R中的对数概率图

我相信这很容易，但我一直在努力寻找在R中如何做到这一点

我有一些数据，我正试图适应幂律分布。为此，您需要将数据绘制在对数累积概率图上。y轴是数据频率的对数（或对数概率，如果您愿意），x轴是值的对数。如果它是一条直线，那么它符合幂律分布，梯度决定幂律参数

如果我想要数据的频率，我可以使用ecdf（）函数：

我的数据集名为Profits.negative，它只是一长串小于零的交易利润（我已经将它们全部转换为正数，以避免以后出现日志记录问题）

这样我就可以打字了

plot(ecdf(Profits.negative))

我得到了一个方便的经验CDF函数。我所需要做的就是将两个轴转换为对数刻度。我可以做x轴：

Profits.negative.logs <- log(Profits.negative)
plot(ecdf(Profits.negative.logs))

Profits.negative.logs首先生成数据（实际上，您是分开的；）：

ecdf
返回函数，如果您想从中提取某些内容，最好查看函数的闭包：

ls(environment(fn))
# [1] "f"      "method" "n"      "nobs"   "x"      "y"      "yleft"  "yright"

现在我们可以访问
x
和
y
：

x <- environment(fn)$x
y <- environment(fn)$y

可以使用软件包拟合和绘制幂律。这里有一个例子。首先，我们从重尾分布生成一些数据：

set.seed(1)
x = round(rlnorm(100, 3, 2)+1)

接下来，我们加载包并创建数据对象和显示对象：

library(poweRlaw)
m = displ$new(x)

我们可以估计
xmin
和缩放参数：

est = estimate_xmin(m))

并设置参数

m$setXmin(est[[2]])
m$setPars(est[[3]])

然后绘制数据并添加拟合线：

plot(m)
lines(m, col=2)

要获得：

以下是使用
ggplot2
的方法：

library(ggplot2)

# data
  set.seed(1)
  x = round(rlnorm(100, 3, 2)+1)

# organize data into a df
  df <- data.frame(x = sort(x, decreasing = T),
                   pk <- ecdf(x)(x),
                   k <- seq_along(x))

# plot
  ggplot(df, aes(x=k, y= pk)) + geom_point(alpha=0.5) + 
    coord_trans(x = 'log10', y = 'log10') +
    scale_x_continuous(breaks = trans_breaks("log10", function(x) 10^x), labels = trans_format("log10", math_format(10^.x))) +
    scale_y_continuous(breaks = trans_breaks("log10", function(x) 10^x), labels = trans_format("log10", math_format(10^.x)))

库（ggplot2）
#资料
种子（1）
x=圆形（rlnorm（100,3,2）+1）
#将数据组织到df中
df通过包含您正在使用的数据，您可能会得到更多帮助。这篇文章在这方面很有帮助：这真的很有用。我试图手动复制你的情节，类似于下面拉法的解决方案。我怎样才能查看上面
m
的源代码（在
plot（m）
中x和y的确切含义），我想看看拉法的
k的等价物，如果你做
dd=plot（m）
你得到x和y。这有帮助吗？如果要绘制对数图，为什么要沿x轴绘制log（k）
seq_（x）
，而不是log（x）？见我在科林回答下面的评论。谢谢
m$setXmin(est[[2]])
m$setPars(est[[3]])

plot(m)
lines(m, col=2)

library(ggplot2)

# data
  set.seed(1)
  x = round(rlnorm(100, 3, 2)+1)

# organize data into a df
  df <- data.frame(x = sort(x, decreasing = T),
                   pk <- ecdf(x)(x),
                   k <- seq_along(x))

# plot
  ggplot(df, aes(x=k, y= pk)) + geom_point(alpha=0.5) + 
    coord_trans(x = 'log10', y = 'log10') +
    scale_x_continuous(breaks = trans_breaks("log10", function(x) 10^x), labels = trans_format("log10", math_format(10^.x))) +
    scale_y_continuous(breaks = trans_breaks("log10", function(x) 10^x), labels = trans_format("log10", math_format(10^.x)))