我如何转换我的时间；垃圾箱；在R中连续进行时间序列分析？

使用以下数据：

#demo data:
set.seed(1234)

library(tidyverse)
library(fs)
n = 100
time= c(15, 30, 60, 90, 120, 180, 240, 300)
treat = factor(c("trt1", "trt2", "tr1+2", "trt1+2+3"))
intensity = c(sample(1:400, n, replace=TRUE))
              df <- expand.grid(time= time, treat = treat, intensity=intensity)
df <- data.frame(
                time= rep(df$time, each = 100),
                intensity = rep(df$intensity),
                treat = rep(df$treat, each = 100)
)

演示数据： 种子集（1234） 图书馆（tidyverse） 图书馆（财政司） n=100 时间=c（15,30,60,90,120,180,240,300） treat=因子（c（“trt1”、“trt2”、“tr1+2”、“trt1+2+3”）） 强度=c（样品（1:400，n，替换=真实））

---

df这是假数据的密度图：

df %>% 
  ggplot(aes(x=intensity, fill=treat)) + 
  geom_density(color="transparent", alpha=.25) + 
  facet_wrap(~as.factor(time), nrow=1) + 
  theme_bw() + 
  theme(panel.grid=element_blank())

现在，如果要将其绘制成线形图，可以计算每个治疗时间对的最高密度值，然后绘制它：

df %>% group_by(treat, time) %>% 
  summarise(d = max(density(intensity)$y)) %>% 
  ggplot(aes(x=time, y=d, colour=treat)) + 
  geom_point() + 
  geom_line() + 
  theme_classic() + 
  labs(x="Time", y="Intensity")

任务的最后一部分是随时间生成密度数据。如果我知道你想做什么，你可以按如下方式做：

out <- df %>% group_by(treat, time) %>% 
  summarise(as.data.frame(density(df$intensity)[c("x", "y")]))

head(out)
# # A tibble: 6 x 4
# # Groups:   treat, time [1]
#   treat  time     x          y
#   <fct> <dbl> <dbl>      <dbl>
# 1 tr1+2    15 -20.5 0.00000608
# 2 tr1+2    15 -19.6 0.00000838
# 3 tr1+2    15 -18.7 0.0000114 
# 4 tr1+2    15 -17.8 0.0000153 
# 5 tr1+2    15 -17.0 0.0000203 
# 6 tr1+2    15 -16.1 0.0000267 

out%分组依据（治疗，时间）%>%
总结（如数据帧（密度（df$强度）[c（“x”，“y”）]））
头（外）
##tibble:6 x 4
##小组：请客，时间[1]
#治疗时间xy
#           
#1 tr1+2 15-20.5 0.00000608
#2 tr1+2 15-19.6 0.00000838
#3 tr1+2 15-18.7 0.0000114
#4 tr1+215-17.80.0000153
#5 tr1+2 15-17.0 0.0000203
#6 tr1+2 15-16.1 0.0000267

---

x

变量是强度的评估点，

y

变量是该值

x

的密度曲线高度，以下是假数据的密度图：

df %>% 
  ggplot(aes(x=intensity, fill=treat)) + 
  geom_density(color="transparent", alpha=.25) + 
  facet_wrap(~as.factor(time), nrow=1) + 
  theme_bw() + 
  theme(panel.grid=element_blank())

现在，如果要将其绘制成线形图，可以计算每个治疗时间对的最高密度值，然后绘制它：

df %>% group_by(treat, time) %>% 
  summarise(d = max(density(intensity)$y)) %>% 
  ggplot(aes(x=time, y=d, colour=treat)) + 
  geom_point() + 
  geom_line() + 
  theme_classic() + 
  labs(x="Time", y="Intensity")

任务的最后一部分是随时间生成密度数据。如果我知道你想做什么，你可以按如下方式做：

out <- df %>% group_by(treat, time) %>% 
  summarise(as.data.frame(density(df$intensity)[c("x", "y")]))

head(out)
# # A tibble: 6 x 4
# # Groups:   treat, time [1]
#   treat  time     x          y
#   <fct> <dbl> <dbl>      <dbl>
# 1 tr1+2    15 -20.5 0.00000608
# 2 tr1+2    15 -19.6 0.00000838
# 3 tr1+2    15 -18.7 0.0000114 
# 4 tr1+2    15 -17.8 0.0000153 
# 5 tr1+2    15 -17.0 0.0000203 
# 6 tr1+2    15 -16.1 0.0000267 

out%分组依据（治疗，时间）%>%
总结（如数据帧（密度（df$强度）[c（“x”，“y”）]））
头（外）
##tibble:6 x 4
##小组：请客，时间[1]
#治疗时间xy
#           
#1 tr1+2 15-20.5 0.00000608
#2 tr1+2 15-19.6 0.00000838
#3 tr1+2 15-18.7 0.0000114
#4 tr1+215-17.80.0000153
#5 tr1+2 15-17.0 0.0000203
#6 tr1+2 15-16.1 0.0000267

---

x

变量是强度的评估点，

y

变量是该值的密度曲线高度

x

第二个图中的点与第一个图中的分布有何关系？我知道这两种颜色对应于这两种处理方式，但这些点是平均值、中值还是每个分布值的其他汇总？这些点只是测量的时间点。分布不应该是相同的，因为要匹配的分布的图片有太多的标识信息。但它们的处理方式类似。所以让我们选择一个点来解释：在左边的第一个点，即时间=0的点，但测量强度（y）=高#该水平的强度计数。不过，这是我的问题。在您的示例数据中，

df

只有时间和处理（x值和颜色），我们应该使用什么来计算y值？另外，

silence

没有在演示数据中定义，我假设在调用

expand.grid（）

时它应该是

silence=time

。我在生成虚拟数据时犯了错误-我需要添加y值，现在应该是。另外，请注意，仅因为强度是随机抽样的，虚拟数据不会产生类似的分布。第二幅图中的点与第一幅图中的分布有何关系？我知道这两种颜色对应于这两种处理方式，但这些点是平均值、中值还是每个分布值的其他汇总？这些点只是测量的时间点。分布不应该是相同的，因为要匹配的分布的图片有太多的标识信息。但它们的处理方式类似。所以让我们选择一个点来解释：在左边的第一个点，即时间=0的点，但测量强度（y）=高#该水平的强度计数。不过，这是我的问题。在您的示例数据中，

df

只有时间和处理（x值和颜色），我们应该使用什么来计算y值？另外，

silence

没有在演示数据中定义，我假设在调用

expand.grid（）

时它应该是

silence=time

。我在生成虚拟数据时犯了错误-我需要添加y值，现在应该是。另外，请注意，仅仅因为强度是随机抽样的，虚拟数据不会产生类似的分布。我添加了一个平滑层，只是为了让我的老板更容易看到（他们讨厌线图，所以我的缺点是不具体），但除此之外，这是完美的。做得很漂亮。我添加了一个平滑层，只是为了更容易地向我的老板展示（他们讨厌线图，所以我的缺点是不具体），但除此之外，这是完美的。