如何在R中按组计算SD，而不会丢失在ggplot2中绘图仍然需要的列？

Question

我有一个“场景”（27x）的数据集，其中 A、B en C 是模型的某些输入值，而 value 是变量的结果。

现在我想用 ggplot 制作一个分组的条形图（y 上的值，x 上有因子 B，由 A 填充。我想根据因子 C 引起的变化制作误差线。

我的数据集（简化）大致采用以下格式：

data <- data.frame(matrix(ncol=0, nrow=27))
data$value <- runif(27, min=10, max=60)
data$A <- factor((rep(1:9, each=3)))
data$B <- factor((rep(1:3, each=9)))
data$C <- factor(rep(rep(1:3),9))

好像：

     value A B C
1 27.76710 1 1 1
2 34.71762 1 1 2
3 20.72895 1 1 3
4 34.83710 2 1 1
5 31.44144 2 1 2
6 13.11038 2 1 3
etc

ggplot 将是

ggplot(data, aes(fill=A, y=value, x=B)) + 
  geom_bar(stat="identity",position=position_dodge())+
  geom_errorbar(aes(ymin=?????, ymax=????), width=.2,
                position=position_dodge(.9))

所以我正在为 ymin 和 ymax 苦苦挣扎。 它可能是 value+sd 或 -sd，但我还没有计算出 sd。

我现在的方法是使用 A 组来自 dplyr 的汇总。 这给了我：

data %>% 
group_by(A) %>% 
summarise(mean=mean(value), sd = sd(value))

  A      mean    sd
  <fct> <dbl> <dbl>
1 1      27.7  6.99
2 2      26.5 11.7 
3 3      33.7 21.9 
4 4      27.7  6.99
etc

这很好，但是，现在我丢失了所有其他列（在这种情况下，我的 ggplot 仍然需要 B）。 我如何仍然计算均值和标准差并保留所有其他列？

或者还有其他方法可以获得我需要的效果吗？ （我可以手动重新添加 B 列，但我想知道是否还有其他方法可以用于未来和 B 不容易重新制作的场合）

Answer 1

对于A和B每个组合，您都有三行数据，因此您当前的代码实际上是在每个 x 轴位置过度绘制了三个条。 您可以通过向条形添加透明度来看到这一点。

ggplot(data, aes(fill=A, y=value, x=B)) + 
  geom_bar(stat="identity", position=position_dodge(), alpha=0.3)

看起来您实际上是在尝试执行以下操作（但如果我误解了，请告诉我）：

pd = position_dodge(0.92)

data %>% 
  group_by(A,B) %>% 
  summarise(mean=mean(value), sd=sd(value)) %>% 
  ggplot(aes(fill=A, x=B)) + 
  geom_col(aes(y=mean), position=pd)+
  geom_errorbar(aes(ymin=mean-sd, ymax=mean+sd), position=pd, width=0.2)

分面是另一种选择：

data %>% 
  group_by(A,B) %>% 
  summarise(mean=mean(value), sd=sd(value)) %>% 
  ggplot(aes(x=A)) + 
    geom_col(aes(y=mean), fill=hcl(240,100,65)) +
    geom_errorbar(aes(ymin=mean-sd, ymax=mean+sd), width=0.2) +
    facet_grid(. ~ B, labeller=label_both, space="free_x", scales="free_x")

但你真的需要酒吧吗？

data %>% 
  group_by(A,B) %>% 
  summarise(mean=mean(value), sd=sd(value)) %>% 
  ggplot(aes(x=A)) + 
  geom_pointrange(aes(y=mean, ymin=mean-sd, ymax=mean+sd), shape=21, fill="red", 
                  fatten=6, stroke=0.3) +
  facet_grid(. ~ B, labeller=label_both, space="free_x", scales="free_x")

我们也可以在 ggplot 中使用stat_summary计算：

data %>% 
  ggplot(aes(x=A, y=value)) + 
  stat_summary(fun.data=mean_sdl, fun.args=list(mult=1), geom="pointrange", 
               shape=21, fill="red", fatten=6, stroke=0.3) +
  facet_grid(. ~ B, labeller=label_both, space="free_x", scales="free_x")

无论哪种方式，情节如下所示：