Nano Hash - криптовалюты, майнинг, программирование

Проблемы с вводом или ошибка, нет гистограммы, нет ggplot2 и отдельные ядра по группам

Вы пытаетесь ввести не все столбцы гистограммы в качестве стандартных ошибок, однако, чтобы вычислить ошибки отдельно и ввести функцию geom_errorbar, иначе она не выполняется. Как я могу решить?

Данные: https://drive.google.com/file/d/1yEdaGMm987mRsV2LJw6A3_kmapl1zFTt/view?usp=sharing

library(RColorBrewer)
library(ggplot2)

dados4$VARIAVEIS = as.factor(dados4$VARIAVEIS)
dados4$PERIODO = as.factor(dados4$PERIODO)
dados4$GRUPOS  = as.factor(dados4$GRUPOS)

errors <- dados4 %>%
  group_by(VARIAVEIS:GRUPOS) %>%
  summarise(mean = mean(Resposta), 
            sd = sd(Resposta),
            sem = sd(Resposta)/sqrt(length(Resposta)))

gap3 <- aggregate(Resposta ~ VARIAVEIS + PERIODO + GRUPOS + errors, data=dados4, FUN=mean)

graf2=ggplot(gap3, aes(x = VARIAVEIS, y = Resposta, fill = factor(PERIODO))) +
  geom_col(position = "dodge") + facet_grid(~ GRUPOS) + theme(strip.text.x=element_text(size = 15)) +
  labs(title = "",
       x = "Variáveis",
       y = expression(paste('Comprimentos e Diâmetros'," ",'(',mu, m,')')),
       fill = "Períodos") +
theme(legend.title = element_text(size = 15),legend.text = element_text(size = 15),
      axis.text.x = element_text(color = "black", hjust=1),
      axis.title = element_text(size = 15),
      axis.text = element_text(size = 12)) 
graf2+scale_fill_manual(values=c("#DE2D26", "#4D4D4D","#FB6A4A","black"))
r plot bar-chart ggplot2 graphics
11.12.2020

Ответы:


1

Попробуйте этот подход, будьте осторожны с тем, что вы собираете, и попытайтесь интегрировать в один фрейм данных все переменные:

library(RColorBrewer)
library(ggplot2)
library(dplyr)
#Load data
dados4 <- read.csv('DADOSGRAPHBARRA.csv',stringsAsFactors = F,sep=';')

dados4$VARIAVEIS = as.factor(dados4$VARIAVEIS)
dados4$PERIODO = as.factor(dados4$PERIODO)
dados4$GRUPOS  = as.factor(dados4$GRUPOS)
#Compute summaries
errors <- dados4 %>%
  group_by(VARIAVEIS,PERIODO,GRUPOS) %>%
  summarise(mean = mean(Resposta), 
            sd = sd(Resposta),
            sem = sd(Resposta)/sqrt(length(Resposta)))
gap3 <- aggregate(Resposta ~ VARIAVEIS + PERIODO + GRUPOS, data=dados4, FUN=mean)
#Merge
gap31 <- gap3 %>% left_join(errors)

А теперь сюжет:

#Plot
ggplot(gap31, aes(x = VARIAVEIS, y = Resposta, fill = factor(PERIODO))) +
  geom_col(position = "dodge") +
  geom_errorbar(aes(ymin=mean-1.96*sd,ymax=mean+1.96*sd),position = position_dodge(0.9))+
  facet_grid(~ GRUPOS) + 
  theme(strip.text.x=element_text(size = 15)) +
  labs(title = "",
       x = "Variáveis",
       y = expression(paste('Comprimentos e Diâmetros'," ",'(',mu, m,')')),
       fill = "Períodos") +
  theme(legend.title = element_text(size = 15),legend.text = element_text(size = 15),
        axis.text.x = element_text(color = "black", hjust=1),
        axis.title = element_text(size = 15),
        axis.text = element_text(size = 12))+
  scale_fill_manual(values=c("#DE2D26", "#4D4D4D","#FB6A4A","black"))

Выход:

введите описание изображения здесь

11.12.2020
  • Мне нужна ошибка над каждой полосой, а не сама группа ... то есть НАЧАЛЬНАЯ ошибка и КОНЕЧНАЯ ошибка переменной CHE .. НАЧАЛЬНАЯ ошибка и КОНЕЧНАЯ ошибка переменной CHI и так далее .. 11.12.2020
  • @BrenoG. Добавлен новый код, проверьте, работает ли он для вас! 11.12.2020
  • Спасибо, @Duck! Вы также пытаетесь раскрасить или построить график, используя ядра патчей RColorBrewer, в котором для группы CONTROLE цвета будут тонны серого и больше света, а для группы IRRADIADOS, поскольку цвета будут красными и серыми более темными, неподвижными или кодовыми это только вставки как темные тона ?? 11.12.2020
  • @BrenoG. Я думаю, что это более темные цвета, поскольку эта палитра выполняет эту функцию. 11.12.2020
    • 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..