violin_plot() 具有用于分组变量的连续轴？答案

【问题标题】：violin_plot() with continuous axis for grouping variable?violin_plot() 具有用于分组变量的连续轴？
【发布时间】：2020-06-11 10:47:22
【问题描述】：

由于显而易见的原因，用于在 ggplot2 中创建 geom_violin() 图的分组变量预计是离散的。但是我的离散值是数字，我想以连续的比例显示它们，以便我可以将这些数字的连续函数叠加在小提琴上。玩具示例：

library(tidyverse)
df <- tibble(x = sample(c(1,2,5), size = 1000, replace = T),
             y = rnorm(1000, mean = x))
ggplot(df) + geom_violin(aes(x=factor(x), y=y))

这就像您想象的那样工作：x 轴值（等距）标记为 1、2 和 5 的小提琴，它们的均值分别位于 y=1、2、5。我想通过手段覆盖一个连续的函数，例如 y=x。那可能吗？添加+ scale_x_continuous() 可以预测得到Error: Discrete value supplied to continuous scale。一个解决方案可能会通过数字 x 值水平传播小提琴，即 2 和 5 之间的间距是 1 和 2 之间的三倍，但这不是我想要实现的唯一事情 -覆盖连续函数是关键问题。如果这是不可能的，欢迎替代可视化建议。我知道我可以用一个简单的散点图代替小提琴，以粗略地了解给定 x 的密度作为 y 的函数。

【问题讨论】：

标签： r ggplot2

【解决方案1】：

试试这个。正如您已经猜到的那样，通过数值传播小提琴是解决方案的关键。为此，我扩展 df 以包含区间 min(x) 到 max(x) 中的所有 x 值，并使用 scale_x_discrete(drop = FALSE) 以便显示所有值。

注意：感谢@ChrisW 提供了我的方法的更通用示例。

library(tidyverse)

set.seed(42) 

df <- tibble(x = sample(c(1,2,5), size = 1000, replace = T), y = rnorm(1000, mean = x^2))
# y = x^2  
# add missing x values 
x.range <- seq(from=min(df$x), to=max(df$x)) 
df <- df %>% right_join(tibble(x = x.range))
#> Joining, by = "x"
# Whatever the desired continuous function is: 
df.fit <- tibble(x = x.range, y=x^2) %>% 
  mutate(x = factor(x))

ggplot() + 
  geom_violin(data=df, aes(x = factor(x, levels = 1:5), y=y)) + 
  geom_line(data=df.fit, aes(x, y, group=1), color = "red") + 
  scale_x_discrete(drop = FALSE)
#> Warning: Removed 2 rows containing non-finite values (stat_ydensity).

^{由reprex package (v0.3.0) 于 2020-06-11 创建}

【讨论】：

完美，谢谢！供其他人参考，上面的df_mean 被任意理论拟合代替，而不是直接来自数据的示例：
library(tidyverse) set.seed(42) df <- tibble(x = sample(c(1,2,5), size = 1000, replace = T), y = rnorm(1000, mean = x^2)) # y = x^2 # add missing x values x.range <- seq(from=min(df$x), to=max(df$x)) df <- df %>% right_join(tibble(x = x.range)) # Whatever the desired continuous function is: df.fit <- tibble(x = x.range, y=x^2) %>% mutate(x = factor(x)) ggplot() + geom_violin(data=df, aes(x = factor(x, levels = 1:5), y=y)) + geom_line(data=df.fit, aes(x, y, group=1), color = "red") + scale_x_discrete(drop = FALSE)
嗯@stefan 也许您可以将其编辑到您的答案中，使其格式正确？
嗨@ChrisW。好想法。我用你的一般例子代替了我的例子。下一次：随意自己进行编辑。 (;

【解决方案2】：

ggplot 直接内置了以连续比例绘制小提琴图的功能。

关键是保留原始连续变量（而不是将其转换为因子变量）并指定如何在geom_violin() 对象的美学映射中对其进行分组。可以使用cut_width 参数修改组的宽度，具体取决于手头的数据。

library(tidyverse)

df <- tibble(x = sample(c(1,2,5), size = 1000, replace = T),
             y = rnorm(1000, mean = x))

ggplot(df, aes(x=x, y=y)) +
  geom_violin(aes(group = cut_width(x, 1)), scale = "width") +
  geom_smooth(method = 'lm')

通过使用这种方法，所有连续数据的几何图形及其不同的功能都可以与小提琴图相结合，例如我们可以很容易地用黄土曲线替换这条线并添加点的散点图。

ggplot(df, aes(x=x, y=y)) +
  geom_violin(aes(group = cut_width(x, 1)), scale = "width") +
  geom_smooth(method = 'loess') +
  geom_point()

更多示例可以在ggplotviolin plots 的帮助文件中找到。

【讨论】：