Nano Hash - криптовалюты, майнинг, программирование

Р | Метки внутри графика временных рядов

Я хочу построить метку (средняя температура и скорость ветра) на графике временных рядов. Моя попытка отлично работает с форматами времени по оси x. Но как только я хочу построить это таким образом, я получаю сообщение об ошибке:

Неверный ввод: time_trans работает только с объектами класса POSIXct

Пример:

library(ggplot2)  
library(dplyr) 
library(glue) 
library(ggtext)     

set.seed(1700)

  
df <- data.frame(Time = seq(as.POSIXct("2012-01-01"),
                            as.POSIXct("2012-01-02"), 
                            by=(30*60)), 
                 Temp = runif(49, min=10, max=15),
                 Windsp = runif(49, min=1, max=5),  
                 Prec = runif(49, min=0, max=3))


df_label <- df  %>%
  summarize(Tmean = mean(Temp),
            Ws_mean = mean(Windsp)) %>%
  mutate(posx = 1, posy = 3,
    label = glue("Tmean = {round(Tmean, 3)} °C <br> Ws_mean = {round(Ws_mean, 3)} m/s"))  
  


ggplot(df, aes(x = Time, y = Prec)) + 
  geom_line(size = 1.5) + 
  scale_x_datetime(breaks = "2 hour",
                   minor_breaks = "1 hour",
                   date_labels = "%H:%M") +
  scale_y_continuous(breaks=seq(0,3.5,0.5)) +
  geom_richtext(
    data = df_label,
    aes(posx, posy, label = label),
    hjust = 0, vjust = 0,
    size = 3,
    # remove label background and outline
    fill = "white", label.color = "black")

Я точно уверен

posx = 1, posy = 4,

вызывает проблему, но я не знаю, как их заменить.

r time-series plot
11.08.2020

Ответы:


1

Решение гораздо проще, чем кажется. Если ось x находится в шкале даты и времени, а posx должна быть 1-й позицией в этой шкале, установите

posx = as.POSIXct("2012-01-01")

в инструкции mutate. Это значение является 1-м значением в df$Time, созданным ранее. Альтернативой, используемой ниже, будет posx = df$Time[1].

Я также изменил настройку vjust. Полный код теперь

library(tidyverse)
library(glue)
library(ggtext)

set.seed(1700)

df <- data.frame(Time = seq(as.POSIXct("2012-01-01"),
                            as.POSIXct("2012-01-02"),
                            by=(30*60)),
                 Temp = runif(49, min=10, max=15),
                 Windsp = runif(49, min=1, max=5),
                 Prec = runif(49, min=0, max=3))


df_label <- df  %>%
  summarize(Tmean = mean(Temp),
            Ws_mean = mean(Windsp)) %>%
  mutate(
    posx = df$Time[1], posy = 3,
    label = glue("Tmean = {round(Tmean, 3)} °C <br> Ws_mean = {round(Ws_mean, 3)} m/s"))


ggplot(df, aes(x = Time, y = Prec)) +
  geom_line(size = 1.5) +
  scale_x_datetime(breaks = "2 hour",
                   minor_breaks = "1 hour",
                   date_labels = "%H:%M") +
  scale_y_continuous(breaks=seq(0,3.5,0.5)) +
  geom_richtext(
    data = df_label,
    aes(posx, posy, label = label),
    hjust = 0, vjust = 0.5,
    size = 3,
    # remove label background and outline
    fill = "white", label.color = "black")

введите здесь описание изображения

11.08.2020
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..