将purrr和ggplot与group_by和nest（）结合使用时，获取图的标题

Question

我有以下示例：

df <- mtcars


plot <- df %>% 
  mutate(carb=as.character(carb)) %>% 
  group_by(carb) %>% 
    nest() %>% 
  mutate(plot=map(data, function(.x){ .x  %>%
      ggplot() +
      geom_bar(aes(mpg))
  }))

print(plot)

# A tibble: 6 x 3
  carb  data               plot    
  <chr> <list>             <list>  
1 4     <tibble [10 x 10]> <S3: gg>
2 1     <tibble [7 x 10]>  <S3: gg>
3 2     <tibble [10 x 10]> <S3: gg>
4 3     <tibble [3 x 10]>  <S3: gg>
5 6     <tibble [1 x 10]>  <S3: gg>
6 8     <tibble [1 x 10]>  <S3: gg>

for (i in 1:4){
  print(plots$plot[[i]])
}

问题： 1）如何避免for循环并使用map函数打印图？ 2）如何为地块添加标题。

Answer 1

使ggplot对象的数据框列有点不寻常且麻烦，但是如果适合这种情况，它就可以工作。 （看来geom_bar对于这些数据实际上没有任何意义，所以我切换到了经过过滤的碳水化合物子集上的直方图）。

使用您的方法，创建图列，将数据框保存到变量中，然后在图的列表列和map2的向量上carb，在每个情节。然后，您可以从结果列表中打印任何项目，或使用map或walk打印所有项目。

library(tidyverse)

df <- mtcars %>%
  filter(carb %in% c(1, 2, 4)) %>%
  mutate(carb = as.character(carb))

df_with_plots <- df %>% 
  group_by(carb) %>% 
  nest() %>% 
  mutate(plot = map(data, function(.x) { 
    .x  %>%
      ggplot() +
      geom_histogram(aes(mpg))
  }))

plots1 <- map2(df_with_plots$plot, df_with_plots$carb, ~(.x + labs(title = .y)))

# plots1[[1]] # would print out first plot in the list

walk(plots1, print)

为简洁起见，删除了其他地块

似乎更直接的另一种选择是将数据框分成数据框列表，然后创建图，但是您需要每个图。

一些优点：调用split会将carb的每个值作为相应列表项的名称，您可以使用imap轻松访问该列表项，并将其延续到{ {1}}列表（请参阅下文如何按名称打印图）。您也可以一步完成。我也很难处理嵌套数据，因为我希望能够看到数据框，您可以通过打印出数据框的拆分列表来做到这一点。

plots2

与第一种方法一样，您可以使用plots2 <- df %>% split(.$carb) %>% imap(function(carb_df, carb) { ggplot(carb_df) + geom_histogram(aes(mpg)) + labs(title = carb) }) plots2[["4"]] 打印所有图。

Answer 2

您创建情节的代码没有多大意义，但是不管这是如何在不使用for循环的情况下给出标题并绘制图形的方式：

library(tidyverse)

mtcars %>% 
  group_split(carb) %>% 
  imap(~ ggplot(data = .x) + 
        geom_bar(aes(mpg)) +
        labs(title = paste("Plot:", .y, "Carb:", unique(.x$carb))))

^{由reprex package（v0.2.1）于2019-02-22创建}

编辑：我删除了图只是为了不使页面拥挤。在这种情况下，imap()允许我们在迭代时访问索引以及值。如果您不想在标题中包含地块编号，那么map()会很好。注意，我还使用了group_split()的最新版本中的library(dplyr)。同样，在您的示例中，如果要进行更复杂的编码，则将创建一小段ggplots，这既好又花哨，但是在仅创建绘图的情况下，上述方法就可以正常工作并且更易于理解。如果要开发更复杂的图，可以从ggplot函数外推map()并将其放在自己的函数中，如下所示：

plot_carb <- function(df){
  ggplot(data = df) + 
  geom_bar(aes(mpg)) + 
  labs(title = paste(Carb: unique(.x$carb))) + 
  theme_bw()
}

mtcars %>%
group_split(carb) %>%
map(plot_carb)