Violing Plot - Grouped violinplots with split violins

     Bab 1
     

     Pendahuluan

1.1     Latar Belakang

violin plot berguna untuk  membandingkan distribusi. Ketika data  dikelompokk- an  oleh faktor  dengan  dua  tingkat (misalnya  laki-laki  dan  perempuan), Anda dapat split dua violin untuk  melihat  perbedaan antara kelompok.  Pertimbangk- an percobaan faktorial  2 x 2: perawatan A dan B disilangkan  dengan  kelompok

1 dan 2, dengan  N = 1000.

# Simulate  data n.each  <-  1000

A1 <-  rnorm(n.each, 2, 1) A2 <-  rnorm(n.each, 1.5, 2) B1 <-  rnorm(n.each, 4, 1.5) B2 <-  rnorm(n.each, 0, 1)

values <-  c(A1, A2, B1, B2) treatment <-  rep(c("A", "B"),  each=n.each*2)

group <-  rep(c(1,  2, 1, 2), each=n.each)

Boxplots  sering  digunakan:  par  (bty  = "n")  boxplot  (nilai  ~ kelompok  *

pengobatan, main = "Box plot",  col = r (c ("ungu", "biru  muda"), 2))

Gambar ini  memberi  kita  perbandingan kasar  dari  distribusi di  masing- masing kelompok,  tapi  kadang-kadang itu  bagus untuk  memvisualisasikan per- kiraan  kepadatan kernel sebagai gantinya.Dengan ggplot2 (), argumen  sisi me- nentukan apakah  untuk  merencanakan kepadatan pada  "kanan", "kiri",  atau "kanan".

source_gist("https://gist.github.com/mbjoseph/5852613")

plot(x=NULL, y=NULL,

xlim = c(0.5, 2.5), ylim=c(min(values), max(values)), type="n", ann=FALSE, axes=F)

axis(1, at=c(1, 2), labels=c("A", "B"))

axis(2)

for (i in unique(treatment)) { for (j in unique(group)){ vioplot2(values[which(treatment == i & group == j)], at = ifelse(i == "A",  1, 2),

side = ifelse(j == 1, "left",  "right"),

col = ifelse(j == 1, "purple", "lightblue"),

add = T)

}

}

title("Violin plot",  xlab="Treatment") legend("bottomright", ll = c("purple", "lightblue"), legend = c("Group 1", "Group  2"), box.lty=0)

Bab  2

Violing  Plot - Grouped violinplots with  split  violins

2.1     Menggambar violin plot

                  Paket  boxplot  Peter  Kamstra menggunakan boxplot  () untuk  membuat plot

kepadatan split,  tapi  1) plot karpet  daripada kotak  kuantil, 2) mencakup  garis untuk   mean  keseluruhan atau  median,  dan  3)  membuat lebih  mudah  untuk mengubah  fungsi kernel.

require(beanplot)

beanplot(values ~ group*treatment, ll = 0.04,

main = "Bean  plot",  side = "both", xlab="Treatment", col = list("purple", c("lightblue", "black")),

axes=F)

axis(1, at=c(1, 2), labels=c("A", "B")) axis(2) legend("bottomright", ll = c("purple", "lightblue"), legend = c("Group 1", "Group  2"), box.lty=0)

Download Materi lengkapnya di :  https://www.dropbox.com/sh/ud2x8bba25xxquo/AAA6TXx7c0Byz_T4qMRoNiC-a?dl=0