我想为各种预测模型绘制图表。
当我在加载 ggplot2 后使用自动绘图时，绘图显示如下：
autoplot(m_hw1_ff)
我还想为训练和测试数据添加拟合线。为此，我使用以下代码：
autoplot(m_hw1_ff) +
geom_line(aes(y=m_reg1_ff$fitted), col = "green") +
geom_line(data=test_ts_data, aes(y=test_ts_data), col = "red")
刚刚加载 ggplot2 后运行上述代码时，会出现以下错误：
Error in order(data$PANEL, data$group, data$x) :
argument 3 is not a vector
在参考了这个问题的评论和答案后，我也加载了 ggfortify 包。
之后代码工作正常，训练和测试数据的拟合线被完美绘制。然而，之前为蓝色的阴影区域（Lo 80、Hi 80、Lo 95 和 Hi 95 的深色和浅色）已完全变为灰色，如下图所示：
我希望阴影区域出现在第一张图中。
您的代码有几个问题。
第一个图是使用
forecast:::autoplot.forecast
包中对象的autplot方法forecastforecast
当你加载ggforitify它被掩盖：
ggfortify:::autoplot.forecast
这就是为什么情节表现不同的原因。
我的建议是将预测对象转换为数据帧并使用 ggplot 绘图。这将允许更高级别的定制。例子：
library(forecast)
library(ggfortify)
d.arima <- auto.arima(AirPassengers)
d.forecast <- forecast(d.arima, h = 50)
创建用于绘图的数据框：
for_plot <- ggfortify:::fortify.forecast(d.forecast,
ts.connect = TRUE)
你也可以这样做：
for_plot <- fortify(d.forecast,
ts.connect = TRUE)
加载后ggfortify。
我只是按上面写的，所以你会明白什么叫。
该for_plot对象是一个数据框，而不是 ggplot 喜欢的长格式。也不是对转换为 long 友好的格式，但它是易于管理的：
未转换为长格式的示例（ggplot 异端方式）：
ggplot(data = for_plot) +
geom_line(aes(x= Index, y = Data, color = "raw")) +
geom_line(aes(x= Index, y = Fitted, color = "fitted")) +
geom_line(aes(x= Index, y = `Point Forecast`, color = "point forecast")) +
geom_ribbon(aes(x= Index, ymin = `Lo 80`, ymax = `Hi 80`, fill = "80"), alpha = 0.2) +
geom_ribbon(aes(x= Index, ymin = `Lo 95`, ymax = `Hi 95`, fill = "95"), alpha = 0.2) +
scale_fill_manual("what", values = c("blue", "dodgerblue"))+
scale_color_manual("why", values = c("blue", "red", "green"))
ggplot 方式将包括将数据吐出到两个数据帧，一个用于绘制功能区，另一个用于绘制线条，将每个数据转换为长格式，然后进行绘图。像这样的东西：
library(tidyverse)
for_plot_lines <- for_plot %>%
gather(key, value, 2:4) %>%
select(key, value, Index)
for_plot %>%
filter(!is.na(`Point Forecast`)) %>%
gather(Lo, ymin, c("Lo 80", "Lo 95")) %>%
gather(Hi, ymax, c("Hi 80", "Hi 95")) -> for_plot_ribbon
ggplot(data = for_plot_lines) +
geom_line(aes(x= Index, y = value, color = key)) +
geom_ribbon(data = for_plot_ribbon,
aes(x= Index, ymin = ymin, ymax = ymax, fill = Hi), alpha = 0.2)
