如何在R中插值/近似数据？
关于我的数据，我有一个小问题。我相信这对你来说是个简单的问题 我有这个数据框：如何在R中插值/近似数据？,r,R,关于我的数据，我有一个小问题。我相信这对你来说是个简单的问题 我有这个数据框： id power hr fr VE VO2 VCO2 PETCO2 percent_VO2 percent_power group 1 AC12-PRD-C1 25 88.75 22.75 22.75 0.73900 0.66700 39.2925 49.34068 21.73913 CHD 2 AC12-PRD-C1
id power hr fr VE VO2 VCO2 PETCO2 percent_VO2 percent_power group
1 AC12-PRD-C1 25 88.75 22.75 22.75 0.73900 0.66700 39.2925 49.34068 21.73913 CHD
2 AC12-PRD-C1 40 93.25 23.00 23.75 0.81975 0.71500 39.6200 54.73210 34.78261 CHD
3 AC12-PRD-C1 55 99.75 22.75 26.75 0.95125 0.85400 41.4100 63.51193 47.82609 CHD
4 AC12-PRD-C1 70 109.75 23.00 32.50 1.07525 1.04700 42.0150 71.79102 60.86957 CHD
5 AC12-PRD-C1 85 118.75 22.75 39.50 1.19900 1.25125 41.8425 80.05341 73.91304 CHD
6 AC12-PRD-C1 100 127.00 26.00 48.25 1.34575 1.51850 41.0950 89.85144 86.95652 CHD
7 AC12-PRD-C1 115 135.75 28.00 55.75 1.49775 1.76025 40.7275 100.00000 100.00000 CHD
8 AL13-PRD-C1 25 69.50 16.50 24.00 0.66125 0.58050 31.2275 41.36691 19.23077 CHD
9 AL13-PRD-C1 40 73.00 17.50 26.50 0.74850 0.66425 32.1025 46.82515 30.76923 CHD
10 AL13-PRD-C1 55 83.25 15.50 29.00 0.85500 0.79425 33.6650 53.48764 42.30769 CHD
11 AL13-PRD-C1 70 93.75 16.00 36.50 0.98450 0.99925 34.5325 61.58899 53.84615 CHD
12 AL13-PRD-C1 85 104.50 16.00 44.75 1.14950 1.23475 34.4225 71.91117 65.38462 CHD
13 AL13-PRD-C1 100 114.25 19.25 55.25 1.34650 1.48375 33.1800 84.23522 76.92308 CHD
14 AL13-PRD-C1 115 125.25 20.75 63.75 1.45100 1.65775 32.6450 90.77260 88.46154 CHD
15 AL13-PRD-C1 130 136.25 24.75 78.00 1.59850 1.89075 30.9000 100.00000 100.00000 CHD
16 BM06-PRD-S1 25 119.25 18.25 19.00 0.61675 0.58225 37.6425 48.87084 25.00000 Sains
17 BM06-PRD-S1 40 126.00 18.00 20.75 0.71700 0.65950 39.2175 56.81458 40.00000 Sains
18 BM06-PRD-S1 55 133.50 20.75 25.00 0.86275 0.82750 41.2150 68.36371 55.00000 Sains
19 BM06-PRD-S1 70 147.25 18.25 29.00 0.98575 1.04550 41.7050 78.11014 70.00000 Sains
20 BM06-PRD-S1 85 158.50 22.25 39.25 1.13000 1.30525 41.1425 89.54041 85.00000 Sains
21 BM06-PRD-S1 100 168.75 27.75 51.00 1.26200 1.61150 38.8925 100.00000 100.00000 Sains
22 CB19-PRD-S1 25 98.75 18.50 25.00 0.88350 0.80475 40.7550 36.15715 13.15789 Sains
23 CB19-PRD-S1 40 98.25 20.00 25.50 0.94575 0.82900 41.4675 38.70473 21.05263 Sains
24 CB19-PRD-S1 55 102.00 19.75 28.50 1.08125 0.95800 42.2775 44.25005 28.94737 Sains
25 CB19-PRD-S1 70 107.50 20.50 34.25 1.24400 1.14275 42.6450 50.91058 36.84211 Sains
26 CB19-PRD-S1 85 111.00 21.25 35.50 1.30475 1.19925 43.3600 53.39677 44.73684 Sains
27 CB19-PRD-S1 100 117.25 21.50 40.25 1.47350 1.42225 44.2650 60.30284 52.63158 Sains
28 CB19-PRD-S1 115 123.00 22.75 47.00 1.67900 1.68475 44.6400 68.71291 60.52632 Sains
29 CB19-PRD-S1 130 129.50 24.50 52.50 1.79075 1.87950 44.3425 73.28627 68.42105 Sains
30 CB19-PRD-S1 145 135.50 25.25 59.50 1.96000 2.13525 44.7300 80.21281 76.31579 Sains
31 CB19-PRD-S1 160 145.25 26.75 64.50 2.04050 2.28350 43.8825 83.50726 84.21053 Sains
32 CB19-PRD-S1 175 151.25 30.50 83.00 2.34425 2.76050 41.6025 95.93820 92.10526 Sains
33 CB19-PRD-S1 190 161.75 33.75 92.25 2.44350 2.96850 40.0400 100.00000 100.00000 Sains
34 CC14-PRD-S1 20 102.50 19.00 18.25 0.59250 0.54825 37.7175 49.26211 22.22222 Sains
35 CC14-PRD-S1 30 110.25 18.75 19.75 0.66100 0.60325 38.5800 54.95739 33.33333 Sains
36 CC14-PRD-S1 40 113.25 18.50 20.75 0.74350 0.66025 39.2950 61.81667 44.44444 Sains
37 CC14-PRD-S1 50 122.50 20.00 23.50 0.87875 0.77325 40.5650 73.06173 55.55556 Sains
38 CC14-PRD-S1 60 126.25 17.50 26.25 0.94350 0.89375 41.3525 78.44523 66.66667 Sains
39 CC14-PRD-S1 70 132.00 16.50 28.00 0.99675 0.98525 42.7575 82.87258 77.77778 Sains
40 CC14-PRD-S1 80 145.00 18.50 32.75 1.11425 1.16275 42.5025 92.64186 88.88889 Sains
41 CC14-PRD-S1 90 153.50 19.50 37.25 1.20275 1.32700 42.0975 100.00000 100.00000 Sains
42 DA03-PRD-C1 20 75.50 20.00 24.25 0.92550 0.78100 41.8375 45.37877 15.38462 CHD
43 DA03-PRD-C1 30 77.00 21.50 26.75 1.02925 0.87750 41.8625 50.46580 23.07692 CHD
44 DA03-PRD-C1 40 79.50 22.00 29.50 1.11675 0.97200 42.1025 54.75607 30.76923 CHD
45 DA03-PRD-C1 50 81.25 22.75 31.00 1.19725 1.05425 42.9525 58.70311 38.46154 CHD
46 DA03-PRD-C1 60 86.25 21.75 32.00 1.24775 1.11750 44.0800 61.17921 46.15385 CHD
47 DA03-PRD-C1 70 89.50 26.50 39.00 1.42625 1.35300 43.6350 69.93136 53.84615 CHD
48 DA03-PRD-C1 80 91.75 27.00 43.25 1.54225 1.50750 43.5800 75.61902 61.53846 CHD
49 DA03-PRD-C1 90 95.25 28.00 46.25 1.59425 1.61425 43.5800 78.16867 69.23077 CHD
50 DA03-PRD-C1 100 96.75 29.50 51.75 1.69675 1.76925 43.2775 83.19441 76.92308 CHD
51 DA03-PRD-C1 110 99.50 29.75 52.75 1.77600 1.86750 44.5050 87.08017 84.61538 CHD
52 DA03-PRD-C1 120 104.75 34.75 64.50 1.94525 2.17975 42.3325 95.37877 92.30769 CHD
53 DA03-PRD-C1 130 109.00 37.75 72.75 2.03950 2.35750 40.0550 100.00000 100.00000 CHD
54 DA24-PRD-S1 25 88.00 18.50 15.75 0.53500 0.45075 37.2200 40.33170 21.73913 Sains
55 DA24-PRD-S1 40 93.25 18.50 16.25 0.58450 0.47775 38.3375 44.06332 34.78261 Sains
56 DA24-PRD-S1 55 103.75 19.00 20.25 0.76875 0.65450 40.1875 57.95326 47.82609 Sains
57 DA24-PRD-S1 70 119.00 20.75 28.00 0.98200 0.95525 41.5175 74.02940 60.86957 Sains
58 DA24-PRD-S1 85 133.25 22.75 34.75 1.09975 1.18325 41.4125 82.90614 73.91304 Sains
59 DA24-PRD-S1 100 145.00 27.50 45.75 1.25900 1.49700 39.1475 94.91142 86.95652 Sains
60 DA24-PRD-S1 115 155.25 36.50 64.75 1.32650 1.72500 33.0275 100.00000 100.00000 Sains
61 DB22-PRD-S1 25 93.00 17.50 18.25 0.72050 0.58275 40.1275 61.43679 29.41176 Sains
62 DB22-PRD-S1 40 94.75 17.25 21.25 0.86825 0.74600 42.4000 74.03539 47.05882 Sains
63 DB22-PRD-S1 55 111.50 18.00 22.25 0.92350 0.79550 43.7575 78.74654 64.70588 Sains
64 DB22-PRD-S1 70 117.50 19.50 24.75 1.01075 0.91000 45.1775 86.18631 82.35294 Sains
65 DB22-PRD-S1 85 142.50 24.00 29.50 1.17275 1.13175 47.3850 100.00000 100.00000 Sains
66 DB42-PRD-C1 25 81.75 20.75 21.25 0.74350 0.62050 38.7075 34.75111 14.28571 CHD
67 DB42-PRD-C1 40 88.25 22.25 20.75 0.76575 0.60475 39.6275 35.79107 22.85714 CHD
68 DB42-PRD-C1 55 93.00 22.50 26.00 0.96075 0.79100 40.7000 44.90535 31.42857 CHD
69 DB42-PRD-C1 70 98.75 23.50 30.75 1.09750 0.96300 41.6050 51.29703 40.00000 CHD
70 DB42-PRD-C1 85 104.75 23.50 34.00 1.21975 1.10725 42.6325 57.01098 48.57143 CHD
71 DB42-PRD-C1 100 112.75 23.25 38.50 1.34525 1.30025 43.8750 62.87684 57.14286 CHD
72 DB42-PRD-C1 115 119.00 23.75 46.75 1.50625 1.56775 43.4775 70.40196 65.71429 CHD
73 DB42-PRD-C1 130 127.00 25.50 53.75 1.67550 1.80400 42.3750 78.31269 74.28571 CHD
74 DB42-PRD-C1 145 133.25 30.75 70.50 1.86325 2.16450 39.3975 87.08810 82.85714 CHD
75 DB42-PRD-C1 160 139.50 34.75 82.75 2.04650 2.43400 37.6425 95.65319 91.42857 CHD
76 DB42-PRD-C1 175 147.50 39.25 98.25 2.13950 2.67125 34.8550 100.00000 100.00000 CHD
77 DL18-PRD-S1 25 109.25 23.75 17.25 0.61300 0.54200 43.3100 24.77769 12.19512 Sains
78 DL18-PRD-S1 40 115.75 23.25 22.00 0.85525 0.76325 43.7425 34.56952 19.51220 Sains
79 DL18-PRD-S1 55 124.75 26.50 25.75 0.98000 0.89000 44.8275 39.61196 26.82927 Sains
80 DL18-PRD-S1 70 129.25 19.50 29.75 1.07600 1.08100 45.2350 43.49232 34.14634 Sains
81 DL18-PRD-S1 85 136.25 24.00 33.75 1.28700 1.25450 46.6250 52.02102 41.46341 Sains
82 DL18-PRD-S1 100 143.50 24.00 38.75 1.46150 1.47350 47.3825 59.07437 48.78049 Sains
83 DL18-PRD-S1 115 149.25 22.25 44.50 1.59325 1.68575 46.8925 64.39976 56.09756 Sains
84 DL18-PRD-S1 130 156.75 27.25 50.75 1.69650 1.83225 46.1575 68.57316 63.41463 Sains
85 DL18-PRD-S1 145 162.50 26.00 56.25 1.88400 2.10250 46.5550 76.15198 70.73171 Sains
86 DL18-PRD-S1 160 169.50 29.50 65.00 1.99800 2.31325 45.0225 80.75990 78.04878 Sains
87 DL18-PRD-S1 175 173.25 28.50 71.75 2.14250 2.52175 44.5875 86.60065 85.36585 Sains
88 DL18-PRD-S1 190 178.00 32.50 81.00 2.31275 2.75500 43.0400 93.48222 92.68293 Sains
89 DL18-PRD-S1 205 184.75 37.00 99.00 2.47400 3.11700 39.5725 100.00000 100.00000 Sains
dftest %>%
filter(percent_power>= 0 & percent_power < 75) %>%
ggscatter(x = "percent_power", y = "PETCO2", color = "group") +
stat_cor(aes(color = group), label.x = 15, label.y = c(20,25)) +
stat_regline_equation(label.x = 15, label.y = c(18,23),
formula = y ~ x,
aes(color = group, label = paste(..eq.label.., ..adj.rr.label.., sep = "~~~~")),) +
geom_smooth(aes(colour=group), method = "lm", formula = y ~ x) +
xlab("Percentage of power (%)") +
ylab(expression(paste("PETC", O[2]," (mmHg)")))
dftest%>%
滤波器（功率百分比>=0和功率百分比<75）%>%
ggscatter（x=“功率百分比”，y=“二氧化碳排放量”，color=“组”）+
统计系数（aes（颜色=组），label.x=15，label.y=c（20,25））+
统计方程（label.x=15，label.y=c（18,23），
公式=y~x，
aes（颜色=组，标签=粘贴（…eq.label…，…adj.rr.label…，sep=“~~”））+
geom_光滑（aes（颜色=组），方法=“lm”，公式=y~x）+
xlab（“功率百分比（%）”）+
ylab（表达式（粘贴（“PETC”，O[2]，“（mmHg）”）
多谢各位 我不太确定这是否是您的意思，但您可以通过先建立回归模型，然后使用
预测，来获得任何点的回归线值：
model1 <- lm(PETCO2 ~ percent_power + group, data = dftest)
predict(model1, newdata = list(percent_power = c(70, 70), group = c("Sains", "CHD")))
#> 1 2
#> 42.19186 39.67706
model12
#> 42.19186 39.67706
然后，您可以看到有关回归的各种其他信息，包括其标准误差（您可能指的是标准误差，而不是标准偏差？），如下所示：
summary(model1)
#>
#> Call:
#> lm(formula = PETCO2 ~ percent_power + group, data = dftest)
#>
#> Residuals:
#> Min 1Q Median 3Q Max
#> -9.1888 -2.0312 0.4802 2.5330 5.2080
#>
#> Coefficients:
#> Estimate Std. Error t value Pr(>|t|)
#> (Intercept) 3.962e+01 9.999e-01 39.625 < 2e-16 ***
#> percent_power 8.161e-04 1.402e-02 0.058 0.95372
#> groupSains 2.515e+00 7.549e-01 3.331 0.00127 **
#> ---
#> Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
#>
#> Residual standard error: 3.522 on 86 degrees of freedom
#> Multiple R-squared: 0.1144, Adjusted R-squared: 0.09381
#> F-statistic: 5.555 on 2 and 86 DF, p-value: 0.005385
摘要（模型1）
#>
#>电话：
#>lm（公式=PETCO2~功率百分比+组，数据=dftest）
#>
#>残差：
#>最小1季度中值3季度最大值
#> -9.1888 -2.0312 0.4802 2.5330 5.2080
#>
#>系数：
#>估计标准误差t值Pr（>t）
#>（截距）3.962e+019.999e-0139.625<2e-16***
#>功率百分比8.161e-04 1.402e-02 0.058 0.95372
#>分组编号2.515e+00 7.549e-01 3.331 0.00127**
#> ---
#>签名。代码：0'***'0.001'***'0.01'*'0.05'.'0.1''1
#>
#>剩余标准误差：86个自由度上的3.522
#>倍数R平方：0.1144，调整后的R平方：0.09381
#>F-统计量：2和86 DF上的5.555，p-值：0.005385
拟合线性模型，然后使用预测函数：
lm1 <- lm(PETCO2 ~ percent_power, data=dftest)
predict(lm1, newdata=data.frame(percent_power=70), se.fit=TRUE)
每当有人说“插值”，我想approx（）
。你是对的！我将更新我的问题。不，我的意思是插值的R方式是使用approx（）
函数好的，这就是我无法将其应用于我的数据并获得平均值和SD的地方。谢谢你的帮助！非常感谢。我可以看到标准错误，但是否可以为每个组获得它？你也做了统计分析来比较这两个值，对吗？意思是p值约为0.005385？谢谢！我猜se
是SD？不是。SD是标准偏差，可以从样本数据计算。SE是标准误差，你从估计中得到，这是你的情况，我知道了。谢谢你，爱德华
$fit
1
41.12509
$se.fit
[1] 0.4270862
lm2 <- lm(PETCO2 ~ percent_power+group, data=dftest)
predict(lm2, newdata=data.frame(percent_power=70, group="CHD"), se.fit=TRUE)
$fit
1
39.67706
$se.fit
[1] 0.5935921
predict(lm2, newdata=data.frame(percent_power=70, group="Sains"), se.fit=TRUE)
$fit
1
42.19186
$se.fit
[1] 0.5157171