R 具有输出的每个方面的系数。type="；“数字”；在ggpmisc:：stat\u poly\u eq中

ggpmisc:：stat\u poly\u eq

有一个选项

output.type=“numeric”

，可以获得拟合模型的参数估计值。下面是我尝试将其与

facet\u wrap

一起使用的内容。我在每个方面得到不同的

R²

，但在这两个方面的系数是相同的。我是做错了什么，还是一个bug

library(ggpmisc)

set.seed(4321)
x <- 1:100
y <- (x + x^2 + x^3) + rnorm(length(x), mean = 0, sd = mean(x^3) / 4)
my.data <- data.frame(x = x, 
                      y = y,
                      group = c("A", "B"))
my.data[my.data$group=="A",]$y <- my.data[my.data$group=="A",]$y + 200000

formula <- y ~ poly(x, 1, raw = TRUE)

myformat <- "Intercept: %s\nSlope: %s\nR²: %s"
ggplot(my.data, aes(x, y)) + 
  facet_wrap(~ group) + 
  geom_point() +
  geom_smooth(method = "lm", formula = formula) +
  stat_poly_eq(formula = formula, output.type = "numeric",
               mapping = aes(label = 
                               sprintf(myformat,
                                       formatC(stat(coef.ls)[[1]][[1, "Estimate"]]),
                                       formatC(stat(coef.ls)[[1]][[2, "Estimate"]]),
                                       formatC(stat(r.squared))))) 

库（ggpmisc）
种子集（4321）
好的，我知道了

ggplot(my.data, aes(x, y)) + 
  facet_wrap(~ group) + 
  geom_point() +
  geom_smooth(method = "lm", formula = formula) +
  stat_poly_eq(
    formula = formula, output.type = "numeric",
    mapping = aes(label = 
                    sprintf(myformat,
                            c(formatC(stat(coef.ls)[[1]][[1, "Estimate"]]), 
                              formatC(stat(coef.ls)[[2]][[1, "Estimate"]])),
                            c(formatC(stat(coef.ls)[[1]][[2, "Estimate"]]), 
                              formatC(stat(coef.ls)[[2]][[2, "Estimate"]])),
                            formatC(stat(r.squared))))) 

0.3.2版的“ggpmisc”现在在CRAN中。本周早些时候提交。在文档中，我现在给出了一些使用包“gginnards”中的
geom_debug（）。例如，它的工作原理如下：

库（ggpmisc）
图书馆（内部）
种子集（4321）
是的，我试过
geom=“debug”
。但是我们在打印输出中看不到
coef.ls
列表的内容。如果我们能存储这些打印输出，那就太好了。是的，这是有可能的，只需要一点技巧。请看上面对我先前答案的补充。谢谢你的报道。我确实需要扩展“gginnards”的文档。
ggplot(my.data, aes(x, y)) + 
  facet_wrap(~ group) + 
  geom_point() +
  geom_smooth(method = "lm", formula = formula) +
  stat_poly_eq(formula = formula, output.type = "numeric",
               aes(label = ""),
               summary.fun = function(x) {x[["coef.ls"]][[1]]})