将相应的颜色值分配给要在 R 中的 ggplot（使用 geom_col）中绘制的最终模型变量

Question

我正在创建一组 geom_col 图来揭示模型构建过程，其中不同的认知任务变量按照它们降低 AIC 的顺序排列。

变量按照它们降低 AIC 的顺序添加，并且仅当它们显着（LRT）降低 AIC 时才包含在最终模型中。 因此，有四种独立的绩效衡量标准：响应窗口、效率、一致性和心理测量阈值。 所以很自然地，有四个最终模型——响应窗口、效率、一致性和心理测量阈值。 （实际上将有八个最终模型，因为它们将属于数学和英语标准化测试 DV）。

所以我希望最终模型中包含的每个认知任务变量都对应于特定的颜色，这样您就可以可视化始终包含在不同绩效衡量模型中的变量。 也许有一些方法可以用“ifelse”语句来创建它——如果这个变量，那么红色……等等。

我知道您可能会创建一个颜色值向量，该向量对应于包含的任务变量的特定顺序，但我想在这里提升我的编码，虽然八张图可能没有那么多时间，但在您需要的情况下有更多的图表，那可能是一笔不小的投资。 犯错的机会也少得多。

该日期涉及 1000 名参与者和四项绩效指标（英语和数学类别）。 下面，我将数学和英语效率数据集作为一个最小的可重现示例。

我使用以下代码按照减少 AIC 的顺序排列包含的任务变量，将以下代码与 R color brewer 结合使用（变量只是认知任务变量，其对应的 AIC 值在另一列中）。 （我使用我的整个代码来生成下面的图表，因为有时人们会提供有用的反馈并提供更有效的方法，但你可以忽略它的下半部分）。

非常感谢。 感恩节快乐。

efficiency.english<-structure(list(variables = structure(c(3L, 8L, 7L, 5L, 1L, 6L, 
4L, 2L), .Label = c("Con, Filter", "Con, SAAT, Sustained", "Demographics", 
"SAAT, Impulsive", "STROOP, Congruent", "Tap and Trace, Tap", 
"TASK SWITCH, Stay", "TASK SWITCH, Switch"), class = "factor"), 
    aic = c(28901.0609423639, 28876.584417846, 28870.0889374339, 
    28862.7732527584, 28859.716837592, 28852.6732473908, 28851.1317635441, 
    28853.8500632933)), class = "data.frame", row.names = c(NA, 
-8L))

efficiency.math <- structure(list(variables = structure(c(2L, 1L, 5L, 4L, 3L, 6L
), .Label = c("Con, Box, Feature", "Demographics", "FILTER", 
"SAAT, Sustained", "Tap and Trace, Tap", "TASK SWITCH, Stay"), class = "factor"), 
    aic = c(28900.5294523709, 28885.7432348228, 28877.1589335409, 
    28872.248022988, 28868.3257096905, 28865.1849707033)), class = "data.frame", row.names = c(NA, 
-6L))

rw.math<- structure(list(variables = structure(c(2L, 1L, 3L, 4L, 5L), .Label = c("BOXED, Feature, 4", 
"Demographics", "SAAT, Impulsive", "Tap and Trace", "Tap and Trace, Tap"
), class = "factor"), aic = c(28896.4668953137, 28882.0804928958, 
28875.7128176706, 28873.9645461461, 28872.7298323499)), class = "data.frame", row.names = c(NA, 
-5L))

colourCount = length(unique(efficiency.math$variables))
getPalette = colorRampPalette(brewer.pal(9, "Set1"))
efficiency.math%>%
  mutate(name = fct_reorder(variables, desc(aic)))%>%
  ggplot(aes(x = name, y = aic - 28850, fill = name))+
  geom_col()+
  coord_flip()+
  cleanup+
    theme(strip.text.x = element_text(size=7, angle=0),
          strip.background = element_rect(colour="white", fill="white"))+
  scale_fill_manual(values = getPalette(colourCount))+
  theme(legend.position="right")+
  theme(plot.title = element_text(hjust = 0))+
  #labs(x = "Cognitive Measures (Efficiency/Consistency)")+
  labs(y = "AIC + 28850")+
  ggtitle("3b: Math, Eff/Con Model")+
  guides(fill = FALSE)+
  set_theme(title.size = .6)+
  theme(axis.text.x = element_text(size = 5),
        axis.text.y = element_text(size = 6),
        axis.title.x = element_text(size = 8),
        axis.title.y = element_blank())+
  cleanup

colourCount = length(unique(final.ela.17.18.rem$variables))
getPalette = colorRampPalette(brewer.pal(6, "Set1"))

efficiency.english%>%
  mutate(name = fct_reorder(variables, desc(aic)))%>%
  ggplot(aes(x = name, y = aic - 28825, fill = variables))+
  geom_col()+
  coord_flip()+
  cleanup+
    theme(strip.text.x = element_text(size=7, angle=0),
          strip.background = element_rect(colour="white", fill="white"))+
  theme(plot.title = element_text(hjust = 0))+
  scale_fill_manual(values = getPalette(colourCount))+
  theme(legend.position="right")+
  labs(y = "AIC + 28825")+
  ggtitle("3c: English, Eff/Con Model")+
  guides(fill=FALSE)+
  set_theme(title.size = .6)+
  theme(axis.text.x = element_text(size = 5),
        axis.text.y = element_text(size = 6),
        axis.title.x = element_text(size = 8),
        axis.title.y = element_blank())+
    cleanup

colourCount = length(unique(rw.math$variables))
getPalette = colorRampPalette(brewer.pal(9, "Set1"))
rw.math%>%
  mutate(name = fct_reorder(variables, desc(aic)))%>%
  ggplot(aes(x = name, y = aic - 28860, fill= variables))+
  geom_col()+
  coord_flip()+
  scale_fill_brewer(palette="Set2")+
  labs(x = "Cognitive Measures")+
  labs(y = "AIC + 28,860")+
  ggtitle("3d: Math, RW Model")+
  guides(fill = FALSE)+
   set_theme(title.size = .6)+
  theme(axis.text.x = element_text(size = 5),
        axis.text.y = element_text(size = 6),
        axis.title.x = element_text(size = 8),
        axis.title.y = element_text(size = 8))+
  cleanup

Answer 1

我不是很清楚实际的编程相关问题是什么，但如果我收集正确，它是关于如何在一系列图中为因子变量获得一致的着色，对吗？

附注是很难找到 26 种非常有区别的颜色，但它们在 Polychrome 包中确实有一个字母表调色板。

最主要的是如何在绘图中设置填充/颜色比例，在伪代码中看起来像这样：

scale_fill_manual(
      values = setNames(a_colour_vector, all_factor_levels),
      breaks = all_ordered_factor_levels_to_be_displayed,
      limits = all_ordered_factor_levels_to_be_displayed)
    )

以及您在下面提供的向量的示例：

library(Polychrome)
library(ggplot2)
library(patchwork)

# Data from question
response_window <- c("T", "A", "G", "C")
efficiency <- c("R", "A", "M", "T", "E", "L")
consistency <- c("S", "M", "W", "A", "L", "F")
psychometric_threshold <- c("S", "C", "H", "I", "D")

# Format data as data.frame
df <- rbind.data.frame(
  cbind(name = "response_window", var = response_window),
  cbind(name = "efficiency", var = efficiency),
  cbind(name = "consistency", var = consistency),
  cbind(name = "psychometric_threshold", var = psychometric_threshold)
)

# Generate some value to substitute for AIC
df$value <- rpois(nrow(df), 5)

# Some ordering of the variables, for example random
# in real case probably AIC related ordering
unique_var <- unique(df$var)
df$var <- factor(df$var, levels = sample(unique_var))

# Loop over name, create plot for each name
plotlist <- lapply(split(df, df$name), function(dat) {
  ggplot(dat, aes(var, value, fill = var)) +
    geom_col(position = "dodge") +
    scale_fill_manual(
      values = setNames(alphabet.colors(), LETTERS),
      breaks = levels(dat$var),
      limits = levels(dat$var)
    ) +
    coord_flip() +
    ggtitle(dat$name[1])
})

# Combine plots for visualisation purposes
plotlist[[1]] + plotlist[[2]] + plotlist[[3]] + plotlist[[4]] + plot_layout(guides = "collect")

^{由reprex 包(v0.3.0) 创建于 2019-12-01}

这些图的确切外观可能无法反映您的用例，但您可以看到各图的着色是一致的。

编辑：更新问题后，我的建议是执行以下操作：

# Put data in list
data_list <- list(
  efficiency_math = efficiency.math,
  efficiency_english = efficiency.english,
  rw_math = rw.math
)

# Edit some metadata
all_levels <- unique(unlist(lapply(data_list, `[[`, "variables")))
colours <- Polychrome::kelly.colors(length(all_levels))
colours <- setNames(colours, all_levels)
titles <- c("3b: Math, Eff/Con Model", "3c: English, Eff/Con Model", "Cognitive Measures")

# Loop over the data
plot_list <- mapply(function(df, title) {
  df$name <- fct_reorder(df$name, desc(df$aic))

  ggplot(df, aes(name, aic, fill = name)) +
    geom_col(colour = "black") +
    scale_fill_manual(
      values = colours
    ) +
    scale_y_continuous(limits = range(df$aic),
                       oob = function(x, ...) x,
                       expand = c(0.2, 0)) +
    coord_flip() +
    theme_classic() +
    ggtitle(title)
}, df = data_list, title = titles, SIMPLIFY = FALSE)

产生以下结果：

plot_list[[1]]

我使用调整后的 y 尺度而不是“AIC - 28850”方法的原因是，如果值已经在原始 AIC 空间中，您可以让绘图的观察者不用考虑偏移量的心算。 它还使您不必为每个图考虑适当的偏移量。

这是一个包含偏移量参数的变体：

plot_list <- mapply(
  function(df, title, offset) {
    df$name <- fct_reorder(df$name, desc(df$aic))

    ggplot(df, aes(name, aic - offset, fill = name)) +
      geom_col(colour = "black") +
      scale_fill_manual(
        values = colours
      ) +
      scale_y_continuous(name = paste0("AIC + ", offset)) +
      coord_flip() +
      theme_classic() +
      ggtitle(title)
  }, 
  df = data_list, 
  title = titles, 
  offset = c(28850, 28825, 28860),
  SIMPLIFY = FALSE
)

这些图仍然是可编辑的，因此您可以提供特定于图的详细信息，如下所示：

plot_list[[3]] + labs(x = "Cognitive Measures")