Як отримати значення, використані в plot.gam в мгcv?

Я хотів би дізнатися значення, які (x, y)використовуються для побудови графіків plot(b, seWithMean=TRUE)у пакеті mgcv . Хтось знає, як я можу витягти або обчислити ці значення?

Ось приклад:

library(mgcv) 
set.seed(0)
dat <- gamSim(1, n=400, dist="normal", scale=2) 
b   <- gam(y~s(x0), data=dat) 
plot(b, seWithMean=TRUE)

Починаючи з mgcv1,8-6, plot.gamневидимо повертає дані, які він використовує для створення сюжетів, тобто виконання

pd <- plot(<some gam() model>)

дає вам список із графічними даними в pd.

ВІДПОВІДЬ нижче: mgcv<= 1,8-5:

Я неодноразово проклинав той факт, що функції сюжету для того, mgcvщоб не повертати те, про що вони планують, - те, що випливає, некрасиво, але воно працює:

library(mgcv) 
set.seed(0)
dat <- gamSim(1, n = 400, dist = "normal", scale = 2)
b <- gam(y ~ s(x0) + s(x1) + s(x2) + s(x3), data = dat)

plotData <- list()
trace(mgcv:::plot.gam, at = list(c(27, 1)), 
  ## tested for mgcv_1.8-4. other versions may need different at-argument.
  quote({
    message("ooh, so dirty -- assigning into globalenv()'s plotData...")
    plotData <<- pd
    }))
mgcv::plot.gam(b, seWithMean = TRUE, pages = 1)

par(mfrow = c(2, 2))
for (i in 1:4) {
  plot(plotData[[i]]$x, plotData[[i]]$fit, type = "l", xlim = plotData[[i]]$xlim,
    ylim = range(plotData[[i]]$fit + plotData[[i]]$se, plotData[[i]]$fit -
      plotData[[i]]$se))
  matlines(plotData[[i]]$x, cbind(plotData[[i]]$fit + plotData[[i]]$se, 
    plotData[[i]]$fit - plotData[[i]]$se), lty = 2, col = 1)
  rug(plotData[[i]]$raw)  
}

Пакет visregможе зробити графіки ефектів схожими на GAM (але, можливо, не ідентичні?), А також дає компоненти сюжету як вихідні, відформатовані як список. Використовуючи plyr, можна зробити кадр даних з виводу. Приклад:

plot <- visreg(model, type = "contrast")
smooths <- ldply(plot, function(part)   
  data.frame(x=part$x$xx, smooth=part$y$fit, lower=part$y$lwr, upper=part$y$upr))

Це не буде повною відповіддю. Весь графік для gamоб’єктів робиться за допомогою функції plot.gam. Ви можете переглянути його код, просто набравши текст

> plot.gam

в консолі R. Як ви побачите, код величезний. Що я зрозумів з цього, що все складання графіків робиться шляхом збору відповідної інформації в pdоб'єкті, який є списком. Отже, одним із можливих рішень було б редагувати plot.gam, використовуючи, editнаприклад, так, щоб він повертав цей об'єкт. Додавання pdдо останнього }буде достатньо. Я б радив додати invisible(pd), щоб цей об’єкт повернувся лише у випадку, якщо ви попросите його:

> pd <- plot(b,seWithMean = TRUE)

Потім огляньте цей об'єкт і знайдіть у коді plot.gamрядки з plotта lines. Тоді ви побачите, яке з відповідних xта yзначень відображається у графіці.

## And this is the code for multiple variables!
require(mgcv)
n      = 100
N      = n
tt     = 1:n
arfun  = c(rep(.7,round(n/3)),rep(.3,round(n/3)),rep(-.3,ceiling(n/3)))
arfun2 = c(rep(.8,round(n/3)),rep(.3,round(n/3)),rep(-.3,ceiling(n/3)))
int    = .1*(tt-mean(tt))/max(tt)-.1*((tt-mean(tt))/(max(tt)/10))^2
y      = rep(NA,n)
s.sample <- N
x        <- 10*rnorm(s.sample)
z        <- 10*rnorm(s.sample)
for(j in 1:n){
  y[j]=int[j]+x[j]*arfun[j]+z[j]*arfun2[j]+rnorm(1)  
}

mod = gam(y ~ s(tt) + s(tt, by=x) + s(tt, by=z)) 
## getting the data out of the plot
plotData <- list()
trace(mgcv:::plot.gam, at=list(c(25,3,3,3)),
      # this gets you to the location where plot.gam calls 
      #    plot.mgcv.smooth (see ?trace)
      # plot.mgcv.smooth is the function that does the actual plotting and
      # we simply assign its main argument into the global workspace
      # so we can work with it later.....

      quote({
        # browser()
        print(pd)
        plotData <<- c(plotData, pd)
      }))

# test: 
mgcv::plot.gam(mod, seWithMean=TRUE)


# see if it succeeded
slct = 3
plot(plotData[[slct]]$x, plotData[[slct]]$fit, type="l", xlim=plotData$xlim, 
     ylim=range(plotData[[slct]]$fit + plotData[[slct]]$se, plotData[[slct]]$fit - 
                plotData[[slct]]$se))
matlines(plotData[[slct]]$x, 
         cbind(plotData[[slct]]$fit + plotData[[slct]]$se, 
               plotData[[slct]]$fit - plotData[[slct]]$se), lty=2, col=1)
rug(plotData[[slct]]$raw)