在R中创建具有相同轴的多个散点图

Question

我试图在R中用2 x 2排列绘制四个散点图（我实际上是通过rpy2绘图）。 我希望每个都具有1的纵横比，但也是相同的比例，所以所有子图的相同的X和Y标记，以便它们可以进行比较。 我尝试用par来做到这一点：

par(mfrow=c(2,2))
# scatter 1
plot(x, y, "p", asp=1)
# scatter 2
plot(a, b, "p", asp=1)
# ...

编辑：

这是我现在拥有的直接例子：

> par(mfrow=c(2,2))
> for (n in 1:4) { plot(iris$Petal.Width, rnorm(length(iris$Petal.Width)), "p", asp=1) }

它创建了正确的散射类型，但具有不同的比例。 设置ylim和xlim是在每次调用相同的plot上面并没有解决问题。 您仍然会在每个轴上获得非常不同的刻度线和刻度数，这使得分散不必要地难以解释。 我希望X和Y轴相同。 例如，这个：

for (n in 1:4) { plot(iris$Petal.Width, rnorm(length(iris$Petal.Width)), "p", asp=1, xlim=c(-4, 6), ylim=c(-2, 4)) }

生成错误的结果：

确保在所有子图中使用相同轴的最佳方法是什么？

我所寻找的是一个像axis=same或类似于par(mfrow=...) ，这听起来像是lattice的默认行为，使轴在每个子图中共享和相同。

lgautier用ggplot给出了很好的代码，但它要求提前知道轴。 我想澄清一点，我想避免遍历每个子图中的数据并自己计算要绘制的正确刻度。 如果在预先知道，那么ggplot解决方案不仅仅是密谋更加复杂plot和明确

agstudy给出了格子的解决方案。 这看起来与我想要的最接近，因为你不必明确预先计算每个散点的刻度位置，但作为新用户，我无法弄清楚如何使格子看起来像普通的情节。 我得到的最接近的是：

> xyplot(y~x|group, data =dat, type='p',
        between =list(y=2,x=2),
        layout=c(2,2), aspect=1,
               scales =list(y = list(relation='same'), alternating=FALSE))

产量：

我怎样才能让它看起来像R基座？ 我不希望这些group字幕位于每个子图的顶部，或者在每个散点的顶部和右侧悬挂未标记的标记，我只想要标记散射的每个x和y。 我也不是在寻找X和Y的共享标签 - 每个子图都有自己的X和Y标签。 并且每个散点中的轴标签必须相同，尽管这里选择的数据没有意义。

除非有一种简单的方法使格子看起来像R基础，否则听起来答案是没有办法做我想在R中做的事情（令人惊讶），没有预先计算每个子图中每个刻度的确切位置，这需要提前迭代数据。

Answer 1

使用lattice和ggplot2您需要重塑数据。 例如：

1. 创建4个data.frame（x = x1，y = y1）...
2. 为每个data.frame，group = 1,2，...添加一个组列
3. 将4个data.frame重新绑定一次

这里使用lattice的例子

dat <- data.frame(x = rep(sample(1:100,size=10),4),
                  y = rep(rnorm(40)),
                  group = rep(1:4,each =10))

xyplot(y~x|group,       ## conditional formula to get 4 panels
       data =dat,       ## data
       type='l',        ## line type for plot
       groups=group,     ## group ti get differents colors
       layout=c(2,2))   ## equivalent to par or layout

PS：不需要设置圣诞节。 在xyplot ，默认的sacles设置是same （所有面板都有相同的sacles）。 您可以修改它，例如：

xyplot(y~x|group, data =dat, type='l',groups=group,
       layout=c(2,2), scales =list(y = list(relation='free')))

编辑

格子绘图函数有大量参数可以控制绘图的许多细节，例如我自定义：

1. 用于条带标签和标题的文本
2. 轴刻度标签的大小和位置，

3. 列和行之间的间隙大小。

    xyplot(y~x|group, data =dat, type='l',groups=group, between =list(y=2,x=2), layout=c(2,2), strip = myStrip, scales =list(y = list(relation='same',alternating= c(3,3)))) 

哪里

myStrip <- function(var.name,which.panel, which.given,...) {
  var.name <- paste(var.name ,which.panel)
  strip.default(which.given,which.panel,var.name,...)
  }

编辑为了得到格子图基本图形图，你可以试试这个：

xyplot(y~x|group, data =dat, type='l',groups=group,
       between=list(y=2,x=2),
       layout=c(2,2), 
       strip =FALSE,
       xlab=c('a','a'),
       xlab.top=c('a','a'),
       ylab=c('b','b'),
       ylab.right = c('b','b'),
       main=c('plot1','plot2'),
       sub=c('plot3','plot4'),
       scales =list(y = list(alternating= c(3,3)),
                    x = list(alternating= c(3,3))))

Answer 2

如果开始，ggplot2可能具有最高的漂亮/简单比率。

rpy2示例：

from rpy2.robjects.lib import ggplot2
from rpy2.robjects import r, Formula

iris = r('iris')

p = ggplot2.ggplot(iris) + \
    ggplot2.geom_point(ggplot2.aes_string(x="Sepal.Length", y="Sepal.Width")) + \
    ggplot2.facet_wrap(Formula('~ Species'), ncol=2, nrow = 2) + \
    ggplot2.GBaseObject(r('ggplot2::coord_fixed')()) # aspect ratio
# coord_fixed() missing from the interface, 
# therefore the hack. This should be fixed in rpy2-2.3.3

p.plot()

阅读上一个答案的评论我发现你可能意味着完全独立的情节。 使用R的默认绘图系统， par(mfrow(c(2,2))或par(mfcol(c(2,2)))是最简单的方法，并保持纵横比，轴的范围，以及通过通常的方式确定那些固定的标记。

在R中绘制的最灵活的系统可能是grid 。 它没有看起来那么糟糕，可以想象是一个场景图。 使用rpy2，ggplot2和grid：

from rpy2.robjects.vectors import FloatVector

from rpy2.robjects.lib import grid
grid.newpage()
lt = grid.layout(2,2) # 2x2 layout
vp = grid.viewport(layout = lt)
vp.push()


# limits for axes and tickmarks have to be known or computed beforehand
xlims = FloatVector((4, 9))
xbreaks = FloatVector((4,6,8))
ylims = FloatVector((-3, 3))
ybreaks = FloatVector((-2, 0, 2))

# first panel
vp_p = grid.viewport(**{'layout.pos.col':1, 'layout.pos.row': 1})
p = ggplot2.ggplot(iris) + \
    ggplot2.geom_point(ggplot2.aes_string(x="Sepal.Length",
                                          y="rnorm(nrow(iris))")) + \
    ggplot2.GBaseObject(r('ggplot2::coord_fixed')()) + \
    ggplot2.scale_x_continuous(limits = xlims, breaks = xbreaks) + \
    ggplot2.scale_y_continuous(limits = ylims, breaks = ybreaks)
p.plot(vp = vp_p)
# third panel
vp_p = grid.viewport(**{'layout.pos.col':2, 'layout.pos.row': 2})
p = ggplot2.ggplot(iris) + \
    ggplot2.geom_point(ggplot2.aes_string(x="Sepal.Length",
                                          y="rnorm(nrow(iris))")) + \
    ggplot2.GBaseObject(r('ggplot2::coord_fixed')()) + \
    ggplot2.scale_x_continuous(limits = xlims, breaks = xbreaks) + \
    ggplot2.scale_y_continuous(limits = ylims, breaks = ybreaks)
p.plot(vp = vp_p)

rpy2文档中有关图形的更多文档，以及ggplot2和网格文档之后的文档。

Answer 3

虽然已经选择了答案，但该答案使用ggplot而不是基础R，这是OP想要的。 虽然ggplot非常适合快速绘图，但对于出版物而言，您通常希望对ggplot提供的图表进行更精细的控制。 这就是基础情节优秀的地方。

我建议阅读Sean Anderson对巧妙使用par的神奇解释 ，以及使用layout()和split.screen()等其他一些好的技巧。

用他的解释，我想出了这个：

# Assume that you are starting with some data, 
# rather than generating it on the fly
data_mat <- matrix(rnorm(600), nrow=4, ncol=150)
x_val <- iris$Petal.Width

Ylim <- c(-3, 3)
Xlim <- c(0, 2.5)

# You'll need to make the ylimits the same if you want to share axes


par(mfrow=c(2,2))
par(mar=c(0,0,0,0), oma=c(4,4,0.5,0.5))
par(mgp=c(1, 0.6, 0.5))
for (n in 1:4) { 
  plot(x_val, data_mat[n,], "p", asp=1, axes=FALSE, ylim=Ylim, xlim=Xlim)
  box()
  if(n %in% c(1,3)){
    axis(2, at=seq(Ylim[1]+0.5, Ylim[2]-0.5, by=0.5))
  }
  if(n %in% c(3,4)){
    axis(1, at=seq(min(x_val), max(x_val), by=0.1))
  }
}

这里还有一些工作要做。 就像在OP中一样，数据似乎在中间被压扁了。 当然，调整事物会很好，因此可以使用完整的绘图区域。