Как получить значения, используемые в plot.gam в mgcv?

Я хотел бы узнать значения, (x, y)используемые при построении графиков plot(b, seWithMean=TRUE)в пакете mgcv . Кто-нибудь знает, как я могу извлечь или вычислить эти значения?

Вот пример:

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)

Начиная с mgcv1.8-6, plot.gamневидимо возвращает данные, которые он использует для создания графиков, т.е.

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

дает вам список с данными построения в pd.

ОТВЕТЬ НИЖЕ ЗА mgcv<= 1.8-5:

Я неоднократно проклинал тот факт, что функции сюжета mgcvне возвращают материал, который они чертят - то, что следует, ужасно, но это работает:

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 visregможет создавать графики эффектов, аналогичные GAM (но, возможно, не идентичны?), И предоставляет компоненты графика в виде выходных данных, отформатированных в виде списка. Используя plyr, можно создать информационный кадр для вывода. Пример:

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))

Это не будет полным ответом. Все построение gamобъектов выполняется с помощью функции plot.gam. Вы можете посмотреть на его код, просто набрав

> plot.gam

в консоли R Как вы увидите, код огромен. Что я почерпнул из этого, так это то, что все построение графиков выполняется путем сбора соответствующей информации в pdобъекте, который представляет собой список. Таким образом, одним из возможных решений будет редактирование plot.gam, editнапример, так, чтобы оно возвращало этот объект. Добавление pdдо последнего }будет достаточно. Я бы посоветовал добавить invisible(pd), чтобы этот объект возвращался, только если вы попросите его:

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

Затем осмотрите этот объект и найдите в коде plot.gamстроки с plotи lines. Затем вы увидите, какие из релевантных xи yзначений появятся на графике.

## 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)