使用堆叠条形图时，带有误差条的ggplot2条形图

如何解决使用堆叠条形图时，带有误差条的ggplot2条形图

我正在尝试生成一个带有误差线的堆叠条形图，该误差线代表每条线的总可变性。我不想使用躲避的条形图，因为每条条有10个以上类别。

下面我有一些可重现的示例数据：

scenario = c('A','A','A')
strategy = c('A','A')
decile = c(0,10,10)
asset = c('A','B','B')
lower = c(10,20,15)
mean = c(30,50,60,70)
upper = c(70,90,86,90)
data = data.frame(scenario,strategy,decile,asset,lower,mean,upper)

一旦有了data df，我们就可以使用ggplot2来创建一个堆叠的条形：

ggplot(wide,aes(x=decile,y=mean,fill=asset)) + 
  geom_bar(stat="identity") +
  facet_grid(strategy~scenario) +
  geom_errorbar(aes(ymin = lower,ymax = upper),width = 0.25)

但是，所产生的误差线是针对每个堆叠线的每个单独组件的：

我很感谢我为df的每一行提供lower，mean和upper的结果，但是即使我按十分位数对它们进行求和，我也没有得到我想要的每个条形图堆栈顶部的错误条。

什么是正确的ggplot2代码？或者，什么是实现该功能的正确数据结构？

解决方法

我认为您正确地认识到需要操纵数据而不是情节是正确的。您在误差条上实际上不能有position_stack，因此您需要重新计算误差条的平均值，上限值和下限值。本质上，这意味着获取平均值的累加和，并相应地移动上限和下限。您可以在dplyr管道中执行此操作。

请注意，我认为您还需要在误差条上使用position_dodge，因为即使适当移动它们的范围也会重叠，这将使它们在视觉上难以理解：

library(ggplot2)
library(dplyr)

data %>% 
  mutate(lower = lower - mean,upper = upper - mean) %>%
  group_by(decile) %>% 
  arrange(rev(asset),by.group = TRUE) %>%
  mutate(mean2 = cumsum(mean),lower = lower + mean2,upper = upper + mean2) %>%
  ggplot(aes(x = decile,y = mean,fill = asset)) + 
  geom_bar(stat = "identity") +
  facet_grid(strategy ~ scenario) +
  geom_errorbar(aes(y = mean2,ymin = lower,ymax = upper),width = 2,position = position_dodge(width = 2)) +
  geom_point(aes(y = mean2),position = position_dodge(width = 2))

,

如果每个十分位数仅需要一个误差线，则应汇总这些值，以使这样的评估之间没有区别：

library(ggplot2)
library(dplyr)
#Code
data %>% group_by(scenario,decile) %>% 
  mutate(nlower=mean(lower),nupper=mean(upper)) %>%
  ggplot(aes(x=factor(decile),y=mean,fill=asset,group=scenario)) + 
  geom_bar(stat="identity") +
  facet_grid(strategy~scenario) +
  geom_errorbar(aes(ymin = nlower,ymax = nupper),width = 0.25)

输出：

使用资产是另一回事，因为它将考虑每个类别，因为每个类别的价值各不相同

#Code 2
data %>%
  ggplot(aes(x=factor(decile),group=scenario)) + 
  geom_bar(stat="identity") +
  facet_grid(strategy~scenario) +
  geom_errorbar(aes(ymin = lower,width = 0.25)

输出：

在上一版本中，每项资产都有其自己的误差线，但是如果要全局查看错误，则应使用汇总限值的方法，如通过平均值或所需的其他度量来完成。