包含一个分类变量和两个数值变量的绘图答案

【问题标题】：Plot including one categorical variable and two numeric variables包含一个分类变量和两个数值变量的绘图
【发布时间】：2016-01-11 22:31:47
【问题描述】：

如何在图表上显示其对应类型的 AverageTime 和 AverageCost 的值。变量的规模是不同的，因为其中一个是时间的平均值，另一个是成本的平均值。我想将类型定义为 x，y 指的是 AverageTime 和 AverageCost 的值。（在这种情况下，我将在一张图中有两个线图）

Type<-c("a","b","c","d","e","f","g","h","i","j","k")
AverageTime<-c(12,14,66,123,14,33,44,55,55,6,66)
AverageCost<-c(100,10000,400,20000,500000,5000,700,800,400000,500,120000)
df<-data.frame(Type,AverageTime,AverageCost)

【问题讨论】：

@MLavoie，非常感谢您的回复。我想在一张图中有两个线图，x 是指类型的级别，线图 1 显示 AverageTime 的值，条形图 2 显示 Averagecost 的值。
是要显示每个 x 的平均值还是要显示每个字母的两个值
@MLavoie：我想显示每种类型的两个值。
你说得对，我修改了问题。
您仍然可以使用我的答案，但只需替换名称

标签： r algorithm

【解决方案1】：

这可以使用facet_wrap 和scales="free_y" 来完成，如下所示：

library(tidyr)
library(dplyr)
library(ggplot2)

df %>%
  mutate(AverageCost=as.numeric(AverageCost), AverageTime=as.numeric(AverageTime)) %>%
  gather(variable, value, -Type) %>%
  ggplot(aes(x=Type, y=value, colour=variable, group=variable)) +
  geom_line() +
  facet_wrap(~variable, scales="free_y")

您可以在此处比较两条线，即使它们的比例不同。

HTH

【讨论】：

感谢您的回复，但我更喜欢将类型设置为“x”以更好地查看 Averagecost 和 AverageTime 的趋势。我的意思是我想在一个图中有两条条线。
感谢您的出色解决方案，我想知道您为什么在解决方案中使用 summarise(value.mean=mean(value)) ，因为我们没有重复的类型。
以前数据集的痕迹。现已编辑。
@shoorideh 你能说明你在哪里以及如何使用is.na()吗？
@boshek，我解决了这个问题。再次感谢您的出色解决方案。

【解决方案2】：

# install.packages("ggplot2", dependencies = TRUE)
library(ggplot2)
p <- ggplot(df, aes(AverageTime, AverageCost, colour=Type)) + geom_point()
p + geom_abline()

【讨论】：

感谢您的帮助，但我想将类型定义为 x，y 指的是 AverageCost 和 AverageTime。然后我可以看到，每个级别类型的 AverageTime 和 AverageCost 的值。
您能否重新表述您正在寻找的内容，或者以某种方式说明它？

【解决方案3】：

要在同一个图中显示两条线会很困难，因为它们的比例不同。您还需要将 AverageTime 和 AverageCost 转换为数值变量。

library(ggplot2)
library(reshape2)
library(plyr)

为了能够在一张图中绘制两条线并取两条线的平均值，您需要进行一些整形。

df_ag <- melt(df, id.vars=c("Type"))
df_ag_sb <- df_ag %>% group_by(Type, variable) %>% summarise(meanx = mean(as.numeric(value), na.rm=TRUE))

ggplot(df_ag_sb, aes(x=Type, y=as.numeric(meanx), color=variable, group=variable)) + geom_line()

【讨论】：

感谢您的帮助，不幸的是，我在数据集中犯了一个错误。我现在修改问题。