在ggplot2中使用facet_wrap和scales = "free"设置各自的坐标轴限制。

Question

我正在创建一个分面绘图，以便将预测值与实际值并排显示，并将预测值与残差的图形放在一起。我将使用shiny来帮助探索使用不同训练参数进行建模的结果。我使用85%的数据训练模型，在剩余的15%上进行测试，并重复这个过程5次，每次收集实际/预测值。计算残差后，我的data.frame如下：

head(results)
       act     pred       resid
2 52.81000 52.86750 -0.05750133
3 44.46000 42.76825  1.69175252
4 54.58667 49.00482  5.58184181
5 36.23333 35.52386  0.70947731
6 53.22667 48.79429  4.43237981
7 41.72333 41.57504  0.14829173

我想要的：

• pred与act和pred与resid并排显示的图表
• pred vs. act的x/y范围/限制应该相同，理想情况下是从min(min(results$act), min(results$pred))到max(max(results$act), max(results$pred))
• pred vs. resid的x/y范围/限制不受我对实际vs.预测图所做的影响。仅在预测值上绘制x，并在残差范围内绘制y即可。

为了并排查看这两个图表，我将数据融合：

library(reshape2)
plot <- melt(results, id.vars = "pred")

现在绘制：

library(ggplot2)
p <- ggplot(plot, aes(x = pred, y = value)) + geom_point(size = 2.5) + theme_bw()
p <- p + facet_wrap(~variable, scales = "free")

print(p)

这就非常接近我想要的了：

我想要的是实际值与预测值之间的x和y范围相同，但我不确定如何指定，而且对于预测值与残差图，我不需要这样做，因为范围完全不同。

我尝试为scale_x_continuous和scale_y_continuous都添加类似于以下内容的东西:

min_xy <- min(min(plot$pred), min(plot$value))
max_xy <- max(max(plot$pred), max(plot$value))

p <- ggplot(plot, aes(x = pred, y = value)) + geom_point(size = 2.5) + theme_bw()
p <- p + facet_wrap(~variable, scales = "free")
p <- p + scale_x_continuous(limits = c(min_xy, max_xy))
p <- p + scale_y_continuous(limits = c(min_xy, max_xy))

print(p)

但这会选择残留值的min()。

我最后想到的一个主意是，在融合之前存储最小act和pred变量的值，然后将它们添加到融合的数据框中，以决定它们出现在哪个面板中：

head(results)
       act     pred       resid
2 52.81000 52.86750 -0.05750133
3 44.46000 42.76825  1.69175252
4 54.58667 49.00482  5.58184181
5 36.23333 35.52386  0.70947731

min_xy <- min(min(results$act), min(results$pred))
max_xy <- max(max(results$act), max(results$pred))

plot <- melt(results, id.vars = "pred")

plot <- rbind(plot, data.frame(pred = c(min_xy, max_xy),
  variable = c("act", "act"), value = c(max_xy, min_xy)))

p <- ggplot(plot, aes(x = pred, y = value)) + geom_point(size = 2.5) + theme_bw()
p <- p + facet_wrap(~variable, scales = "free")

print(p)

这个做的是我想要的，但是点也会显示出来：

有没有关于如何做类似这样的建议？

---

我看到这个想法是添加geom_blank()，但我不确定如何指定aes()部分并使其正常工作，或者geom_point()相当于直方图使用的aes(y = max(..count..))。

---

以下是可供处理的数据（在熔解之前的实际值、预测值和残差）：

results <- read.table(header = TRUE, text = "
act              pred             resid
52.81            52.8675013282404 -0.0575013282403773
44.46            42.7682474758679 1.69175252413213
54.5866666666667 49.0048248585123 5.58184180815435
36.2333333333333 35.5238560262515 0.709477307081826
53.2266666666667 48.7942868566949 4.43237980997177
41.7233333333333 41.5750416040131 0.148291729320228
35.2966666666667 33.9548164913007 1.34185017536599
30.6833333333333 29.9787449128663 0.704588420467079
39.25            37.6443975781139 1.60560242188613
35.8866666666667 36.7196211666685 -0.832954500001826
25.1             27.6043278172077 -2.50432781720766
29.0466666666667 27.0615724310721 1.98509423559461
23.2766666666667 31.2073056885252 -7.93063902185855
56.3866666666667 55.0886903524179 1.29797631424874
42.92            43.0895814712768 -0.169581471276786
41.57            43.0895814712768 -1.51958147127679
27.92            32.3549865881578 -4.43498658815778
23.16            26.2428426737583 -3.08284267375831
38.0166666666667 36.6926037128343 1.32406295383237
61.8966666666667 56.7987490221996 5.09791764446704
37.41            45.0370788180147 -7.62707881801468
41.6333333333333 41.8231642271826 -0.189830893849219
35.9466666666667 38.3297859332601 -2.38311926659339
48.9933333333333 49.5343916620086 -0.541058328675241
30.5666666666667 30.8535641206809 -0.286897454014273
32.08            29.0117492750411 3.06825072495888
40.3633333333333 36.9767968381391 3.38653649519422
53.2266666666667 49.0826677983065 4.14399886836018
64.6066666666667 54.4678549541069 10.1388117125598
38.5366666666667 35.5059204731218 3.03074619354486
41.7233333333333 41.5333417555995 0.189991577733821
25.78            27.6069075391361 -1.82690753913609
33.4066666666667 31.2404889715121 2.16617769515461
27.8033333333333 27.8920960978598 -0.088762764526507
39.3266666666667 37.8505531149324 1.47611355173427
48.9933333333333 49.2616631533957 -0.268329820062384
25.2433333333333 30.366837650159  -5.12350431682565
32.67            31.1623492639066 1.5076507360934
55.17            55.0456078770405 0.124392122959534
42.92            42.772538591063  0.147461408936991
54.5866666666667 49.2419293590535 5.34473730761318
23.16            26.1963523976241 -3.03635239762411
64.6066666666667 54.4080781796616 10.1985884870051
40.7966666666667 44.9796700541254 -4.18300338745873
39.0166666666667 34.6996927469131 4.31697391975358
41.6333333333333 41.6227713664027 0.0105619669306023
35.8866666666667 36.8449646519306 -0.958297985263961
25.1             27.5318686661673 -2.43186866616734
23.2766666666667 31.6641793552795 -8.38751268861282
44.46            42.8198894266632 1.64011057333683
34.2166666666667 40.5769177148146 -6.36025104814794
40.8033333333333 40.5769177148146 0.226415618518729
24.5766666666667 29.3807781312816 -4.80411146461488
35.73            36.8579132935989 -1.1279132935989
61.8966666666667 55.5617033901752 6.33496327649151
62.1833333333333 55.8097119335638 6.37362139976954
74.6466666666667 55.1041728261666 19.5424938405001
39.4366666666667 43.6094641699075 -4.17279750324084
36.6             37.0674887276681 -0.467488727668119
27.1333333333333 27.3876960746536 -0.254362741320246
")

- Hendy

---

我会分别创建绘图，然后使用 grid.arrange。 - joran

@RicardoSaporta 1) 我仍然对它们在同一张图上的情况感到好奇，我仍然希望得到评论。2) 这是为了让我更轻松地评估自己的模型...所以，是的，这个查看器知道比例上的差异，因为他为自己创建了这些图。如果我为团队制作报告或摘要，我可以将它们分开。我只想快速存储使用不同调整参数训练的模型，然后循环查看结果并查看它们的表现如何。 - Hendy

我的另一个评论是，facetting确实少了很多代码...我只需要melt，然后按照melt()创建的variable值绘制和facet。不过，我想我可以将它们存储在由lapply创建的列表中，以绘制各种组合。感谢您的意见。如果您想创建一个grid解决方案，我可以接受这个答案，但如果我们采取这条路线，这也可能是其他基于grid的解决方案的重复。 - Hendy

@joran 和我发现自己经常建议人们不要使用 grid.arrange，因为它几乎总是会搞乱布局。我希望能够解决 gtable 的长期存在的问题。 - baptiste

@Hendy，这里使用geom_blank层似乎是您最好的选择。但是，您需要为其创建一个单独的数据框，而不是将那些虚拟数据点与实际数据合并。 - baptiste

Answer 1

这里有一些带有虚拟的geom_blank图层的代码，

range_act <- range(range(results$act), range(results$pred))

d <- reshape2::melt(results, id.vars = "pred")

dummy <- data.frame(pred = range_act, value = range_act,
                    variable = "act", stringsAsFactors=FALSE)

ggplot(d, aes(x = pred, y = value)) +
  facet_wrap(~variable, scales = "free") +
  geom_point(size = 2.5) + 
  geom_blank(data=dummy) + 
  theme_bw()

- baptiste

---

一个不错的替代方法是 expand_limits(pred=range_act, value=range_act)，它使用了 geom_blank 但更加简单易用。 - eregon

这只是扩大了限制（但没有缩小它），有没有一种方法来缩短范围？@baptiste - Indranil Gayen

Answer 2

我不确定我理解你的意思，但基于我的理解：

x轴比例尺似乎是相同的，y轴比例尺不同，这是因为你指定了scales="free"

你可以指定scales="free_x"只允许x轴自由变化（在这种情况下，根据定义pred的范围相同）

p <- ggplot(plot, aes(x = pred, y = value)) + geom_point(size = 2.5) + theme_bw()
p <- p + facet_wrap(~variable, scales = "free_x")

对我有用，看图片

我认为你把它想得太难了 - 我记得有一次基于公式定义极限，并且如果使用分面，只使用这些值，但是我找不到代码了。

- user1617979

Answer 3

你还可以使用 "coord_cartesian" 命令指定范围，以设置所需的 y 轴范围，并像之前的帖子一样使用 "scales = free_x"。

p <- ggplot(plot, aes(x = pred, y = value)) +
     geom_point(size = 2.5) +
     theme_bw()+
     coord_cartesian(ylim = c(-20, 80))
p <- p + facet_wrap(~variable, scales = "free_x")
p

- Luis Candanedo