Moran의 I 분석을 실행하여 피쳐 간의 공간적 관계를 찾습니다. 분석은 ncf R 패키지의 correlog 기능을 사용하여 수행되었으며 유전자 데이터에서 생성 된 처음 3 가지 주성분을 사용했습니다. 분석 결과는 다음과 같습니다.동일한 그래프에서 여러 줄의 주위에 신뢰 구간 그리기
distance=c(2.806063,8.208133,14.03604,19.03151,24.44091, 2.806063, 8.208133,14.03604,19.03151,24.44091,2.806063,8.208133,14.03604,19.03151,24.44091)
correlation=c(-0.006933,0.029481,-0.071406,0.038319,-0.049990,0.006267,0.055945,-0.048551,-0.035062,-0.031578,0.022629,-0.065584,0.000986,-0.052754,0.0424931)
component=c(PC1,PC1,PC1,PC1,PC1,PC2,PC2,PC2,PC2,PC2,PC3,PC3,PC3,PC3,PC3)
data1<-data.frame(distance,correlation,component)
난 후, 그 결과 지금은 주요 구성 요소 각각에 대한 95 % 신뢰 구간을 계산하면된다 좋아하고 ggplots에 그 그릴 것입니다 무엇
library(ggplot2)
ggplot(data1,aes(x=data1$distance,y=data1$correlation,group=component,colour=component))+theme_classic()+ geom_line(size=1)+geom_point(size=1.5)
음모 ggplot을 사용 희미한 음영을 사용하여 각 라인 주변의 신뢰 영역을 사용하고 서로 다른 PC를 나타내는 다양한 라인 색상을 유지합니다. 불행히도, 나는 완전히 붙어있어 이것을하는 법을 모릅니다. 어떤 도움도 감사 할거야.
재현 가능한 예제를 포함하면 도움이됩니다. ('PC1','PC2' 등은 볼 수 없으므로'구성 요소 '를 만들 수 없습니다.) – jbaums
구성 요소를 만들 필요가 없습니다. 그 변수는 단순히 제 2 변수에 의해 표현 된 상관 계수들을 그룹화하는 방법으로서 포함된다. – user3260086
예를 들어 'component <- factor (rep (1 : 3, each = 5))'등의 이유는 무엇입니까? 코드가 실행되지 않으면 대답을 얻지 못할 가능성이 있습니다. – jbaums