设置包含具有不同变异程度的变量的数据集的绘图比例限制

Question

我有一个数据框，其中一些变量几乎没有相对变化，而另一些变量呈现高变化。例如，请考虑以下数据框：

df <- data.frame(IDX = 1:10, V1 = runif(10) + 100000, V2 = runif(10))

具有以下内容：

   IDX       V1         V2
1    1 100001.0 0.39601382
2    2 100000.1 0.76472032
3    3 100000.1 0.10183021
4    4 100000.2 0.12735142
5    5 100000.8 0.21488898
6    6 100000.1 0.92675265
7    7 100000.5 0.27987290
8    8 100000.6 0.69132304
9    9 100000.5 0.20719782
10  10 100000.8 0.02314787

两个变量的绝对变化相似（V1为0.10，V2为0.09）。但是，如果我们考虑相对于它们的平均值的相对变化，则V1的变化非常小，而V2则相反：

> var(df$V1) / mean(df$V1)
[1] 1.082472e-06
> var(df$V2) / mean(df$V2)
[1] 0.2617366

当我尝试为两个变量制作一个点图时，问题出现了，我尝试设置X比例的限制。如果我对每个变量使用相同的比例（relation = 'same'，默认设置），我会得到以下内容：

这里有用于创建绘图的代码：

library(lattice)
library(reshape2)
df <- melt(df, id.vars = 'IDX')

# approach 1
pl <- dotplot(IDX ~ value | variable, df,
              scales = list(x = list(relation = 'same')))
print(pl)

正如您所看到的，V2的值非常小，当两个面板使用相同的比例时，似乎V2值之间没有变化。如果我为每个面板独立制作X比例，那么我得到以下结果：

在这里你有代码来产生第二个图：

# approach 2
pl <- dotplot(IDX ~ value | variable, df,
              scales = list(x = list(relation = 'free')))
print(pl)

现在的问题是左侧面板的X刻度范围从100000.2到100001.0，数据看起来好像有很多变化，实际上它不是那样的。

不知何故，我想获得一个图，其中左侧面板看起来像第一个图中的左侧面板，右侧面板看起来像第二个图中的右侧面板。我的想法是根据绘制的变量的平均值来定义X范围。例如，对于每个面板，X限制可以从0.9 * mean变为1.1 * mean。但我不知道在存在多个变量（和面板）的情况下如何做到这一点。

Answer 1

最干净的解决方案可能是提供您自己的prepanel功能，该功能将动态设置每个面板的x限制。下面是一个示例，它将xlim设置为从0扩展到面板中存在的x的最大值

dotplot(IDX ~ value | variable, df, scales=list(relation="free"),
        prepanel = function(x,y,...) list(xlim=c(0, max(x))))

Answer 2

xyplot（和dotplot）的帮助页面表明这应该是可能的：“当关系为”free“时，xlim或ylim可以是一个列表，在这种情况下，它被视为其组件是从中获得的限制值每个小组的预算计算（必要时复制后）。“

尝试（编辑）：

pl <- dotplot(IDX ~ value | variable, df, 
          xlim=list(c(1,100001), c(0, 1) ),
          scales = list(x = list(relation = 'free'   )
                       ))
print(pl)

编辑是必要的，因为我第一次尝试将xlim放在scale参数中（毕竟这是我获得该部分文本的地方。）我认为在这种情况下可能需要进一步的工作，或者可能需要交换订单，因为低 - 在第二个刻度上将100000“0”的“0”变为“0.0”。

Answer 3

想法是应用log

df <- data.frame(IDX = 1:10, V1 = log(runif(10) + 100000), V2 = runif(10))

library(lattice)
library(reshape2)
df <- melt(df, id.vars = 'IDX')

# approach 1
pl <- dotplot(IDX ~ value | variable, df,
              scales = list(x = list(relation = 'same')))
print(pl)