如何用R-ggplot2可视化基准模型与探索模型的参数偏差？

当然可以！用ggplot2来可视化探索模型和基准模型的参数偏差是非常合适的选择，能让读者一眼看出每个模型在各参数上的差异。下面是完整的实现步骤和代码，你可以直接套用：

1. 数据预处理（转长格式+计算偏差） #

首先我们需要把原始的宽格式数据转换成ggplot2偏好的长格式（tidy data），同时计算每个探索模型参数相对于基准模型的绝对偏差（探索值-基准值）和相对偏差（百分比形式，更适合看比例差异）：

# 加载所需包（tidyverse包含ggplot2、dplyr、tidyr等工具）
library(tidyverse)

# 你的原始数据
base = c(1.84,3.92,1.67,1.12,1.63,.62,.59)
e1 = c(.61,1.47,1.68,1.95,1.64,.61,.72)
e2 = c(.64,7.08,1.67,1.12,1.44,.46,.76)
e3 = c(.64,4.47,1.68,2.04,1.45,.4,1.35)
e4 = c(.78,1.61,1.62,1.09,1.46,.66,.76)
e5 = c(.78,.99,1.62,2.32,1.46,.73,.52)
df = data.frame(base,e1,e2,e3,e4,e5)

# 数据整理：添加参数ID、转长格式、计算偏差
df_tidy <- df %>%
  mutate(param_id = row_number()) %>% # 给每个参数分配唯一ID，方便区分
  pivot_longer(cols = -c(base, param_id), names_to = "model", values_to = "value") %>%
  mutate(
    deviation_abs = value - base,       # 绝对偏差
    deviation_rel = (value - base)/base * 100 # 相对偏差（百分比）
  )

2. 折线图：展示偏差趋势 #

折线图适合观察每个探索模型在不同参数上的偏差变化趋势，虚线代表偏差为0的基准线：

绝对偏差折线图 #

ggplot(df_tidy, aes(x = param_id, y = deviation_abs, color = model, group = model)) +
  geom_point(size = 3) +  # 用点标记每个参数的偏差值
  geom_line(linewidth = 1) +  # 连线展示趋势
  geom_hline(yintercept = 0, linetype = "dashed", color = "gray50") +  # 基准线（偏差为0）
  labs(
    title = "探索模型与基准模型的绝对偏差",
    x = "参数序号",
    y = "绝对偏差 (探索模型值 - 基准模型值)",
    color = "探索模型"
  ) +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5)) # 标题居中

相对偏差折线图（百分比） #

如果想更清晰地看比例差异，可以用相对偏差：

ggplot(df_tidy, aes(x = param_id, y = deviation_rel, color = model, group = model)) +
  geom_point(size = 3) +
  geom_line(linewidth = 1) +
  geom_hline(yintercept = 0, linetype = "dashed", color = "gray50") +
  labs(
    title = "探索模型与基准模型的相对偏差（百分比）",
    x = "参数序号",
    y = "相对偏差 (%)",
    color = "探索模型"
  ) +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5))

3. 柱状图：对比单个参数的偏差 #

如果想更直观地对比同一参数下不同模型的偏差，可以用分组柱状图：

ggplot(df_tidy, aes(x = param_id, y = deviation_abs, fill = model)) +
  geom_col(position = position_dodge(width = 0.8), width = 0.7) +  # 分组柱状
  geom_hline(yintercept = 0, linetype = "dashed", color = "gray50") +
  labs(
    title = "各参数的绝对偏差对比（分组柱状图）",
    x = "参数序号",
    y = "绝对偏差",
    fill = "探索模型"
  ) +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5))

这些图能帮你把枯燥的数值转化为直观的视觉信息，读者可以快速发现哪些模型在哪些参数上与基准差异最大~

内容的提问来源于stack exchange，提问作者Petr Palíšek