如何在R语言中通过CFU（y变量）估算diltn（x变量）？

嘿，我看你已经用R的dplyr和ggplot搞定了数据可视化，现在要解决CFU=77对应的diltn估算问题对吧？刚好我可以帮你用R实现和Excel类似的效果，甚至更灵活～

先整理下你的实验数据 #

你当前的绘图代码 #

ggplot(data=data, aes(x=diltn, y=CFU))+ 
  geom_point()+ 
  geom_line()+ 
  scale_x_log10()

在R中估算CFU=77对应的diltn值 #

从你用scale_x_log10()可以看出来，稀释度（diltn）取对数后和CFU呈现近似线性的关系，这和Excel里用趋势线拟合的逻辑一致，这里给你两种靠谱的实现方式：

方法1：线性插值（和Excel插值逻辑最接近）

我们先对diltn做log10变换，然后在CFU和log10(diltn)之间做插值，最后再转换回原始的diltn值：

# 先给数据加一列log10转换后的稀释度
data <- data %>% mutate(log_diltn = log10(diltn))

# 插值得到CFU=77对应的log_diltn
interp_result <- approx(x = data$CFU, y = data$log_diltn, xout = 77)

# 转换回原始稀释度数值
estimated_diltn <- 10^interp_result$y
estimated_diltn

运行这段代码后，得到的结果应该和Excel里的估算值几乎一致。

方法2：拟合线性模型预测

如果你的数据线性趋势很稳定，也可以先拟合CFU和log10(diltn)的线性模型，再通过模型反推对应的diltn：

# 先拟合线性模型
fit <- lm(CFU ~ log_diltn, data = data)

# 提取模型的截距和系数
intercept <- coef(fit)[1]
log_diltn_coef <- coef(fit)[2]

# 根据线性公式反推log_diltn，再转换回原始值
estimated_log_diltn <- (77 - intercept)/log_diltn_coef
estimated_diltn <- 10^estimated_log_diltn
estimated_diltn

这个方法适合数据线性关系更显著的场景，结果和插值法差异很小，你可以根据自己的数据情况选。

内容的提问来源于stack exchange，提问作者reubenmcg