SummarySE (пакет Rmisc) для создания гистограммы с планками погрешностей (ggplot2)

Я пытаюсь построить гистограмму с планками погрешностей, используя пакет ggplot2, показывающий 13 переменных-предикторов на оси x (фрейм данных behaviours можно найти ниже). В идеале предикторы должны быть сгруппированы по переменной отклика (family), содержащей два уровня (G8 и V4), представленных двумя цветными полосами для каждого предиктора плюс ключ. Я попытался следовать примеру из Cookbook for R (см. ниже). Я хотел бы обобщить данные, используя функцию summarySE из пакета Rmisc для расчета стандартного отклонения, стандартной ошибки среднего и доверительного интервала (по умолчанию 95%), однако мой код показывает предупреждающие сообщения и возвращает NA. Я не уверен, какой правильный синтаксис для функции summarySE(). Как реализовать пример R Cookbook для своих данных?

Мой код с использованием функции `summarySE':

   library(ggplot2)
   library(Rmisc) 

   # (1) First Try - Equation 1

   summary.behaviours <- summarySE(behaviours, 
                                   measurevar="Family", 
                                   groupvars=c("Swimming", 
                                               "Not.Swimming",
                                               "Running", 
                                               "Not.Running",
                                               "Fighting",
                                               "Not.Fighting",
                                               "Resting",
                                               "Not.Resting",
                                               "Hunting",
                                               "Not.Hunting",
                                               "Grooming",
                                               "Not.Grooming",
                                               "Other"),
                                                na.rm = TRUE)
   # (2) Second Try - Equation 2

   summary.behaviours <- summarySE(behaviours,    
                                      measurevar =  c("Swimming", 
                                                      "Not.Swimming",
                                                      "Running", 
                                                      "Not.Running",
                                                      "Fighting",
                                                      "Not.Fighting",
                                                      "Resting",
                                                      "Not.Resting",
                                                      "Hunting",
                                                      "Not.Hunting",
                                                      "Grooming",
                                                      "Not.Grooming",
                                                      "Other"),
                                             groupvar="Family",
                                                      na.rm = TRUE)

Предупреждающие сообщения

Предупреждающие сообщения для уравнения (1)

1: In mean.default(xx[, col], na.rm = na.rm) :
  argument is not numeric or logical: returning NA
2: In mean.default(xx[, col], na.rm = na.rm) :
  argument is not numeric or logical: returning NA

и многие другие предупреждения того же рода.

Сообщения об ошибках для уравнения (2):

Error in `[.data.frame`(xx, , col) : undefined columns selected

Пример кода из Cookbook для R

Ссылка: http://www.cookbook-r.com/Graphs/Plotting_means_and_error_bars_(ggplot2) )/

summarySE предоставляет стандартное отклонение, стандартную ошибку среднего и доверительный интервал (по умолчанию 95%).

  tgc <- summarySE(tg, measurevar="len", groupvars=c("supp","dose"))
  tgc

  #>   supp dose  N   len       sd        se       ci
  #> 1   OJ  0.5 10 13.23 4.459709 1.4102837 3.190283
  #> 2   OJ  1.0 10 22.70 3.910953 1.2367520 2.797727
  #> 3   OJ  2.0 10 26.06 2.655058 0.8396031 1.899314
  #> 4   VC  0.5 10  7.98 2.746634 0.8685620 1.964824
  #> 5   VC  1.0 10 16.77 2.515309 0.7954104 1.799343
  #> 6   VC  2.0 10 26.14 4.797731 1.5171757 3.432090

  # Use dose as a factor rather than numeric

  tgc2 <- tgc
  tgc2$dose <- factor(tgc2$dose)

  # Error bars represent standard error of the mean

  ggplot(tgc2, aes(x=dose, y=len, fill=supp)) + 
  geom_bar(position=position_dodge(), stat="identity") +
  geom_errorbar(aes(ymin=len-se, ymax=len+se),
              width=.2,               # Width of the error bars
              position=position_dodge(.9))


  # Use 95% confidence intervals instead of SEM

    ggplot(tgc2, aes(x=dose, y=len, fill=supp)) + 
    geom_bar(position=position_dodge(), stat="identity") +
    geom_errorbar(aes(ymin=len-ci, ymax=len+ci),
              width=.2,                    # Width of the error bars
              position=position_dodge(.9))

Мои данные

behaviours <- structure(list(Family = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("G8", "v4"), class =     "factor"), 
Swimming = c(-0.4805568, 0.12600625, 0.06823834, 0.67480139, 
0.64591744, 0.21265812, -0.01841352, 0.12600625, -0.2206012, 
0.27042603, 0.03935439, -0.45167284, -0.04729748, -0.10506539, 
0.0971223, -0.07618143, 0.29930998, 0.01047043, -0.24948516, 
-0.04729748, -0.01841352, -0.19171725, -0.4805568, 0.01047043, 
-0.42278889, -0.45167284, -0.30725307, 0.24154207, 1.45466817, 
-0.01841352, 0.38596185, 0.15489021, -0.04729748, 0.27042603, 
-0.07618143, -0.10506539, -0.01841352, 0.01047043, 0.06823834, 
-0.16283329, -0.01841352, -0.39390493, -0.04729748, 0.01047043, 
0.01047043, 0.06823834, -0.04729748, -0.2206012, -0.16283329, 
-0.07618143, -0.2206012, -0.19171725, -0.16283329, -0.2206012, 
-0.13394934, -0.27836911, -0.04729748, 0.01047043, 0.12600625, 
0.06823834, 0.06823834, 0.32819394, 0.32819394, -0.27836911, 
0.18377416, 0.55926557, -0.19171725, -0.19171725, 0.01047043, 
-0.19171725, -0.01841352, -0.07618143, -0.13394934, -0.39390493, 
-0.04729748, -0.27836911, 0.70368535, 0.29930998, -0.13394934, 
0.21265812), Not.Swimming = c(-0.0862927, -0.074481895, -0.056765686, 
-0.050860283, -0.050860283, -0.068576492, -0.068576492, 0.05543697, 
0.114491, -0.021333268, -0.04495488, 0.008193747, -0.056765686, 
0.008193747, 0.037720761, 0.01409915, 0.108585597, -0.074481895, 
0.002288344, 0.049531567, 0.043626164, 0.049531567, 0.020004552, 
0.008193747, 0.025909955, 0.031815358, 0.049531567, -0.039049477, 
-0.003617059, 0.002288344, 0.084963985, -0.080387298, 0.067247776, 
0.031815358, 0.037720761, 0.025909955, 0.126301805, 0.031815358, 
0.037720761, -0.050860283, -0.039049477, -0.003617059, 0.008193747, 
-0.039049477, -0.003617059, 0.008193747, 0.01409915, -0.015427865, 
0.020004552, 0.031815358, 0.020004552, -0.033144074, -0.039049477, 
-0.009522462, -0.003617059, -0.04495488, -0.050860283, -0.04495488, 
-0.068576492, -0.033144074, -0.027238671, -0.068576492, 0.01409915, 
0.002288344, 0.025909955, -0.009522462, -0.009522462, 0.025909955, 
0.15582882, 0.002288344, -0.04495488, -0.015427865, 0.008193747, 
0.037720761, 0.008193747, -0.015427865, -0.056765686, 0.079058582, 
-0.056765686, 0.025909955), Running = c(-0.157157188, 0.057316151, 
0.064711783, 0.153459372, 0.072107416, 0.057316151, -0.053618335, 
0.012942357, -0.03882707, 0.049920519, 0.012942357, -0.075805232, 
0.035129254, -0.046222702, 0.109085578, -0.03882707, 0.057316151, 
0.020337989, 0.035129254, 0.057316151, 0.005546724, -0.016640173, 
-0.142365923, 0.220020063, -0.149761556, -0.134970291, 0.042524886, 
0.072107416, 0.064711783, 0.020337989, 0.049920519, 0.020337989, 
0.138668107, 0.049920519, 0.020337989, -0.083200864, -0.024035805, 
-0.016640173, -0.03882707, -0.03882707, 0.005546724, -0.090596497, 
-0.00924454, -0.016640173, -0.075805232, -0.090596497, 0.012942357, 
-0.075805232, -0.061013967, -0.03882707, -0.112783394, -0.068409599, 
-0.090596497, -0.053618335, -0.075805232, -0.090596497, 0.064711783, 
0.012942357, 0.042524886, -0.061013967, -0.061013967, 0.064711783, 
0.175646269, -0.068409599, 0.027733621, 0.042524886, -0.03882707, 
-0.00924454, 0.027733621, -0.031431438, -0.046222702, -0.031431438, 
-0.068409599, -0.120179026, 0.035129254, -0.061013967, 0.39751524, 
0.138668107, 0.020337989, 0.035129254), Not.Running = c(-0.438809944, 
-0.539013927, -0.539013927, -0.539013927, -0.472211271, -0.071395338, 
-0.071395338, 0.296019267, 0.563229889, -0.03799401, 0.195815284, 
-0.171599321, -0.305204632, 0.062209973, -0.104796666, 0.095611301, 
    0.028808645, -0.071395338, 0.329420595, 0.296019267, -0.171599321, 
    -0.071395338, 0.596631217, 0.062209973, 0.028808645, -0.138197994, 
    0.095611301, -0.104796666, 0.296019267, 0.028808645, -0.03799401, 
    -0.33860596, 0.129012629, 0.195815284, -0.03799401, 0.396223251, 
    0.362821923, -0.138197994, 0.26261794, -0.405408616, -0.205000649, 
    0.129012629, 0.195815284, -0.205000649, -0.004592683, -0.205000649, 
    -0.071395338, -0.171599321, -0.104796666, -0.138197994, -0.104796666, 
    -0.071395338, -0.104796666, -0.03799401, -0.004592683, -0.238401977, 
    0.028808645, -0.305204632, -0.305204632, -0.271803305, -0.03799401, 
    -0.372007288, 0.095611301, 0.195815284, 0.162413956, 0.229216612, 
    0.229216612, 0.396223251, 0.630032545, 0.463025906, 0.496427234, 
    0.062209973, -0.071395338, 0.229216612, -0.071395338, -0.071395338, 
    -0.205000649, 0.229216612, -0.305204632, 0.396223251), Fighting = c(-0.67708172, 
    -0.58224128, -0.11436177, -0.34830152, -0.84568695, -0.32933343, 
    0.35984044, -0.3251183, 1.51478626, 0.11114773, 0.27975296, 
    -0.89626852, 0.12379312, 0.66965255, 1.56536783, 0.56427428, 
    -0.71291033, -0.75927677, -0.75295407, -1.00164679, -1.03958296, 
    0.82139726, -1.07541157, -1.0311527, -0.98900139, -1.06908888, 
    -1.20186549, 0.58324237, -0.9700333, 0.22917139, 0.41042201, 
    -1.11545531, -0.19023412, 0.25446217, -0.05324237, 0.09007207, 
    1.21129685, 0.62539368, 1.32932051, 0.40199175, 0.44625062, 
    0.60221046, 0.33665722, -0.63493041, -0.282967, -0.32722587, 
    -0.11646933, -0.10171637, 0.13643851, -0.57802615, 0.05002833, 
    -0.1607282, -0.29139726, 0.13222338, -0.41152848, 0.68229794, 
    -0.24292325, -0.11646933, -0.21341734, -0.24292325, -0.24292325, 
    0.09007207, -0.34197883, -0.30825778, -0.08696342, -0.8119659, 
    0.49683219, -0.13754498, -0.4831857, 0.39988418, 0.90148474, 
    0.28396809, 1.05322945, 1.24923303, 0.47154141, 1.27873894, 
    0.05002833, 1.54218461, 0.74763247, 0.11747042), Not.Fighting = c(-0.097624192, 
    -0.160103675, -0.092996082, -0.234153433, -0.136963126, -0.15778962, 
    -0.15778962, -0.023574435, 0.00188017, -0.224897213, -0.109194467, 
    -0.069855533, -0.123078796, -0.111508522, -0.143905291, -0.099938247, 
    -0.118450687, 1.519900201, 0.177748344, 0.108326696, 0.652129604, 
    0.638245274, -0.072169588, 0.087500202, -0.18093017, -0.146219346, 
    -0.049029039, -0.125392851, -0.134649071, -0.060599313, -0.086053918, 
    -0.197128554, -0.083739863, -0.092996082, 0.844196163, 0.055103433, 
    1.971140911, -0.111508522, -0.224897213, -0.187872334, -0.160103675, 
    -0.194814499, -0.053657149, -0.206384774, 0.108326696, -0.164731785, 
    0.187004564, 0.025020719, 0.057417488, 0.434608441, 0.057417488, 
    0.073615872, -0.035144709, -0.051343094, -0.134649071, -0.185558279, 
    0.013450444, -0.134649071, -0.215640993, -0.185558279, -0.005061995, 
    -0.238781543, -0.099938247, -0.16704584, -0.208698829, 0.048161268, 
    0.048161268, -0.037458764, 0.16154996, 0.031962884, -0.102252302, 
    -0.123078796, -0.139277181, -0.208698829, -0.118450687, -0.072169588, 
    -0.044400929, -0.030516599, -0.132335016, -0.037458764), 
    Resting = c(0.01081204879, -0.03398160805, 0.057108797, -0.04063432116, 
    -0.13084281035, -0.02997847693, 0.12732080268, -0.1028170581, 
    0.08155320398, -0.17932134171, -0.14338902206, -0.02058415581, 
    -0.11528274705, -0.11764091337, 0.04389156236, 0.01399844913, 
    -0.05755560242, 0.04711630687, 0.0158428036, 0.093485909, 
    0.09677967302, 0.02053612974, -0.03608286844, 0.07805238146, 
    -9.686695e-05, -0.02285413055, -0.00424187149, 0.01446241356, 
    0.03187450017, 0.11323315542, -0.01171898422, -0.06499053655, 
    -0.07758659568, -0.07399758157, -0.11503350996, 0.02167111711, 
    0.01904454162, 0.05768779393, 0.05555202379, -0.01031175326, 
    -0.00458313459, 0.17430774591, 0.00481502094, -0.00928412956, 
    0.09047589183, 0.08917985896, -0.05671203072, -0.05333390954, 
    0.08541446168, 0.10140397965, -0.02509342995, -0.0369877908, 
    0.04609635201, 0.06524159499, 0.0845977309, -0.03239032508, 
    -0.03208740616, 0.06264952925, 0.05241547086, -0.03437271856, 
    -0.03437271856, -0.06747523863, -0.01270059491, 0.10014629095, 
    -0.02872845706, -0.00950652573, 0.04867308008, 0.02486518629, 
    -0.05951115497, -0.02353665674, -0.01967923345, -0.10148651548, 
    -0.00480936518, -0.00098261723, -0.13970798195, -0.00286148145, 
    -0.05492902692, 0.10732815358, 0.11660744219, -0.02016620439
    ), Not.Resting = c(-0.77046287, 0.773856776, -2.593072768, 
    -2.837675606, -1.680828329, -0.947623773, -0.947623773, -2.607366431, 
    -0.637055341, -1.818396455, 2.170944974, -0.658126752, -0.808243774, 
    2.377766908, 2.111220276, -0.322326312, 2.218858946, 3.920878638, 
    -0.304945754, 1.038591535, 1.752268128, 0.907465624, 1.137774798, 
    -3.663486997, 2.350924346, 0.067293462, -1.898454393, -2.497647463, 
    -4.471716512, -1.465081244, -0.232806371, -3.043893581, -2.323908986, 
    1.437404886, 1.079056696, 1.110865131, 1.404724068, -1.706664294, 
    0.736746935, -0.005516985, 1.727170333, 1.685228831, 1.836016918, 
    0.46617392, 1.697173771, 1.057314221, 0.933704227, 0.482480775, 
    0.680713089, 0.090780703, 0.680713089, -0.982921741, -2.281900378, 
    0.97208909, 0.027767791, -0.1628815, -0.530221948, -0.385741863, 
    -0.972251823, 0.002267358, -1.134447998, 0.626424009, -0.722750217, 
    -0.382722075, -0.356550578, -1.851614124, -1.851614124, 1.731465143, 
    0.254319006, 2.043778341, -0.28991392, 1.386940871, 0.054207713, 
    0.594212936, 1.551821303, 3.100704184, 0.327263666, -1.055195336, 
    -1.134447998, 1.730726972), Hunting = c(-0.67708172, -0.58224128, 
    -0.11436177, -0.34830152, -0.84568695, -0.32933343, 0.35984044, 
    -0.3251183, 1.51478626, 0.11114773, 0.27975296, -0.89626852, 
    0.12379312, 0.66965255, 1.56536783, 0.56427428, -0.71291033, 
    -0.75927677, -0.75295407, -1.00164679, -1.03958296, 0.82139726, 
    -1.07541157, -1.0311527, -0.98900139, -1.06908888, -1.20186549, 
    0.58324237, -0.9700333, 0.22917139, 0.41042201, -1.11545531, 
    -0.19023412, 0.25446217, -0.05324237, 0.09007207, 1.21129685, 
    0.62539368, 1.32932051, 0.40199175, 0.44625062, 0.60221046, 
    0.33665722, -0.63493041, -0.282967, -0.32722587, -0.11646933, 
    -0.10171637, 0.13643851, -0.57802615, 0.05002833, -0.1607282, 
    -0.29139726, 0.13222338, -0.41152848, 0.68229794, -0.24292325, 
    -0.11646933, -0.21341734, -0.24292325, -0.24292325, 0.09007207, 
    -0.34197883, -0.30825778, -0.08696342, -0.8119659, 0.49683219, 
    -0.13754498, -0.4831857, 0.39988418, 0.90148474, 0.28396809, 
    1.05322945, 1.24923303, 0.47154141, 1.27873894, 0.05002833, 
    1.54218461, 0.74763247, 0.11747042), Not.Hunting = c(-0.097624192, 
    -0.160103675, -0.092996082, -0.234153433, -0.136963126, -0.15778962, 
    -0.15778962, -0.023574435, 0.00188017, -0.224897213, -0.109194467, 
    -0.069855533, -0.123078796, -0.111508522, -0.143905291, -0.099938247, 
    -0.118450687, 1.519900201, 0.177748344, 0.108326696, 0.652129604, 
    0.638245274, -0.072169588, 0.087500202, -0.18093017, -0.146219346, 
    -0.049029039, -0.125392851, -0.134649071, -0.060599313, -0.086053918, 
    -0.197128554, -0.083739863, -0.092996082, 0.844196163, 0.055103433, 
    1.971140911, -0.111508522, -0.224897213, -0.187872334, -0.160103675, 
    -0.194814499, -0.053657149, -0.206384774, 0.108326696, -0.164731785, 
    0.187004564, 0.025020719, 0.057417488, 0.434608441, 0.057417488, 
    0.073615872, -0.035144709, -0.051343094, -0.134649071, -0.185558279, 
    0.013450444, -0.134649071, -0.215640993, -0.185558279, -0.005061995, 
    -0.238781543, -0.099938247, -0.16704584, -0.208698829, 0.048161268, 
    0.048161268, -0.037458764, 0.16154996, 0.031962884, -0.102252302, 
    -0.123078796, -0.139277181, -0.208698829, -0.118450687, -0.072169588, 
    -0.044400929, -0.030516599, -0.132335016, -0.037458764), 
    Grooming = c(0.01081204879, -0.03398160805, 0.057108797, 
    -0.04063432116, -0.13084281035, -0.02997847693, 0.12732080268, 
    -0.1028170581, 0.08155320398, -0.17932134171, -0.14338902206, 
    -0.02058415581, -0.11528274705, -0.11764091337, 0.04389156236, 
    0.01399844913, -0.05755560242, 0.04711630687, 0.0158428036, 
    0.093485909, 0.09677967302, 0.02053612974, -0.03608286844, 
    0.07805238146, -9.686695e-05, -0.02285413055, -0.00424187149, 
    0.01446241356, 0.03187450017, 0.11323315542, -0.01171898422, 
    -0.06499053655, -0.07758659568, -0.07399758157, -0.11503350996, 
    0.02167111711, 0.01904454162, 0.05768779393, 0.05555202379, 
    -0.01031175326, -0.00458313459, 0.17430774591, 0.00481502094, 
    -0.00928412956, 0.09047589183, 0.08917985896, -0.05671203072, 
    -0.05333390954, 0.08541446168, 0.10140397965, -0.02509342995, 
    -0.0369877908, 0.04609635201, 0.06524159499, 0.0845977309, 
    -0.03239032508, -0.03208740616, 0.06264952925, 0.05241547086, 
    -0.03437271856, -0.03437271856, -0.06747523863, -0.01270059491, 
    0.10014629095, -0.02872845706, -0.00950652573, 0.04867308008, 
    0.02486518629, -0.05951115497, -0.02353665674, -0.01967923345, 
    -0.10148651548, -0.00480936518, -0.00098261723, -0.13970798195, 
    -0.00286148145, -0.05492902692, 0.10732815358, 0.11660744219, 
    -0.02016620439), Not.Grooming = c(-0.77046287, 0.773856776, 
    -2.593072768, -2.837675606, -1.680828329, -0.947623773, -0.947623773, 
    -2.607366431, -0.637055341, -1.818396455, 2.170944974, -0.658126752, 
    -0.808243774, 2.377766908, 2.111220276, -0.322326312, 2.218858946, 
    3.920878638, -0.304945754, 1.038591535, 1.752268128, 0.907465624, 
    1.137774798, -3.663486997, 2.350924346, 0.067293462, -1.898454393, 
    -2.497647463, -4.471716512, -1.465081244, -0.232806371, -3.043893581, 
    -2.323908986, 1.437404886, 1.079056696, 1.110865131, 1.404724068, 
    -1.706664294, 0.736746935, -0.005516985, 1.727170333, 1.685228831, 
    1.836016918, 0.46617392, 1.697173771, 1.057314221, 0.933704227, 
    0.482480775, 0.680713089, 0.090780703, 0.680713089, -0.982921741, 
    -2.281900378, 0.97208909, 0.027767791, -0.1628815, -0.530221948, 
    -0.385741863, -0.972251823, 0.002267358, -1.134447998, 0.626424009, 
    -0.722750217, -0.382722075, -0.356550578, -1.851614124, -1.851614124, 
    1.731465143, 0.254319006, 2.043778341, -0.28991392, 1.386940871, 
    0.054207713, 0.594212936, 1.551821303, 3.100704184, 0.327263666, 
    -1.055195336, -1.134447998, 1.730726972), Other = c(0.019502286, 
    -0.290451956, 0.359948884, 0.557840914, 0.117453376, 0.126645924, 
    0.126645924, 0.196486873, 0.152780228, 0.354469789, -0.261430968, 
    0.176448238, -0.007374708, -0.557848621, -0.213674557, -0.005819262, 
    -0.470070992, -0.786078864, 0.006063789, -0.27184265, -0.349418792, 
    -0.338096262, -0.165119403, 0.346566439, -0.344191931, 0.074321265, 
    0.179825379, 0.278407054, 0.593125727, 0.199177375, -0.058900625, 
    0.633875622, 0.428150308, -0.206023441, -0.436958199, -0.291839246, 
    -0.907641911, 0.448567295, -0.127186127, 0.024715134, -0.41634503, 
    -0.330697382, -0.469720666, -0.047494017, -0.301732446, -0.138901021, 
    0.098101379, -0.002063769, -0.02832419, 0.071630763, -0.02832419, 
    0.295110588, 0.347112947, -0.083577573, -0.036886152, 0.189045953, 
    0.467596992, 0.303378276, 0.218879697, 0.092005711, 0.27011134, 
    -0.012909856, 0.262292068, 0.107125772, 0.123422927, 0.299426602, 
    0.299426602, -0.326871824, -0.022088391, -0.428508341, -0.014675497, 
    -0.114462294, 0.087227267, -0.031519161, -0.159318008, -0.397875854, 
    0.101520559, 0.244481505, 0.529968994, -0.32661959)), .Names = c("Family", 
"Swimming", "Not.Swimming", "Running", "Not.Running", "Fighting", 
"Not.Fighting", "Resting", "Not.Resting", "Hunting", "Not.Hunting", 
"Grooming", "Not.Grooming", "Other"), class = "data.frame", row.names = c(NA, 
-80L))

r ggplot2 confidence-interval
person Alice Hobbs    schedule 27.03.2016    source источник
comment
Пожалуйста, очистите этот вопрос. Вот наиболее очевидные проблемы (но их может быть больше): 1) Вы отправляете данные с именем mydat, но вызов вашей функции работает с behaviours. Они одинаковы? 2) В вашем structure() отсутствует запятая после .Label = c("G8", "v4") 3) Данные содержат поля Not.Fighting и Not.Hunting, но внутри summarySE() вы используете Not.fighting и Not.hunting. 4) В вашем заголовке и в примере кода в последнем разделе упоминается ggplot2, но ваша проблема возникает до того, как вы используете ggplot2.   -  person Stibu    schedule 27.03.2016
comment
5) Даже после того, как я исправил эту проблему (догадываясь, я могу ошибаться...), я получаю гораздо больше сообщений об ошибках, чем те, которые вы упомянули.   -  person Stibu    schedule 27.03.2016
comment
Помимо всего этого: в справке для summarySE сказано, что groupvars — это вектор, содержащий имена столбцов, содержащих группирующие переменные. Похоже, вы используете эту функцию совершенно неправильно. Вы можете группировать по нескольким переменным, но суммировать только одну. Вы пытаетесь сгруппировать по одной переменной (это нормально) и суммировать несколько (что не сработает).   -  person Stibu    schedule 27.03.2016
comment
Я исправил опечатки. Переменная группировки — семейство — G8 и V4. Это упражнение по классификации, и я хотел бы графически показать различия в изменчивости между этими семействами. Я переключил группирующую переменную на groupvar, а предикторы — на MeasureVar, и было возвращено еще одно предупреждающее сообщение. На данный момент я действительно не понимаю эти предупреждающие сообщения.   -  person Alice Hobbs    schedule 28.03.2016
comment
Я попытался отредактировать ваш вопрос во что-то более полезное. Но есть еще много проблем, которые я не могу решить, например, столбец Resting содержит только 76 значений вместо 80. Кроме того, я получаю другие сообщения об ошибках, чем вы. Я знаю ответ на ваш вопрос (то есть, если я его правильно понял), но не отвечу, пока такая каша.   -  person Stibu    schedule 28.03.2016
comment
Привет, Стибу. Спасибо за помощь. Это очень ценится. Я повторно скопировал фрейм данных в текст и считаю, что каждый столбец теперь содержит 80 наблюдений.   -  person Alice Hobbs    schedule 28.03.2016

Ответы (1)


arrow_upward
5
arrow_downward

Оба варианта кода, которые вы разместили, не будут работать, потому что они используют функцию summarySE() неправильно:

  • Версия 1: вы используете Family в качестве переменной измерения, что означает, что вы просите функцию дать вам среднее значение, стандартное отклонение и т. д. для Family.
  • Версия 2: вы правильно группируете по Family, но теперь вы предоставляете много переменных измерения. Это не работает, потому что summarySE() ожидает одну переменную измерения. Попробуйте представить, как должна выглядеть выходная таблица с несколькими измеряемыми переменными, и вы заметите, что это невозможно. У вас будет 13 столбцов для sd, 13 столбцов для ci и т. д.

Проблема с вашими данными заключается в том, что «Плавание», «Не плавание», «Бег» и т. д. на самом деле являются значениями, а не переменными. для этого ответа см. здесь, если вам нужна дополнительная информация.) Итак, вам необходимо преобразовать ваши данные в так называемый длинный формат:

library(tidyr)
long_behaviours <- gather(behaviours, variable, value, -Family)
long_behaviours[c(1, 120, 313, 730), ]
##     Family     variable       value
## 1       v4     Swimming -0.48055680
## 120     G8 Not.Swimming -0.05086028
## 313     G8  Not.Running -0.07139534
## 730     v4  Not.Hunting -0.22489721

Как вы можете видеть из нескольких строк, которые я «случайно» выбрал из результирующего фрейма данных, теперь есть столбец, который дает вам предиктор, и один столбец с числовым значением. Теперь вы можете использовать value в качестве переменной измерения в summarySE и сгруппировать по двум другим:

library(Rmisc)
sum_behaviours <- summarySE(long_behaviours, measurevar =  "value",
                            groupvar = c("Family", "variable"), na.rm = TRUE)
head(sum_behaviours)
##   Family     variable  N        value         sd          se         ci
## 1     G8     Fighting 50  0.157977831 0.58253445 0.082382813 0.16555446
## 2     G8     Grooming 50  0.003784713 0.06611479 0.009350043 0.01878961
## 3     G8      Hunting 50  0.157977831 0.58253445 0.082382813 0.16555446
## 4     G8 Not.Fighting 50 -0.007098363 0.33806726 0.047809930 0.09607765
## 5     G8 Not.Grooming 50  0.202045803 1.30151612 0.184062175 0.36988679
## 6     G8  Not.Hunting 50 -0.007098363 0.33806726 0.047809930 0.09607765

Теперь у вас есть таблица со средним значением, стандартным отклонением и т. д. для каждого семейства и переменной. Это данные, необходимые для построения графика по примеру из R-Cookbook:

library(ggplot2)
ggplot(sum_behaviours, aes(x = variable, y = value, fill = Family)) + 
  geom_bar(position=position_dodge(), stat="identity") +
  geom_errorbar(aes(ymin = value - ci, ymax = value + ci),
                width=.2, position=position_dodge(.9)) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

введите описание изображения здесь

Небольшое замечание: лично я предпочитаю коробчатую диаграмму для сравнения распределений различных переменных друг с другом:

ggplot(long_behaviours, aes(x = variable, y = value, fill = Family)) +
  geom_boxplot() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

введите описание изображения здесь

person Stibu    schedule 28.03.2016
comment
Привет Стибу. Слова не могут выразить мою благодарность за вашу помощь. Я успешно создал гистограммы с планками погрешностей; однако коробочные сюжеты, которые определенно лучше, не были такими успешными. Мои самые большие извинения, но я разместил: (1) код, который я использовал для создания кадра данных длинного формата; (2) код для суммирования данных с использованием функции summarySE(); (3) код и графическое представление гистограмм; и (4) код и jpeg, показывающий мою неудачную попытку создать коробчатую диаграмму. Знаете ли вы, как решить проблему с коробчатым сюжетом? Большое спасибо, я многому научился у вас. - person Alice Hobbs; 28.03.2016
comment
Добро пожаловать; Я рад, что это помогло, и что вы узнали что-то. Что касается блочной диаграммы: вы используете неправильные данные. В этой ситуации нет необходимости сначала применять summarySE(), потому что geom_boxplot() сам выполняет все необходимые вычисления. Поэтому вы должны использовать long_behaviours для диаграммы (а не long_behaviours1). - person Stibu; 28.03.2016
comment
Большой! Успехов с боксплотами! Это был отличный интерактивный опыт. Берегите себя и еще раз спасибо от очень счастливого человека - person Alice Hobbs; 28.03.2016