, 13920.7, 51775.8, 
8185.93, 159998, 17393.7), fluxmax = c(6508.29, 4956.37, 2381.87, 
2200.22, 2986.29, 2396.81, 2396.81, 2278.94, 4875.65, 854.856, 
1264.36, 750.337, 19.7162, 6082.21, 724.639, 204.966, 281.601, 
214.372, 6304.41, 182.002), mabs_b = c(-24.2475, -24.1079, -23.9807, 
-23.9799, -23.9618, -23.6449, -23.6449, -23.4586, -23.3587, -23.1847, 
-23.1745, -22.9178, -22.8463, -22.826, -22.8183, -22.7122, -22.7042, 
-22.693, -22.6249, -22.5969), flag = c(35L, 0L, 0L, 0L, 3L, 2L, 
2L, 2L, 3L, 2L, 0L, 2L, 35L, 2L, 3L, 35L, 2L, 2L, 0L, 2L), cstar = c(0.989659, 
0.989581, 0.988048, 0.993796, 0.986398, 0.990529, 0.990529, 0.997505, 
0.995231, 0.990121, 0.986176, 0.984495, 0.0007165, 0.987469, 
0.0287568, 0.379966, 0.028632, 0.898742, 0.999391, 0.0286844)), .Names = c("id", 
"sigma", "L_gal", "M_gal", "flux", "fluxmax", "mabs_b", "flag", 
"cstar"), row.names = c(NA, 20L), class = "data.frame")

Answer 1

有两个点簇，它们之间有一个间隙。数据不包含指标。我假设您想先验地定义位于间隙上方的点应该在一组中，而位于间隙下方的点应该在另一组中。

在这种情况下，如果不自己为这两个组创建一个指示变量，恐怕就无法解决这个问题。

幸运的是，这可以使用 locator() 函数来完成。在这种情况下，该功能有效，因为两组之间存在明显差距。仍然需要使用 locator() 来跟踪一条穿过间隙的线，并检查哪些 sigma 值位于该跟踪线的上方和下方。

一旦你有了这个指标，你就可以使用任何你喜欢的拟合方法……但这是另一篇文章的问题（可能在交叉验证上）。

library('ggplot2')

d<-read.csv("SIS_TFFJ_all_sorted_R.csv")

uniq_sigma<-unique(d$sigma)

gap<-locator()

以下是我的踪迹中 gap 的内容：

> gap
$x
 [1] -24.66446 -24.45990 -24.15305 -23.74391 -23.48820 -22.82336 -22.46536 -22.12442 -21.74938 -21.40843 -21.06749 -20.70950 -20.52198 -19.89123 -20.07875 -19.31162 -18.66382 -18.25469 -17.82851
[20] -17.07842 -16.39653 -15.64645 -15.08389 -14.24858 -13.44735 -12.40747 -11.19711

$y
 [1] 346.67767 331.34710 315.20967 294.23100 277.28669 249.85305 229.68126 213.54382 194.17890 173.20024 159.48342 145.76660 136.08413 120.75357 123.98106 107.84362  92.51306  87.67183  79.60311
[20]  67.50003  58.62444  49.74885  44.10075  38.45265  30.38393  23.92896  17.47398

现在我已经估计了划分两组的线，我可以简单地检查哪些点位于线的上方和下方。

d$x_pos<-cut(d$mabs_b, gap$x)
names(gap$y)<-unique(d$x_pos)
d$y_pos<-gap$y[d$x_pos]

d$cohort<-ifelse(d$sigma>d$y_pos,'upper','lower')

最后，使用 geom_smooth() 进行模型拟合的绘图。同样，您想要适合的模型是一个完全不同的问题......更适合交叉验证的问题。

ggplot(data=d, aes(x=mabs_b, y=sigma, col=cohort, group=cohort))+geom_point()+geom_smooth(col='black')