使用非标准评估从 for 循环生成图答案

【问题标题】：Generate plots from for loop with non-standard evaluation使用非标准评估从 for 循环生成图
【发布时间】：2020-03-24 23:05:56
【问题描述】：

我正在尝试使用ggplot 在R 中从for 循环生成图。

让我们创建一个数据集：

# Libraries
library(tidyverse)

# Set seed
set.seed(123)

# Create data frame
df <- data.frame(
  time = c( rep(1,20), rep(2, 20), rep(3, 20) ), 
  value_a =c(rnorm(n = 60, mean = 50, sd = 10)),
  value_b =c(rnorm(n = 60, mean = 50, sd = 10)),
  value_c =c(rnorm(n = 60, mean = 50, sd = 10))
)

我可以使用ggplot 生成绘图。

ggplot(data = df) +
  geom_jitter(aes(x = time, y = value_a), position = position_jitter(width = 0.1)) + 
  scale_y_continuous(limits = c(0, 100))

接下来，我想为数据框的每一列生成这些图（x 轴为时间，y 轴为 value_n）。我认为 for 循环可以解决问题：

for(i in colnames(df)[-1]){
  print(
    ggplot(df_a, aes(x= time, y = i)) +
      geom_jitter(position=position_jitter(width=0.1)) +
      scale_y_continuous(limits = c(0,100))
  )
}

它提供以下错误：

错误：提供给连续刻度的离散值

出现错误是因为 for 循环中的 i 被视为字符向量，并且我可以（逻辑上）不提供离散值的连续比例。

在for循环外重现错误：

ggplot(df_a, aes(x= time, y = "value_a")) + # value_a is provided as character vector
  geom_jitter(position=position_jitter(width=0.1)) +
  scale_y_continuous(limits = c(0,100))

问题

有没有办法防止 'value_a' 被解释为字符向量，以便我能够控制循环中的比例？还是有另一种方法可以方便地从数据框中的不同列生成图？

【问题讨论】：

我会 melt 并使用构面 - 这是更多 ggplot2 方式
嘿 user213544，要扩展 @PoGibas 的 cmets，您可以熔化（或 pivot_longer() ）df，然后只是 value_a、value_b 的子集 ...
例如这样：df %>% pivot_longer(-time) %>% filter(name=="value_a") %>% ggplot()+geom_jitter(aes(x=time,y =值））
我已修改标题以使其更易于搜索 - 希望这符合您的想法

标签： r for-loop ggplot2

【解决方案1】：

我同意 PoGibas 的评论 - 改写为长格式并使用 facet 可能是更好的方法。但是，如果您需要它来创建不同的绘图/图像等，请改用eval(sym(i))，如下所示：

library(tidyverse)

# Set seed
set.seed(123)

# Create data frame
df <- data.frame(
  time = c( rep(1,20), rep(2, 20), rep(3, 20) ), 
  value_a =c(rnorm(n = 60, mean = 50, sd = 10)),
  value_b =c(rnorm(n = 60, mean = 50, sd = 10)),
  value_c =c(rnorm(n = 60, mean = 50, sd = 10))
)

for(i in colnames(df)[-1]){
  print(
    ggplot(df, mapping = aes(x= time, y = eval(sym(i)))) +
      geom_jitter(position=position_jitter(width=0.1)) +
      scale_y_continuous(limits = c(0,100)) +
      labs(y = i) #added automatic y-label 

  )
}

^{由reprex package (v0.3.0) 于 2019 年 11 月 29 日创建}

【讨论】：