如何在 R 中创建交互图?
在本文中,我们将讨论如何在 R 编程语言中创建交互图。
交互作用图显示了一个连续变量和一个分类变量与另一个分类变量之间的关系。它让我们知道两个分类变量是否对一个共同的连续变量有任何交互作用。如果交互图中有两条平行线,则表示这两个分类变量没有交互。否则,如果两条线在一个点相交,这意味着这两个分类变量之间存在交互。
创建一个基本的交互图:
为了在 R 语言中创建一个基本的交互图,我们使用 interaction.plot()函数。 interaction.plot()函数帮助我们可视化因子的双向组合响应的均值/中值。这有助于我们说明可能的交互。 interaction.plot()函数将 x.factor、trace.factor、response 和 fun 作为参数并返回交互图层。
Syntax:
interaction.plot( x.factor, trace.factor, response, fun )
Parameters:
- x.factor: determines the variable whose levels will form the x-axis.
- trace.factor: determines another factor whose levels will form the traces.
- response: determines a numeric variable giving the response.
- fun: determines the statistical summary element according to which trace will be made.
示例 1:基本交互作用图
这是一个基本的交互图。示例中使用的 CSV 文件可在此处下载。
R
# import sample data to data frame
sample_data <- read.csv("Sample_interaction.CSV")
# Basic Interaction Plot
interaction.plot(x.factor = sample_data$Effort,
trace.factor = sample_data$gender,
response = sample_data$Result, fun = median)
R
# import sample data to data frame
sample_data <- read.csv("Sample_interaction.CSV")
# Basic Interaction Plot with custom labels
interaction.plot(x.factor = sample_data$Effort,
trace.factor = sample_data$gender,
response = sample_data$Result,
fun = median, xlab="Effort",
ylab="Result", trace.label="Gender")
R
# import sample data to data frame
sample_data <- read.csv("Sample_interaction.CSV")
# Basic Interaction Plot with custom labels
interaction.plot(x.factor = sample_data$Effort,
trace.factor = sample_data$gender,
response = sample_data$Result,
fun = median, xlab="Effort",
ylab="Result", trace.label="Gender",
col=c("green","red"),
lty=4, lwd=2.5 )
输出:
示例 2:标签自定义
为了自定义交互图中的 x 轴和 y 轴标签,我们使用 R 语言中interaction.plot()函数的 xlab 和 ylab 参数。要更改绘图图例中变量的标签,我们使用 R 语言中 interaction.plot()函数的 trace.label 参数。
Syntax: interaction.plot( x.factor, trace.factor, response, fun, xlab, ylab, trace.label )
Parameters:
- xlab: determines the label for the x-axis variable.
- ylab: determines the label for the y-axis variable.
- trace.label: determines the label for the trace factor variable in legend.
这是一个带有自定义标签的基本交互图。
R
# import sample data to data frame
sample_data <- read.csv("Sample_interaction.CSV")
# Basic Interaction Plot with custom labels
interaction.plot(x.factor = sample_data$Effort,
trace.factor = sample_data$gender,
response = sample_data$Result,
fun = median, xlab="Effort",
ylab="Result", trace.label="Gender")
输出:
示例 3:颜色和形状自定义
要自定义线条的颜色,我们使用interaction.plot()函数的col 参数,该函数将颜色向量作为参数。要自定义线条的宽度和形状,我们使用interaction.plot()函数的lwd 和lty 参数。
Syntax: interaction.plot( x.factor, trace.factor, response, fun, col, lwd, lty )
Parameters:
- col: determines the colors of the lines in the plot.
- lty: determines the type of line for example dashed, wedged,etc.
- lwd: determines the width of the plotline.
这是一个带有自定义标签、颜色和形状的基本交互图。
R
# import sample data to data frame
sample_data <- read.csv("Sample_interaction.CSV")
# Basic Interaction Plot with custom labels
interaction.plot(x.factor = sample_data$Effort,
trace.factor = sample_data$gender,
response = sample_data$Result,
fun = median, xlab="Effort",
ylab="Result", trace.label="Gender",
col=c("green","red"),
lty=4, lwd=2.5 )
输出: