[英]creating multiple scatter plots with same axes in R
我試圖在R中用2 x 2排列繪制四個散點圖(我實際上是通過rpy2繪圖)。 我希望每個都具有1的縱橫比,但也是相同的比例,所以所有子圖的相同的X和Y標記,以便它們可以進行比較。 我嘗試用par
來做到這一點:
par(mfrow=c(2,2))
# scatter 1
plot(x, y, "p", asp=1)
# scatter 2
plot(a, b, "p", asp=1)
# ...
編輯:
這是我現在擁有的直接例子:
> par(mfrow=c(2,2))
> for (n in 1:4) { plot(iris$Petal.Width, rnorm(length(iris$Petal.Width)), "p", asp=1) }
它創建了正確的散射類型,但具有不同的比例。 設置ylim
和xlim
是在每次調用相同的plot
上面並沒有解決問題。 您仍然會在每個軸上獲得非常不同的刻度線和刻度數,這使得分散不必要地難以解釋。 我希望X和Y軸相同。 例如,這個:
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)) }
生成錯誤的結果:
確保在所有子圖中使用相同軸的最佳方法是什么?
我所尋找的是一個像axis=same
或類似於par(mfrow=...)
,這聽起來像是lattice
的默認行為,使軸在每個子圖中共享和相同。
lgautier用ggplot給出了很好的代碼,但它要求提前知道軸。 我想澄清一點,我想避免遍歷每個子圖中的數據並自己計算要繪制的正確刻度。 如果在預先知道,那么ggplot解決方案不僅僅是密謀更加復雜plot
和明確
agstudy給出了格子的解決方案。 這看起來與我想要的最接近,因為你不必明確預先計算每個散點的刻度位置,但作為新用戶,我無法弄清楚如何使格子看起來像普通的情節。 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))
產量:
我怎樣才能讓它看起來像R基座? 我不希望這些group
字幕位於每個子圖的頂部,或者在每個散點的頂部和右側懸掛未標記的標記,我只想要標記散射的每個x和y。 我也不是在尋找X和Y的共享標簽 - 每個子圖都有自己的X和Y標簽。 並且每個散點中的軸標簽必須相同,盡管這里選擇的數據沒有意義。
除非有一種簡單的方法使格子看起來像R基礎,否則聽起來答案是沒有辦法做我想在R中做的事情(令人驚訝),沒有預先計算每個子圖中每個刻度的確切位置,這需要提前迭代數據。
使用lattice
和ggplot2
您需要重塑數據。 例如:
這里使用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:不需要設置聖誕節。 在xyplot
,默認的sacles設置是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')))
編輯
格子繪圖函數有大量參數可以控制繪圖的許多細節,例如我自定義:
列和行之間的間隙大小。
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,...)
}
編輯為了得到格子圖基本圖形圖,你可以試試這個:
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))))
如果開始,ggplot2可能具有最高的漂亮/簡單比率。
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()
閱讀上一個答案的評論我發現你可能意味着完全獨立的情節。 使用R的默認繪圖系統, par(mfrow(c(2,2))
或par(mfcol(c(2,2)))
是最簡單的方法,並保持縱橫比,軸的范圍,以及通過通常的方式確定那些固定的標記。
在R中繪制的最靈活的系統可能是grid
。 它沒有看起來那么糟糕,可以想象是一個場景圖。 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文檔中有關圖形的更多文檔,以及ggplot2和網格文檔之后的文檔。
雖然已經選擇了答案,但該答案使用ggplot
而不是基礎R,這是OP想要的。 雖然ggplot
非常適合快速繪圖,但對於出版物而言,您通常希望對ggplot
提供的圖表進行更精細的控制。 這就是基礎情節優秀的地方。
我建議閱讀Sean Anderson對巧妙使用par
的神奇解釋 ,以及使用layout()
和split.screen()
等其他一些好的技巧。
用他的解釋,我想出了這個:
# 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))
}
}
這里還有一些工作要做。 就像在OP中一樣,數據似乎在中間被壓扁了。 當然,調整事物會很好,因此可以使用完整的繪圖區域。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.