使用ggplot生成带有多个系列的分面网格图。

Question

I have following data frame:

  Quarter        x        y         p         q
1  2001   8.714392 8.714621 3.3648435 3.3140090
2  2002   8.671171 8.671064 0.9282508 0.9034387
3  2003   8.688478 8.697413 6.2295996 8.4379698
4  2004   8.685339 8.686349 3.7520135 3.5278024

我的目标是生成一个面板图，其中x和y列在一个面板中，p和q在另一个面板中，而不是4个面板。

如果我按照以下方式操作：

x.df.melt <- melt(x.df[,c('Quarter','x','y','p','q')],id.vars=1)
ggplot(x.df.melt, aes(Quarter, value, col=variable, group=1)) + geom_line()+
  facet_grid(variable~., scale='free_y') +
  scale_color_discrete(breaks=c('x','y','p','q'))

我有四个不同的系列，但如何将x和y组合成一个系列，而将p和q组合成另一个系列？最好不要有图例。

请看以下内容:

- add-semi-colons

Answer 1

一个想法是创建一个新的分组变量：

x.df.melt$var <- ifelse(x.df.melt$variable == "x" | x.df.melt$variable == "y", "A", "B")

在使用variable进行分组的同时，您可以将其用于facetting：

ggplot(x.df.melt, aes(Quarter, value, col=variable, group=variable)) + geom_line()+
  facet_grid(var~., scale='free_y') +
  scale_color_discrete(breaks=c('x','y','p','q'), guide = F)

- erc

---

融合后的数据框中增加了新变量，对吗？ - add-semi-colons

Answer 2

我认为beetroot上面的答案更加优雅，但是我也在解决同样的问题，并且用了不同的方法到达了同样的结果。我觉得这很有趣，因为我使用了“双重融化”（口感好！）来排列x、y/p、q对。此外，它演示了tidyr::gather而不是melt。

library(tidyr)
x.df<- data.frame(Year=2001:2004,
                   x=runif(4,8,9),y=runif(4,8,9),
                   p=runif(4,3,9),q=runif(4,3,9))


x.df.melt<-gather(x.df,"item","item_val",-Year,-p,-q) %>% 
  group_by(item,Year) %>% 
  gather("comparison","comp_val",-Year,-item,-item_val) %>% 
  filter((item=="x" & comparison=="p")|(item=="y" & comparison=="q"))

> x.df.melt
# A tibble: 8 x 5
# Groups:   item, Year [8]
   Year  item item_val comparison comp_val
  <int> <chr>    <dbl>      <chr>    <dbl>
1  2001     x 8.400538          p 5.540549
2  2002     x 8.169680          p 5.750010
3  2003     x 8.065042          p 8.821890
4  2004     x 8.311194          p 7.714197
5  2001     y 8.449290          q 5.471225
6  2002     y 8.266304          q 7.014389
7  2003     y 8.146879          q 7.298253
8  2004     y 8.960238          q 5.342702

请看下面的绘图语句。

这种方法的一个弱点（以及beetroot使用ifelse的弱点）是如果你有很多对比要进行，filter语句很快就会变得难以操作。在我的用例中，我正在比较共同基金的表现与许多基准指数。每个基金都有不同的基准。我通过一个元数据表来解决这个问题，将基金代码与其相应的基准进行配对，然后使用left/right_join。在这种情况下：

#create meta data
pair_data<-data.frame(item=c("x","y"),comparison=c("p","q"))

#create comparison name for each item name
x.df.melt2<-x.df %>% gather("item","item_val",-Year) %>% 
  left_join(pair_data)

#join comparison data alongside item data
x.df.melt2<-x.df.melt2 %>% 
  select(Year,item,item_val) %>% 
  rename(comparison=item,comp_val=item_val) %>%
  right_join(x.df.melt2,by=c("Year","comparison")) %>% 
  na.omit() %>% 
  group_by(item,Year)

ggplot(x.df.melt2,aes(Year,item_val,color="item"))+geom_line()+
  geom_line(aes(y=comp_val,color="comp"))+
  guides(col = guide_legend(title = NULL))+
  ylab("Value")+
  facet_grid(~item)

由于不需要新的分组变量，我们将参考项（item）的名称作为图中的标签。

此句话是关于it技术的内容。

- Art