如何在一条线图中绘制多个组的配对均值？
我还在学习R代码，所以这个问题可能很简单，但我就是搞不懂。
我想在三个不同的时间点上用置信区间来绘制平均分数:基线时，治疗后4个周期，治疗8个周期后。问卷包括感觉量表、运动量表和自主量表。所以我想画出每个时间点三个不同尺度的平均分数。所以我想要一个线图，在X轴上，时间点(基线，4个周期后，8个周期之后)，在Y轴上，我想要分数，这个图表必须包含三个不同的颜色线，表示感觉，运动和自主尺度。我想用ggplot。
我有一个包含以下列的dataframe：
- ID ->，这是病人的ID (在我的数据中总共有60名病人)
- 基线感觉量表的c0sen ->评分
- 治疗4个周期后感觉量表的c4sen ->评分
- 治疗8周期后感觉量表的c8sen ->评分
- 运动基准量表的c0mot ->评分
- 治疗4个周期后运动量表的c4mot ->评分
- 治疗8周后运动量表的c8mot ->评分
- 基线自主量表的c0aut ->评分
- 治疗4个周期后自主神经功能评分的c4aut ->评分
- c8aut ->评分在治疗8周后自主神经功能评分中的应用
这就是我想要的：
我希望有人能帮我！事先非常感谢！
回答 1
Stack Overflow用户
发布于 2020-07-02 16:28:05
这就是我想出的使用合成数据的方法。感谢您共享数据的结构，但是在将来最好是共享数据本身，这可以通过控制台中的dput(your.data.frame)完成，然后将输出复制/粘贴到问题中作为代码.或者使用代码创建一个虚拟集，这就是我在这里要做的。
虚拟数据
library(tidyr)
library(dplyr)
library(ggplot2)
raw_df <- data.frame(
id=1:60,
c0sen=rnorm(60, 7, 0.2),
c4sen=rnorm(60, 8.5, 0.5),
c8sen=rnorm(60, 11, 1.2),
c0mot=rnorm(60, 6, 0.3),
c4mot=rnorm(60, 7.5, 0.5),
c8mot=rnorm(60, 9.6, 0.8),
c0aut=rnorm(60, 3, 0.1),
c4aut=rnorm(60, 2.9, 0.1),
c8aut=rnorm(60, 3.5, 0.8)
)处理数据
在进行绘图之前，您需要准备使用ggplot2绘图的数据集。与来自蒂德弗斯的其他包一样，您应该准备好数据以遵循整齐数据原则，这就是我在这里使用tidyr和dplyr包所做的工作。
您的数据按原样排列，有许多相同的信息分散到多个列中，我们需要将这些列合并在一起，但在每一列中也有我们需要分离的多个信息(时间和度量类型)。
第一步是将数据收集成“长”格式，其中有一个用于measure (c0aut、c8mot等)的列，一个用于score的列，同时维护id列。然后，我们需要将measure列分为两列:一列描述time，另一列描述度量的type。
df <- raw_df %>%
gather(key='measure', value='score', -id) %>%
separate(col=measure, into=c('c_time','type'), sep=2)最后，我想修复c_time，只需给出数字，我们可以这样做：
df <- df %>% separate(c_time, into=c('c', 'time'), sep=1) %>%
select(-c)现在，应该注意到，df$time实际上是一个字符向量(不是一个数值).但这实际上是可以的，因为我们希望ggplot2将其视为序数因子，而不是数值，因为在x轴上，我们希望0、4和8均匀地分布。
绘制数据
既然您提到了这对您来说是新的，我将把地块代码分解成几个部分，这样就可以很容易地按照创建这个图所采取的步骤进行操作。首先，我们从基础开始，在此基础上，我们设置了数据和通用美学。请注意，color=映射为类型，但group=也是如此。这是必要的，这样ggplot2就知道数据也应该按照类型进行分组(而不是将数据集作为一个整体)。这对我们将要画的几何画来说很重要。
p <- ggplot(df, aes(x=time, y=score, color=type, group=type))Stats和geoms。我们然后用3次对stat_summary的调用来绘制绘图区域上的数据，这些调用会绘制线条、错误条和点(按这个顺序)。错误条是使用均值+/-标准错误("mean_se")绘制的，当然也可以使用其他函数。我们还必须用错误条覆盖color=美学，因为我们希望它们都是黑色的(而不是按类型着色)，并且我们必须将shape=美学添加到点中，这样我们就可以映射它以匹配您的情节。
p <- p + stat_summary(
geom='line', fun=mean) +
stat_summary(
geom='errorbar', fun.data=mean_se,
color='black', width=0.1) +
stat_summary(
geom='point', fun=mean, aes(shape=type)) scales .用于缩放，我通过重命名"0", "4", "8"轴来设置x轴属性，并且我还将扩展设置为不像默认的那样展开，因为它看起来要好一些。scale_color和scale_shape调用对于同时进行一致性的更改非常重要，否则您将断开两个标度之间的连接，而ggplot2实际上将显示两个不同的标度。
type_labels <- c('Autonomic', 'Motor', 'Sensory')
p <- p + scale_x_discrete(
name=NULL, labels=c('Baseline', '4 weeks', '8 weeks'),
expand=expansion(mult=0.05)) +
scale_color_manual(name=NULL, labels=type_labels, values=rainbow(3)) +
scale_shape_discrete(name=NULL, labels=type_labels)主题元素。最后，我设置了主题元素，包括命名内容、保持theme_bw()的整体整洁外观，以及在图例周围添加框(位于底部)。
p <- p + labs(
title='EORTC QLQ-CIPN20',
y='Symptom Score'
) +
theme_bw() +
theme(
legend.position='bottom',
legend.title=element_blank(),
legend.background = element_rect(color='black')
)
p这些都给了你以下几点：
https://stackoverflow.com/questions/62699881
复制相似问题
腾讯云开发者
