R 使用统计汇总的标准误差条

以下代码使用Hmisc、ddply和ggplot生成带有标准误差条的条形图：

means_se <- ddply(mtcars,.(cyl),
                  function(df) smean.sdl(df$qsec,mult=sqrt(length(df$qsec))^-1))
colnames(means_se) <- c("cyl","mean","lower","upper")
ggplot(means_se,aes(cyl,mean,ymax=upper,ymin=lower,group=1)) + 
  geom_bar(stat="identity") +  
  geom_errorbar()

我的问题是如何使用标准错误条的stat_摘要实现。问题是，要计算SE，您需要每个条件的观测数，并且必须在mean_sdl的乘数中访问

---

如何在ggplot中访问此信息？有没有一个简洁的非黑客解决方案？

好吧，我不能告诉你如何在

stat\u summary

中按组获取乘数

但是，您的目标似乎是绘制表示

ggplot

中平均值的一个标准误差的均值和误差条，而无需在绘制前汇总数据集

ggplot2中有一个

mean_se

函数，我们可以使用它代替Hmisc中的

mean_cl_normal

。

mean_se

函数的默认乘数为1，因此如果需要标准错误条，则无需传递任何额外参数

ggplot(mtcars, aes(cyl, qsec)) + 
    stat_summary(fun.y = mean, geom = "bar") + 
    stat_summary(fun.data = mean_se, geom = "errorbar")

如果要使用

Hmisc

中的

mean\u cl\u normal

函数，则必须将乘数更改为1，以便从平均值中获得一个标准误差。

mult

参数是

mean\u cl\u normal

的参数。需要传递给正在使用的summary函数的参数需要作为

fun.args

参数的列表提供：

ggplot(mtcars, aes(cyl, qsec)) + 
    stat_summary(fun.y = mean, geom = "bar") + 
    stat_summary(fun.data = mean_cl_normal, geom = "errorbar", fun.args = list(mult = 1))

在ggplot2的2.0之前版本中，可以直接传递参数：

ggplot(mtcars, aes(cyl, qsec)) + 
  stat_summary(fun.y = mean, geom = "bar") + 
  stat_summary(fun.data = mean_cl_normal, geom = "errorbar", mult = 1) 

---

对不起，我不太明白你写的“你需要每个条件的观察次数，这必须在mean_sdl的乘数中访问”是什么意思。从

？smean.sdl

：“

mult

是用于获取样本平均值覆盖区间的标准偏差的乘数。默认值为mult=2，使用正负2个标准偏差”。我假设您已经看到了

stat\u summary

和错误条上的所有示例，它们似乎“自动”运行。标准错误是SD除以sqrt（n）。正如您在我的第一个代码片段中所看到的，mult这样做是为了得到标准错误。但是，在ggplot中，您无法访问数据帧每一次折叠的N，因为这种“摘要”是在内部完成的。在ddply中，很容易“手动”访问折叠以查询其长度（n）。在stat_summary中您将如何做到这一点？为了清楚起见，此参数必须如下所示：stat_summary（fun.data=mean_sdl，mult=sqrt（length（df$qsec））^-1），geom=“errorbar”）。问题是我不能为mtcars的每个子集访问df$qsec来获得长度太棒了！我的印象是，mean_cl_normal产生了95%的CI。如果不是1，那么默认乘数是什么？根据

smean.cl.normal

的帮助页面，它是基于置信区间大小的n-1自由度t分布的适当分位数（默认为95%）。因此它是

mult=qt（（1+conf.int）/2，n-1）

。根据这一点，

mean\u cl\u normal

返回“假设正态的样本平均值和95%置信区间”。@aosmith:感谢您的解决方案！它一直在为我工作，直到我更新到最新版本的ggplot2（2.2.0）。现在，我不能再使用mean_cl_normal来计算标准误差条了。有人解决了这个问题吗？@SolLago I更新了答案，用当前版本的ggplot2给出了解决方案

ggplot(mtcars, aes(cyl, qsec)) + 
  stat_summary(fun.y = mean, geom = "bar") + 
  stat_summary(fun.data = mean_cl_normal, geom = "errorbar", mult = 1)