Question

我对几个光伏电池板系统测量的数据进行了一些计算。我有11种不同的光伏系统，每种都有3种不同的数值。

我的结果是一个矩阵，有11行（每个对应一个光伏系统）和3列（包含为每个系统计算的3个数值）。

这是一个可重复性最小的矩阵：

            monthly_LR monthly_CSD monthly_HW
solon            0.398       0.417       0.48
sanyo            0.489       0.479       0.59
atersa              NA          NA         NA
sunpower         0.129          NA       0.19
schott_efg       0.387       0.486       0.47
BP               0.235       0.161       0.22
solarworld       1.153       1.245       1.25
schott_main      0.531       0.628       0.62
wurth            2.889       2.886       2.85
first            1.631       1.651       1.64
mhi              0.974       0.888       1.02

以及相应的dput输出，以便您可以重现它：

structure(c(0.398, 0.489, NA, 0.129, 0.387, 0.235, 1.153, 0.531, 
2.889, 1.631, 0.974, 0.417, 0.479, NA, NA, 0.486, 0.161, 1.245, 
0.628, 2.886, 1.651, 0.888, 0.48, 0.59, NA, 0.19, 0.47, 0.22, 
1.25, 0.62, 2.85, 1.64, 1.02), .Dim = c(11L, 3L), .Dimnames = list(
c("solon", "sanyo", "atersa", "sunpower", "schott_efg", "BP", 
"solarworld", "schott_main", "wurth", "first", "mhi"), c("monthly_LR", 
"monthly_CSD", "monthly_HW")))    `

我还有另一个包含与第一个矩阵的每个值相关的不确定性的矩阵：

           monthly_LR_uncertainty    monthly_CSD_uncertainty  monthly_HW_uncertainty
solon                        0.14                    0.09                    0.07
sanyo                        0.13                    0.06                    0.07
atersa                         NA                    0.13                      NA
sunpower                     0.18                    0.18                    0.20
schott_efg                   0.14                    0.07                    0.06
BP                           0.14                    0.14                    0.15
solarworld                   0.16                    0.04                    0.03
schott_main                  0.15                    0.08                    0.07
wurth                        0.12                    0.10                    0.11
first                        0.08                    0.09                    0.10
mhi                          0.08                    0.07                    0.08

以及相应的dput输出，以便您可以重现它：

structure(c(0.14, 0.13, NA, 0.18, 0.14, 0.14, 0.16, 0.15, 0.12, 
0.08, 0.08, 0.09, 0.06, 0.13, 0.18, 0.07, 0.14, 0.04, 0.08, 0.1, 
0.09, 0.07, 0.07, 0.07, NA, 0.2, 0.06, 0.15, 0.03, 0.07, 0.11, 
0.1, 0.08), .Dim = c(11L, 3L), .Dimnames = list(c("solon", "sanyo", 
"atersa", "sunpower", "schott_efg", "BP", "solarworld", "schott_main", 
"wurth", "first", "mhi"), c("monthly_LR_uncertainty", "monthly_CSD_uncertainty", 
"monthly_HW_uncertainty")))    `

现在，这里是我想要获得的散点图的类型（我几乎得到了我想要的箱形图，但现在我更喜欢散点图）：

我希望x轴是分类的，就像我制作一个箱形图（即11行中每一行的一个类别）。

在x轴上的每个类别之上，我希望有3个点对应于第一个矩阵的相应行中的3个值，方框表示结果的不确定性。

下面的图片（由同一个实验室的研究人员撰写的文章中的图表，但现在已从实验室中删除）显示了我想要获得的内容。 x轴上的11个类别对应于我的11行。每个类别（蓝色，红色，绿色）的三个不同点对应于第一个矩阵中每个类别的3个值。与每个点相关联的框对应于不确定性（在第二个矩阵中给出）。

Answer 1

假设a是带有均值的表，而b是带有不确定性的表：

# x axis width
x = 1:nrow(a)

# horizontal offset for data of same group
offset = 0.2

# draw empty plot
plot(NULL, xlim=c(0, nrow(a)), ylim=c(0, max(a,na.rm=T)), xaxt='n', ylab='performance', xlab='')

# add error bars (arrows with angle=90)
arrows(x0=x, x1=x, y0 = a[,1]-0.5*b[,1], y1 = a[,1]+0.5*b[,1], angle=90, code=3, len=0.01)
arrows(x0=x-offset, x1=x-offset, y0 = a[,2]-0.5*b[,2], y1 = a[,2]+0.5*b[,2], angle=90, code=3, col=2, len=0.02)
arrows(x0=x+offset, x1=x+offset, y0 = a[,3]-0.5*b[,3], y1 = a[,3]+0.5*b[,3], angle=90, code=3, col=4, len=0.02)

# add points
points(x, a[,1], pch=1, col=1)
points(x-offset, a[,2], pch=2, col=2)
points(x+offset, a[,3], pch=3, col=4)

# axis labels
axis(1, at = 1:nrow(a), labels = rownames(a), las=3)

# add legend
legend(x='topleft', legend=colnames(a), col=c(1,2,4), pch=c(1,2,3), inset=0.02)

另请查看分组箱图的this答案。

R中带有分类x轴（和不确定性框）的散点图

1 个答案: