更改 ggplot 对象的数据集答案

【问题标题】：Changing the dataset of a ggplot object更改 ggplot 对象的数据集
【发布时间】：2015-03-30 01:13:06
【问题描述】：

我正在用ggplot2 绘制我的数据子集，我想知道我是否会以某种方式在原始数据子集中使用ggplot 对象中已经包含的所有选项。例如，这是第一个情节（代码块 1）：

require(ggplot2)
p <- ggplot(mtcars, aes(mpg, wt, color=factor(cyl))) + geom_point(shape=21, size=4)
print(p)

现在我想用mtcars 的子集制作第二个图，所以我通常会这样做（代码块 2）：

new_data <- subset(mtcars, disp > 200)
p <- ggplot(new_data, aes(mpg, wt, color=factor(cyl))) + geom_point(shape=19, size=4)
print(p)

对于数据集这么小的差异，重新编写所有代码似乎有点麻烦。通常在 ggplot 中，您可以更改一些参数（这是正确的术语吗？）使用 p 进行正确的操作；例如，我可以使用p + scale_color_manual(values=rainbow(3)) 更改绘图颜色。当然，这只是一个愚蠢的例子，但是当我有一个非常详细的情节时，它会变得非常令人厌烦，到处都有很多调整。

所以基本上，我想知道的是是否有某种方式，比如一个函数x，这样我就可以做到这一点：

p + x(data = new_data)

并获得与代码块 2 相同的结果。

非常感谢，娟

【问题讨论】：

我错过了什么吗？如果您将 df 200)？那么无需触摸您经过大量调整的 ggplot 代码.
确实，我不必再次调整代码，但我必须重新运行所有 ggplot 命令。如果我想在同一个脚本中绘制两个图，我必须再次复制并粘贴所有代码（我的目标是使用source 运行所有代码）。原则上这并没有那么糟糕，但我的剧本发展得很快，变成了一个小怪物。一种解决方案是为绘图创建一个函数，但随后我将为每个绘图创建一个函数，这似乎也很麻烦。所以，在那里，我希望隐藏在ggplot 的深处会有一个函数来做我想做的事情......
啊，所以你想在 ggplot 调用中加入一点 for 循环！像 ggplot(data = for(i in two-or-more datasets), aes(.... 并让 ggplot 在同一代码上运行两个数据集。当然，超出了我的卑微能力，但 R 的向导可能有一个答案！

标签： r graphics plot ggplot2

【解决方案1】：

我认为使用 ggplot %+% 运算符可以很容易地完成。

p <- ggplot(mtcars, aes(mpg, wt, color=factor(cyl))) + geom_point(shape=21, size=4)
print(p)

p2<-p %+% mtcars[mtcars$disp>200,]
print(p2)

【讨论】：

你能用你自己的话解释一下'%+%'操作符到底是做什么的吗？

【解决方案2】：

如果你只想要chunk2：

ggplot(mtcars[mtcars$disp>200,], aes(mpg, wt, color=factor(cyl)))+
geom_point(shape=19, size=4)

如果你想要他们两个在一个情节中：

ggplot() + 
geom_point(data=mtcars, aes(mpg, wt, color=factor(cyl)),shape=21, size=4)+
geom_point(data=mtcars[mtcars$disp>200,], aes(mpg, wt, color=factor(cyl)),shape=19, size=4)

【讨论】：

【解决方案3】：

如果问题被重新表述为“我怎样才能避免编写重复的代码来用不同的数据制作类似的图？”，一个答案是使用适用于 ggplot 对象的函数：

my_plot <- function (p) {
    p + aes(color=factor(cyl)) + geom_point(shape=21, size=4)
}

p1 <- ggplot(mtcars, aes(mpg, wt))
p2 <- ggplot(newdata, aes(mpg, wt))

p1 <- my_plot(p1); print(p1)
p2 <- my_plot(p2); print(p2)

这将所有共享的绘图参数都集中在一个地方，使代码更清晰并易于维护。当然，代码仍然针对每个绘图对象运行。

您当然可以通过组合函数来任意使事情复杂化（我自己工作中最近的一个例子）：

p2 <- by_gene(stacked_bars(my_plot(p2)))

【讨论】：

这项技术非常基础，对 ggplot 不友好。此外，使用%>% 可以更轻松地重写，而无需重写变量。