如何在ggplot上拟合r中活动数据的正弦波

我有一个大型数据集的活动数据，我正试图拟合一个正弦波，以找到相应的活动高峰和低谷的时间点。数据不一定是正弦曲线，这可能是个问题，但我还是想拟合一条曲线。当涉及到节奏数据和数据分析时，我也是一个新手，所以请随时提供新的信息或建议。这里有一个链接，指向第一周鼠标的数据

id-eday-act-t
1:M001 11786400
2:M001 1 10 86460
3:M001 11386520
4:M001 114 86580
5:M001 12486640
---                          
10076:M001 7 0 690900
10077:M001 71690960
10078:M001 7 0 691020
10079:M001 7 0 691080
10080:M001 7 0 691140

我遵循的指导，并得到了一个像样的图表，虽然波似乎没有高峰和低谷每天。我希望把它叠加在ggplot散点图上

# here I fit a wave using lm()
lmfit <- lm(data = dt,
            act ~ sin(2*pi*t/365.25) + cos(2*pi*t/365.25))
# then get relevant parameters
b0 <- coef(lmfit)[1]
alpha <- coef(lmfit)[2]
beta <- coef(lmfit)[3]

r <- sqrt(alpha^2 + beta^2)
phi <- atan2(beta, alpha)

# and fit it to some base plots
par(mfrow=c(1,2))
curve(b0 + r * sin(x + phi), 0, 2*pi, lwd=3, col="Gray",
      main="Overplotted Graphs", xlab="x", ylab="y")
curve(b0 + alpha * sin(x) + beta * cos(x), lwd=3, lty=3, col="Red", add=TRUE)
curve(b0 + r * sin(x + phi) - (b0 + alpha * sin(x) + beta * cos(x)), 
      0, 2*pi, n=257, lwd=3, col="Gray", main="Difference", xlab="x", y="")

#这里我用lm（）拟合了一个波浪
lmfit像这样，您可以将拟合曲线覆盖在ggplot散点图上（我改编了以下代码）：

库（扫帚）
图书馆（dplyr）
#这里我用lm（）拟合了一个波浪
lmfit%augment）%%>%
ggplot（aes（t，act…3））+
几何点（）+
geom_色带（aes（ymin=.fitted-1.96*.se.fit，ymax=.fitted+1.96*.se.fit），alpha=0.5）+geom_线（mapping=aes（y=.fitted），col=“红色”）

您的主要问题是，您需要以秒为单位测量时间，并且需要一个每日周期，但您使用的代码假定时间以天为单位，并且需要一个年度周期

x <- read.csv("stack_sine_dt.csv")

secs_per_day <- 24*3600
x$tday <- x$t/secs_per_day
lmfit <- lm(data = x,
            act ~ sin(2*pi*tday) + cos(2*pi*tday))
b0 <- coef(lmfit)[1]
alpha <- coef(lmfit)[2]
beta <- coef(lmfit)[3]

pframe <- data.frame(tday=seq(min(x$tday),max(x$tday),length=501))
pframe$act <- predict(lmfit,newdata=pframe)

library(ggplot2); theme_set(theme_bw())
ggplot(x,aes(tday,act))+
    geom_point(alpha=0.2) + geom_line(data=pframe,colour="red")

x是否可以为您的数据指定频率？看起来你的频率太低了。您可能希望使用频率不同的正弦和余弦的线性组合作为模型。在一天结束时，你会发现哪些术语是重要的。一旦我有更多的时间，我会仔细看看你的问题。用另一种方式来表达@slava kohut的问题：
t
用什么单位来度量？秒？您使用的代码假定
t
是以天为单位测量的……啊，谢谢！是的，以秒为单位。我应该说明的。嗨，本，谢谢你的回复。你的代码运行得非常好，但我不得不做一个小的修改。是否有理由指定pframe预测向量的长度不必与输入向量的长度相同。另一种选择是使用
pframe
library(broom)
library(dplyr)
# here I fit a wave using lm()
lmfit <- lm(data = dt,
            act ~ sin(2*pi*t/36500.25))

bind_cols(dt, lmfit %>% augment) %>% 
  ggplot(aes(t, act...3)) +
  geom_point() +
  geom_ribbon(aes(ymin = .fitted - 1.96*.se.fit, ymax = .fitted + 1.96*.se.fit), alpha = 0.5) + geom_line(mapping = aes(y = .fitted), col = "red")

x <- read.csv("stack_sine_dt.csv")

secs_per_day <- 24*3600
x$tday <- x$t/secs_per_day
lmfit <- lm(data = x,
            act ~ sin(2*pi*tday) + cos(2*pi*tday))
b0 <- coef(lmfit)[1]
alpha <- coef(lmfit)[2]
beta <- coef(lmfit)[3]

pframe <- data.frame(tday=seq(min(x$tday),max(x$tday),length=501))
pframe$act <- predict(lmfit,newdata=pframe)

library(ggplot2); theme_set(theme_bw())
ggplot(x,aes(tday,act))+
    geom_point(alpha=0.2) + geom_line(data=pframe,colour="red")