如何解决是否有一种编程方式可以在 ggplot2 图中传递 y 轴的特定范围?
我有一些根据用户输入自动生成的图。大多数情况下,这些情节工作正常。然而,一些用户要求确保在绘制数据的每一端总是有一个轴标签。例如,这个情节:
sample_data <-
data.frame(
x = rep(LETTERS[1:3],each = 3),y = 1:9 + 0.5
)
ggplot(
sample_data,aes(x = x,y = y)) +
stat_summary(
fun = "mean"
)
在顶点上方或底点下方没有标签。我可以使用 expand_limits
轻松添加它们:
ggplot(
sample_data,y = y)) +
stat_summary(
fun = "mean"
) +
expand_limits(y = c(2,10))
但是,因为这些图是自动生成的,我不能每次都手动添加下一个轴点。我试过将 only.loose = TRUE
传递给 labeling:extended
,但这仍然没有改变显示的值(只是输入我想要的值):
ggplot(
sample_data,y = y)) +
stat_summary(
fun = "mean"
) +
scale_y_continuous(breaks = breaks_extended(only.loose = TRUE))
此外,一些图比这更复杂(例如,有或没有置信区间、附加分组等),数据是使用 dplyr
为图准备的,并直接输入 { {1}}(带有 ggplot
)。因此,即使是像重新计算值这样的事情也不是微不足道的。
事实上,即使在这种情况下,它也会失败,因为添加扩展点以捕获下一组标签会更改标签。
%>%
这似乎是因为
ggplot(
sample_data,y = y)) +
stat_summary(
fun = "mean"
) +
scale_y_continuous(breaks = breaks_extended(n = 5,only.loose = TRUE)) +
expand_limits(y =
sample_data %>%
group_by(x) %>%
summarise(my_mean = mean(y)) %>%
pull(my_mean) %>%
range() %>%
{labeling::extended(.[1],.[2],5,only.loose = TRUE)}
)
用 1 返回 2 到 9 的范围,同时:
labeling::extended(2.5,8.5,only.loose = TRUE)
以 2 为单位返回 2 到 10 的范围。不知何故,labeling::extended(2,9,only.loose = TRUE)
增加了一些变化,尽管我是否追踪它并没有太大变化。我可以通过先计算间隔来解决这个问题,但(再次)这是一组相当复杂的图。
我觉得我遗漏了一些明显的点,但它一直在躲避我。
解决方法
是的,有一种编程方式来设置 y 尺度的限制,即为 limits
参数提供一个函数。将自然数据限制作为输入,然后您可以以编程方式对其进行编辑。休息也是如此,除了输入是限制。
下面的示例,此代码的确切外观取决于您的规范。
library(ggplot2)
sample_data <- data.frame(
x = rep(LETTERS[1:3],each = 3),y = 1:9 + 0.5
)
ggplot(sample_data,aes(x = x,y = y)) +
stat_summary(
fun = "mean"
) +
scale_y_continuous(
limits = function(x) {
lower <- floor(x[1])
lower <- ifelse(x[1] - lower < 0.5,lower - 1,lower)
upper <- ceiling(x[2])
upper <- ifelse(upper - x[2] <= 0.5,upper + 1,upper)
c(lower,upper)
},breaks = function(x) {
scales::breaks_pretty()(x)
}
)
#> Warning: Removed 3 rows containing missing values (geom_segment).
由 reprex package (v1.0.0) 于 2021 年 3 月 23 日创建
,受 teunbrand 的启发,我构建了一个生成限制的函数,然后检查以确保扩展(包括 5% 的缓冲区)不会改变 pretty
的输出
my_lims_expand <- function(x){
prev_pass <-
range(pretty(x))
curr_pass <-
pretty(c(prev_pass[1] - 0.05 * diff(prev_pass),prev_pass[2] + 0.05 * diff(prev_pass)))
last_under <-
tail(which(curr_pass < min(x)),1)
first_over <-
head(which(curr_pass > max(x)),1)
out <-
range(curr_pass[last_under:first_over])
confirm_out <-
range(pretty(out))
while(!all(out == confirm_out)){
prev_pass <- curr_pass
curr_pass <-
pretty(c(prev_pass[1] - 0.05 * diff(prev_pass),prev_pass[2] + 0.05 * diff(prev_pass)))
last_under <-
tail(which(curr_pass < min(x)),1)
first_over <-
head(which(curr_pass > max(x)),1)
out <-
range(curr_pass[last_under:first_over])
confirm_out <-
range(pretty(out))
}
return(out)
}
然后,我可以将该函数用于 limits
:
ggplot(sample_data,y = y)) +
stat_summary(
fun = "mean"
) +
scale_y_continuous(
limits = my_lims_expand,breaks = pretty
)
生成所需的图:
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。