Как индексировать фрейм данных для использования ggplot в цикле
Я борюсь с созданием нескольких ggplots с помощью цикла. Я использую данные в следующем формате:
a <- c(1,2,3,4)
b <- c(5,6,7,8)
c <- c(9,10,11,12)
d <- c(13,14,15,16)
time <- c(1,2,3,4)
data <- cbind(a,b,c,d,time)
То, что я хочу создать, — это список графиков, отображающих одну из букв в зависимости от переменного времени. Что я пробовал следующим образом:
library(ggplot2)
library(gridExtra)
plots <- list()
for (i in 1:4){
plots[[i]] <- ggplot() + geom_line(data = data, aes(x = time, y = data[,i]))
}
grid.arrange(plots[[1]], plots[[2]], plots[[3]], plots[[4]])
В результате получается в четыре раза больше четвертого сюжета. Как правильно проиндексировать это, чтобы создать четыре предполагаемых графика?
Ответы 1
(Впереди: причина того, что все ваши графики идентичны, связана с «ленивой» оценкой кода ggplot. См. Мой № 2 ниже, где я указываю, что data[,i] оценивается, когда вы пытаетесь построить данные, и в этот момент i 4, последний проход в петле for.)
Обычно предпочтительнее/рекомендуется использовать
data.frames вместо матриц или векторов (как вы делаете здесь). Это дает немного больше силы и контроля.data <- data.frame(a,b,c,d,time)Кроме того, я предпочитаю
lapplyfor-петлям иlist-ам по разным (некоторые субъективным) причинам. В конечном счете, проблема, с которой вы столкнулись, заключается в том, чтоggplot2лениво оценивает данные, поэтомуplotsпредставляет собой список с четырьмя графиками, которые ссылаются наi... и это реализуется, когда вы пытаетесь построить их все, и в этот моментi4 (из последнего прохода через петлю). Одним из преимуществ использованияlapplyявляется то, что ссылка наiявляется только локальной (внутри anon-func) версиейi, которая сохраняется, как и следовало ожидать.plots <- lapply(names(data)[1:4], function(nm) ggplot(data, aes(x = time, y = .data[[nm]])) + geom_line()) gridExtra::grid.arrange(plots[[1]], plots[[2]])Я также предпочитаю
patchworkgridExtra, в основном потому, что он делает более настраиваемые макеты немного более интуитивно понятными, а также добавляет такие функции, как выравнивание по осям, общие легенды, общие заголовки и т. д. (ни одна из этих других функций здесь не демонстрируется).library(patchwork) plots[[1]] / plots[[2]] # same plot plots[[1]] + plots[[2]] # side-by-side instead of top/bottom (plots[[1]] + plots[[2]]) / (plots[[3]] + plots[[4]]) # gridВ конечном счете, однако, я предполагаю, что аспекты могут быть полезными и очень мощными. Для этого нам нужно преобразовать данные в «длинный формат», чтобы имена столбцов
a-bфактически находились в одном столбце.reshape2::melt(data, id.vars = "time") |> ggplot(aes(time, value)) + geom_line() + facet_grid(variable ~ ., scales = "free_y")Я предпочел независимые (бесплатные) y-шкалы, следовательно,
scales = "free_y". Попробуйте без него, если хотите увидеть варианты. (Есть такжеscales = "free_x"иscales = "free"(оба).)Чтобы увидеть, что я имею в виду под «длинным» форматом:
reshape2::melt(data, id.vars = "time") # time variable value # 1 1 a 1 # 2 2 a 2 # 3 3 a 3 # 4 4 a 4 # 5 1 b 5 # 6 2 b 6 # 7 3 b 7 # 8 4 b 8 # 9 1 c 9 # 10 2 c 10 # 11 3 c 11 # 12 4 c 12 # 13 1 d 13 # 14 2 d 14 # 15 3 d 15 # 16 4 d 16Это также можно сделать с помощью
tidyr::pivot_longer(data, -time), хотя имяvariableтеперьname. Для этого использования нет преимущества дляreshape2::meltилиtidyr::pivot_longer; в последнем есть возможности для значительно более сложного поворота, не относящегося к этим данным.
Данные
data <- structure(list(a = c(1, 2, 3, 4), b = c(5, 6, 7, 8), c = c(9, 10, 11, 12), d = c(13, 14, 15, 16), time = c(1, 2, 3, 4)), class = "data.frame", row.names = c(NA, -4L))