Plotten von separaten Kurven auf Daten in R

Question

Ich habe ein Diagramm, wo für jedes x Werte gibt es 2 Y-Werte. Die Daten sind auch nichtlinear. Das Grundstück sieht wie folgt aus:

Nun meine Frage ich zwei dieser Kurven separat Regressionskurven passen wollen (oben und unten). Ich weiß, dass dies keine klare Frage ist, da es kein eindeutiges Identifikationsschema gibt, das ich in der Hand habe, aber ich weiß, dass sich das Antwortsystem auf zwei verschiedene Arten für eine gleiche Eingabe (oder fast die gleiche Eingabe) zufällig verhalten kann.

The data file can be found here the headers used here 'sigma' and 'mabs_b'

Zusammenfassung der vollständigen Datensatz:

summary(data) 
#  id   sigma    L_gal    M_gal    flux   
# Min. : 1 Min. : 6.214 Min. :1.481e+06 Min. :1.541e+08 Min. : 10.4 
# 1st Qu.: 5118 1st Qu.: 28.438 1st Qu.:1.814e+08 1st Qu.:1.290e+10 1st Qu.: 196.7 
# Median :10236 Median : 41.542 Median :6.725e+08 Median :3.684e+10 Median : 388.0 
# Mean :10236 Mean : 56.599 Mean :3.151e+09 Mean :3.663e+11 Mean : 2551.5 
# 3rd Qu.:15354 3rd Qu.: 65.445 3rd Qu.:2.467e+09 3rd Qu.:1.410e+11 3rd Qu.: 1227.3 
# Max. :20471 Max. :391.988 Max. :3.810e+11 Max. :2.960e+13 Max. :733660.0 
# fluxmax    mabs_b   flag   cstar   
# Min. : 1.191 Min. :-24.25 Min. : 0.000 Min. :0.0001578 
# 1st Qu.: 5.801 1st Qu.:-18.77 1st Qu.: 0.000 1st Qu.:3.0000000 
# Median : 10.111 Median :-17.36 Median : 0.000 Median :3.0000000 
# Mean : 39.649 Mean :-17.33 Mean : 1.217 Mean :2.5267219 
# 3rd Qu.: 26.313 3rd Qu.:-15.94 3rd Qu.: 3.000 3rd Qu.:3.0000000 
# Max. :6600.280 Max. :-10.72 Max. :51.000 Max. :3.0000000 

Ausgabe von head(data,20):

subset_data = structure(list(id = 1:20, sigma = c(391.988, 379.985, 363.682, 
358.969, 362.63, 344.544, 344.544, 331.482, 332.665, 302.539, 
306.977, 287.416, 205.793, 303.279, 297.047, 273.719, 214.59, 
268.891, 291.834, 191.926), L_gal = c(3.81e+11, 3.35e+11, 2.98e+11, 
2.98e+11, 2.93e+11, 2.19e+11, 2.19e+11, 1.84e+11, 1.68e+11, 1.43e+11, 
1.42e+11, 1.12e+11, 1.05e+11, 1.03e+11, 1.02e+11, 9.27e+10, 92017300000, 
91078100000, 85536700000, 83359400000), M_gal = c(2.96e+13, 2.68e+13, 
2.23e+13, 2.05e+13, 2.21e+13, 1.99e+13, 1.99e+13, 1.78e+13, 1.94e+13, 
1.21e+13, 1.34e+13, 1.06e+13, 4.01e+12, 1.56e+13, 1.38e+13, 8.95e+12, 
5.16e+12, 8.12e+12, 1.4e+13, 3.28e+12), flux = c(156286, 129987, 
67801.2, 50110.3, 73118.6, 80827.2, 80827.2, 68568, 142348, 21194.6, 
31081.9, 17414.4, 12121.3, 167441, 81709.3, 13920.7, 51775.8, 
8185.93, 159998, 17393.7), fluxmax = c(6508.29, 4956.37, 2381.87, 
2200.22, 2986.29, 2396.81, 2396.81, 2278.94, 4875.65, 854.856, 
1264.36, 750.337, 19.7162, 6082.21, 724.639, 204.966, 281.601, 
214.372, 6304.41, 182.002), mabs_b = c(-24.2475, -24.1079, -23.9807, 
-23.9799, -23.9618, -23.6449, -23.6449, -23.4586, -23.3587, -23.1847, 
-23.1745, -22.9178, -22.8463, -22.826, -22.8183, -22.7122, -22.7042, 
-22.693, -22.6249, -22.5969), flag = c(35L, 0L, 0L, 0L, 3L, 2L, 
2L, 2L, 3L, 2L, 0L, 2L, 35L, 2L, 3L, 35L, 2L, 2L, 0L, 2L), cstar = c(0.989659, 
0.989581, 0.988048, 0.993796, 0.986398, 0.990529, 0.990529, 0.997505, 
0.995231, 0.990121, 0.986176, 0.984495, 0.0007165, 0.987469, 
0.0287568, 0.379966, 0.028632, 0.898742, 0.999391, 0.0286844)), .Names = c("id", 
"sigma", "L_gal", "M_gal", "flux", "fluxmax", "mabs_b", "flag", 
"cstar"), row.names = c(NA, 20L), class = "data.frame") 

Answer 1

Es gibt zwei Gruppen von Punkten mit einer Lücke dazwischen. Die Daten enthalten keinen Indikator. Ich nehme an, dass Sie a priori definieren möchten, dass Punkte, die über der Lücke liegen, in einer Gruppe sein sollten und dass Punkte, die unter der Lücke liegen, in einer anderen Gruppe sein sollten.

In diesem Fall, ich fürchte, es gibt keine Umwege, ohne selbst eine Indikatorvariable für die beiden Gruppen zu erstellen.

Zum Glück kann dies mit der Funktion locator() durchgeführt werden. In diesem Fall funktioniert die Funktion, da zwischen den beiden Gruppen eine klare Lücke besteht. Es bleibt übrig, mit Hilfe von locator() eine Linie durch die Lücke zu verfolgen und zu prüfen, welche Sigma-Werte oberhalb und unterhalb der nachgezeichneten Linie liegen.

Sobald Sie diesen Indikator haben, können Sie jede passende Methode verwenden, die Sie mögen ... aber das ist eine Frage für einen anderen Beitrag (vielleicht auf Cross Validated).

library('ggplot2') 

d<-read.csv("SIS_TFFJ_all_sorted_R.csv") 

uniq_sigma<-unique(d$sigma) 

gap<-locator() 

Hier sind die Inhalte der Lücke von meiner Spur:

> gap 
$x 
[1] -24.66446 -24.45990 -24.15305 -23.74391 -23.48820 -22.82336 -22.46536 -22.12442 -21.74938 -21.40843 -21.06749 -20.70950 -20.52198 -19.89123 -20.07875 -19.31162 -18.66382 -18.25469 -17.82851 
[20] -17.07842 -16.39653 -15.64645 -15.08389 -14.24858 -13.44735 -12.40747 -11.19711 

$y 
[1] 346.67767 331.34710 315.20967 294.23100 277.28669 249.85305 229.68126 213.54382 194.17890 173.20024 159.48342 145.76660 136.08413 120.75357 123.98106 107.84362 92.51306 87.67183 79.60311 
[20] 67.50003 58.62444 49.74885 44.10075 38.45265 30.38393 23.92896 17.47398 

Nun, da ich eine Schätzung der Linie haben die beiden Gruppen unterteilen, kann ich einfach überprüfen, welche Punkte oberhalb und unterhalb der Linie sind .

d$x_pos<-cut(d$mabs_b, gap$x) 
names(gap$y)<-unique(d$x_pos) 
d$y_pos<-gap$y[d$x_pos] 

d$cohort<-ifelse(d$sigma>d$y_pos,'upper','lower') 

Schließlich das Plotten mit Modellanpassung mit geom_smooth(). Wiederum, welches Modell Sie anpassen möchten, ist eine ganz andere Frage ... eine, die für Cross Validated besser geeignet ist.

ggplot(data=d, aes(x=mabs_b, y=sigma, col=cohort, group=cohort))+geom_point()+geom_smooth(col='black')