从两个数据帧中的数据生成多个序列图/散点图
我有2个数据帧，Tg和Pf，每个数据帧有127列。所有列至少有一行，最多可以有数千行。所有的值都在0和1之间，并且有一些缺失值(空单元格)。下面是一个小的子集：
Tg
Tg1 Tg2 Tg3 ... Tg127
0.9 0.5 0.4 0
0.9 0.3 0.6 0
0.4 0.6 0.6 0.3
0.1 0.7 0.6 0.4
0.1 0.8
0.3 0.9
0.9
0.6
0.1
Pf
Pf1 Pf2 Pf3 ...Pf127
0.9 0.5 0.4 1
0.9 0.3 0.6 0.8
0.6 0.6 0.6 0.7
0.4 0.7 0.6 0.5
0.1 0.6 0.5
0.3
0.3
0.3注意，一些单元是空的，并且相同子集(即，1到127)的向量长度可以具有非常不同的长度，并且很少具有相同的精确长度。我想为127个向量生成127个图(例如，图是每个数据帧中的列1，图2是每个数据帧的列2，依此类推)：
希望这是有意义的。我期待着你的帮助，因为我不想一个接一个地制作这些图表……谢谢!
回答 3
Stack Overflow用户
发布于 2011-11-09 05:26:32
下面是一个开始的例子(https://gist.github.com/1349300上的数据)。有关进一步的调整，请查看web上到处都是的优秀的ggplot2文档。
library(ggplot2)
# Load data
Tg = read.table('Tg.txt', header=T, fill=T, sep=' ')
Pf = read.table('Pf.txt', header=T, fill=T, sep=' ')
# Format data
Tg$x = as.numeric(rownames(Tg))
Tg = melt(Tg, id.vars='x')
Tg$source = 'Tg'
Tg$variable = factor(as.numeric(gsub('Tg(.+)', '\\1', Tg$variable)))
Pf$x = as.numeric(rownames(Pf))
Pf = melt(Pf, id.vars='x')
Pf$source = 'Pf'
Pf$variable = factor(as.numeric(gsub('Pf(.+)', '\\1', Pf$variable)))
# Stack data
data = rbind(Tg, Pf)
# Plot
dev.new(width=5, height=4)
p = ggplot(data=data, aes(x=x)) + geom_line(aes(y=value, group=source, color=source)) + facet_wrap(~variable)
p
突出显示行与行之间的区域
首先，将数据插值到更精细的网格上。这样，ribbon将遵循线条的实际包络，而不仅仅是原始数据点所在的位置。
data = ddply(data, c('variable', 'source'), function(x) data.frame(approx(x$x, x$value, xout=seq(min(x$x), max(x$x), length.out=100))))
names(data)[4] = 'value'接下来，计算geom_ribbon所需的数据-即ymax和ymin。
ribbon.data = ddply(data, c('variable', 'x'), summarize, ymin=min(value), ymax=max(value))现在是时候进行规划了。注意我们是如何添加一个新的ribbon层的，我们用新的ribbon.data框架替换了它。
dev.new(width=5, height=4)
p + geom_ribbon(aes(ymin=ymin, ymax=ymax), alpha=0.3, data=ribbon.data)
行之间的动态着色
最棘手的变化是，如果您希望颜色根据数据而变化。为此，您当前必须创建一个新的分组变量来标识不同的段。例如，在这里，我们可以使用一个函数来指示"Tg“组何时在顶部：
GetSegs <- function(x) {
segs = x[x$source=='Tg', ]$value > x[x$source=='Pf', ]$value
segs.rle = rle(segs)
on.top = ifelse(segs, 'Tg', 'Pf')
on.top[is.na(on.top)] = 'Tg'
group = rep.int(1:length(segs.rle$lengths), times=segs.rle$lengths)
group[is.na(segs)] = NA
data.frame(x=unique(x$x), group, on.top)
}现在我们应用它并将结果与原始ribbon数据合并回去。
groups = ddply(data, 'variable', GetSegs)
ribbon.data = join(ribbon.data, groups)对于该图，关键是我们现在为ribbon geom指定了分组美学。
dev.new(width=5, height=4)
p + geom_ribbon(aes(ymin=ymin, ymax=ymax, group=group, fill=on.top), alpha=0.3, data=ribbon.data)
代码可在以下网址获得：https://gist.github.com/1349300
Stack Overflow用户
发布于 2011-11-09 06:23:47
下面是一个执行相同操作的三行代码:-)。我们首先从base使用reshape将数据转换为长格式。然后，它被熔化以适应ggplot2。最后，我们生成图！
mydf <- reshape(cbind(Tg, Pf), varying = 1:8, direction = 'long', sep = "")
mydf_m <- melt(mydf, id.var = c(1, 4), variable = 'source')
qplot(id, value, colour = source, data = mydf_m, geom = 'line') +
facet_wrap(~ time, ncol = 2)请注意。base R中的reshape函数非常强大，尽管使用起来非常混乱。它用于在long和wide格式之间转换数据。
Stack Overflow用户
发布于 2011-11-09 05:28:06
你以前在Excel中使用R！这就是我如何开始使用R，以及通向R启蒙的通用路径:)
你真正需要的只是一个小小的循环。下面是一个示例，其中大部分是创建表示数据结构的示例数据：
## create some example data
Tg <- data.frame(Tg1 = rnorm(10))
for (i in 2:10) {
vec <- rep(NA, 8)
vec <- c(rnorm(sample(5:10,1)), vec)
Tg[paste("Tg", i, sep="")] <- vec[1:10]
}
Pf <- data.frame(Pf1 = rnorm(10))
for (i in 2:10) {
vec <- rep(NA, 8)
vec <- c(rnorm(sample(5:10,1)), vec)
Pf[paste("Pf", i, sep="")] <- vec[1:10]
}
## ok, sample data created
## now lets loop through all the columns
## if you didn't know how many columns there are you could
## use ncol(Tg) to figure out
for (i in 1:10) {
plot(1:10, Tg[,i], type = "l", col="blue", lwd=5, ylim=c(-3,3),
xlim=c(1, max(length(na.omit(Tg[,i])), length(na.omit(Pf[,i])))))
lines(1:10, Pf[,i], type = "l", col="red", lwd=5, ylim=c(-3,3))
dev.copy(png, paste('rplot', i, '.png', sep=""))
dev.off()
}这将在您的工作目录中生成10个图形，如下所示：
https://stackoverflow.com/questions/8056982
复制相似问题
腾讯云开发者
