Давайте разберемся по очереди:
(1) Области под кривой распределения для условий от A до E последовательно окрашены с помощью "# 009B9F", "# 5EBCBF", "# C6DFE0"," # E9D4E2 "," # D99BC5 ";
Переводя это в ggplot-speak, вы хотите, чтобы condition отображалось на эстетику fill, а затем вам нужна пользовательская заливка цвета сзначения c("#009B9F", "#5EBCBF", "#C6DFE0", "#E9D4E2", "#D99BC5").
(я буду размещать комментарии в каждом блоке, где что-то изменилось)
m %>%
spread_draws(b_Intercept, r_condition[condition,]) %>%
mutate(condition_mean = b_Intercept + r_condition) %>%
# map condition onto fill here ------------------------\/
ggplot(aes(y = condition, x = condition_mean, fill = condition)) +
stat_halfeyeh() +
geom_vline(xintercept = 0, linetype = "dashed") +
# change the fill scale to use your values ------------\/
scale_fill_manual(values = c("#009B9F", "#5EBCBF", "#C6DFE0", "#E9D4E2", "#D99BC5"))
Боковая панель: я не уверен, что использовал бы для этого ручную цветовую шкалу: обычно проще и лучше использовать готовые цветовые шкалы из таких мест, как Viridis , ColorBrewer или Мастер HCL --- эти цветовые шкалы предназначены для таких вещей, как безопасность дальтоников, однородность восприятия, хорошая десатурация и т. Д. Также в этом примере используются категориальные данные, и у предоставленной вами цветовой шкалы естественный порядок;Я надеюсь, что ваши реальные данные являются порядковыми, а не категориальными, так как в противном случае цветовая шкала подразумевает порядок, который не существует в данных.
В любом случае, следующий вопрос:
(2) Для распределения, чье апостериорное среднее значение положительное (т. Е. Условие от A до D), назначьте большее альфа-значение (менее прозрачное) для областей под кривой, которые находятся справа от линии 0, и назначьте более низкое альфа-значение (более прозрачное) для регионовпод кривой, расположенной слева от линии 0;
(3) Для распределения, среднее значение которого отрицательно (т. е. условие E), присвойте нижнему альфа-значению (более прозрачному) 0 для областей под кривойкоторые находятся справа от линии 0 и назначают более высокое альфа-значение (менее прозрачное) для областей под кривой, которые находятся слева от линии 0.
Я не совсем уверен, что выЯ имею в виду здесь, так что я собираюсь попробовать две разные вещи.
Одна из возможностей заключается в следующем: вы хотите отобразить значение x на эстетику alpha, ноВы хотите изменить это соотношение, если среднее значение condition_mean меньше 0 (на самом деле я буду использовать эстетику slab_alpha, которая специально нацелена на часть плиты этого geom и оставляет интервалы в покое). Я начну с простого slab_alpha сопоставления:
m %>%
spread_draws(b_Intercept, r_condition[condition,]) %>%
mutate(condition_mean = b_Intercept + r_condition) %>%
# map x value onto alpha -------------------------------------------\/
ggplot(aes(y = condition, x = condition_mean, fill = condition, slab_alpha = stat(x))) +
stat_halfeyeh() +
geom_vline(xintercept = 0, linetype = "dashed") +
scale_fill_manual(values = c("#009B9F", "#5EBCBF", "#C6DFE0", "#E9D4E2", "#D99BC5"))
Сразу же вы должны увидеть проблему: ваша ручная цветовая шкала также используетальфа-канал, и эти два отображения объединяются в замешательстве. Поэтому я собираюсь перейти на цветовую палитру из ColorBrewer, которая не использует альфа-канал:
m %>%
spread_draws(b_Intercept, r_condition[condition,]) %>%
mutate(condition_mean = b_Intercept + r_condition) %>%
ggplot(aes(y = condition, x = condition_mean, fill = condition, slab_alpha = stat(x))) +
stat_halfeyeh() +
geom_vline(xintercept = 0, linetype = "dashed") +
# categorical palette that doesn't vary alpha much:
scale_color_brewer(palette = "Set1")
Для следующей части вынужно разделить альфа-отображение на две части (я не думаю, что это можно сделать без разделения данных, поскольку ggplot в настоящее время не поддерживает смешивание столбцов из исходных данных со столбцами, вычисленными по статистике). Вы можете передавать функции (включая функции ~ в стиле purrr) в аргумент data статистики и геометрии, и эти функции применяются к данным, что позволяет легко разделять данные внутри ggplot. Кроме того, поскольку spread_draws группирует по всем индексам в выражении, которое вы передаете (в данном случае conditions), данные уже сгруппированы по condition, поэтому выражение типа mean(condition_mean) будет вычислять среднее значение condition_mean на каждом уровне condition. Это позволяет вам сделать что-то вроде этого:
m %>%
spread_draws(b_Intercept, r_condition[condition,]) %>%
mutate(condition_mean = b_Intercept + r_condition) %>%
ggplot(aes(y = condition, x = condition_mean, fill = condition)) +
# move alpha mapping here and split halfeye spec in two
stat_halfeyeh(aes(slab_alpha = stat(x)), data = ~ filter(., mean(condition_mean) > 0)) +
stat_halfeyeh(aes(slab_alpha = -stat(x)), data = ~ filter(., mean(condition_mean) < 0)) +
geom_vline(xintercept = 0, linetype = "dashed") +
scale_color_brewer(palette = "Set1")
В качестве альтернативы, вы могли бы попросить о резком изменении альфа-значения. Для этого вам просто нужно что-то вроде stat(x < 0) или stat(x > 0) вместо stat(x) или -stat(x):
m %>%
spread_draws(b_Intercept, r_condition[condition,]) %>%
mutate(condition_mean = b_Intercept + r_condition) %>%
ggplot(aes(y = condition, x = condition_mean, fill = condition)) +
# use binary alpha mapping
stat_halfeyeh(aes(slab_alpha = stat(x > 0)), data = ~ filter(., mean(condition_mean) > 0)) +
stat_halfeyeh(aes(slab_alpha = stat(x < 0)), data = ~ filter(., mean(condition_mean) < 0)) +
geom_vline(xintercept = 0, linetype = "dashed") +
scale_color_brewer(palette = "Set1")
Наконец,в общем, если вы пытаетесь использовать альфу, чтобы подчеркнуть вещи, которые, скорее всего, далеки от 0 с обеих сторон, я был бы склонен не определять это отображение, на основе какой стороны находится среднее значение - оно кажется немного задом наперед. игнорировать неопределенность, чтобы решить, на чьей стороне он находится, исходя только из среднего.
Вот более простая альтернатива, которая просто кодирует расстояние от 0 (т.е. abs(x)) для эстетики альфа:
m %>%
spread_draws(b_Intercept, r_condition[condition,]) %>%
mutate(condition_mean = b_Intercept + r_condition) %>%
ggplot(aes(y = condition, x = condition_mean, fill = condition)) +
# use alpha mapping with abs(x)
stat_halfeyeh(aes(slab_alpha = stat(abs(x)))) +
geom_vline(xintercept = 0, linetype = "dashed") +
scale_color_brewer(palette = "Set1")
