R 如何用曲线和平滑线连接点

我有

ctlns

列表，我正在尝试生成一些数据的可视化

ctlns<-list(structure(list(level = 10, x = c(0.101666666666667, 0.06, 
0.0385714285714286, 0.035, 0.035, 0.035, 0.04, 0.0433333333333333, 
0.05, 0.0516666666666667, 0.06, 0.0606416584402764, 0.0606416584402764, 
0.0766666666666667, 0.0766666666666667, 0.0933333333333333, 0.0933333333333333, 
0.0975, 0.11, 0.110956351152526, 0.110956351152526, 0.135, 0.135
), y = c(0.01, 0.04125, 0.06, 0.11, 0.16, 0.21, 0.26, 0.31, 0.36, 
0.41, 0.458123195380173, 0.46, 0.51, 0.56, 0.61, 0.66, 0.71, 
0.76, 0.808123195380173, 0.81, 0.86, 0.91, 0.96)), .Names = c("level", 
"x", "y")))

我知道情节

---

我想平滑红色曲线的上部（y>0.2），同时保持一些曲线结构（y），以回答您问题的第2部分：

lines(lowess(ctlns[[1]]$x[ctlns[[1]]$y<0.2],
            ctlns[[1]]$y[ctlns[[1]]$y<0.2]), lwd=2, col="darkblue")

---

line（lowess（ctlns[[1]]$x[ctlns[[1]]]$y您可能希望使用
xspline
功能（或者
grid.xspline
如果使用网格图形）

您可以对数据进行一些预平滑处理，这也有助于：

tmp.x <- ctlns[[1]]$x
tmp.y <- ctlns[[1]]$y

tmp <- cumsum( c(TRUE, head(tmp.x,-1) != tail(tmp.x,-1) ) )

tmp2.x <- tapply( tmp.x, tmp, mean )
tmp2.y <- tapply( tmp.y, tmp, mean )

xspline( tmp2.x, tmp2.y, shape=1, border='green' )

tmp.x lowess甚至可以用于双值函数吗？如果可以的话，我会感到惊讶。试着交换
$x
和
$y
，做适当的调整，然后如果需要的话再交换回来。你能再解释一下吗？嗯，你知道函数的定义，以及满射/内射类型吗？看看维基百科页面。我的观点是因此，对于您的数据，
y=f（x）
不是单值的，而
x=g（y）
是单值的。您是正确的。请参阅修订版。提交之前，您必须检查您的答案。您修订的答案仍然不起作用（语法问题）很抱歉有点苛刻，但这看起来很糟糕
plot（ctlns[[1]]]x，ctlns[[1]]y，xlim=c（0,21），ylim=c（0,1），lwd=2，col=“darkred”）；行（lowess（ctlns[[1]]$x，ctlns[[1]]$y，f=2/3），lwd=2，col=“darkblue”）；行（lowess（ctlns[[1]]$x[ctlns[[1]]$yNo没问题。但是看起来不好是主观的，不是吗？不好是主观的。但我想你明白我在找什么。无论如何，感谢你的时间和努力。真的我不明白。当其他人发布更好的解决方案时，可能会更清楚。这太棒了！非常感谢。有没有办法平滑上半部分（y>0.2）有点像一条直线吗？@ECII，不容易只使用
xspline
。我尝试了
shape
大于1的值，有些值确实平滑了一点，但也有奇怪的工件在这样做（文档中说只使用-1和1之间的值）。您可以对数据进行预平滑，请参阅我上面的编辑，以了解一种可能性。太好了。非常感谢。这正是我所需要的。您介意解释一下您的预平滑吗？
tmp
向量仅捕获向量中相邻的x值也具有相同值的情况。因此，我们只取y值的平均值进行复制编辑x（但仅相邻的副本）。
lines(lowess(ctlns[[1]]$x[ctlns[[1]]$y<0.2],
            ctlns[[1]]$y[ctlns[[1]]$y<0.2]), lwd=2, col="darkblue")

 ids <- duplicated(ctlns[[1]]$x) & ctlns[[1]]$y < 0.25
 lines(ctlns[[1]]$x[ids],ctlns[[1]]$y[ids], lwd=4, col="darkblue")

plot( ctlns[[1]], type='l', col='red' )
xspline( ctlns[[1]], shape=1, border='blue' )

tmp.x <- ctlns[[1]]$x
tmp.y <- ctlns[[1]]$y

tmp <- cumsum( c(TRUE, head(tmp.x,-1) != tail(tmp.x,-1) ) )

tmp2.x <- tapply( tmp.x, tmp, mean )
tmp2.y <- tapply( tmp.y, tmp, mean )

xspline( tmp2.x, tmp2.y, shape=1, border='green' )

fit <- loess( tmp.y ~ tmp.x+tmp )
tmp3.y <- tapply( fitted(fit), tmp, mean )
xspline( tmp2.x, tmp3.y, shape=1, border='orange' )