使用`annotate()`

Question

我需要制作一些工作图，我一直在学习使用ggplot2，但我无法弄清楚如何使用我正在使用的数据集。我不能在这里发布我的实际数据，但可以给出一个简短的例子。我有两个主要的数据帧;一个包含各个公司的季度总收入，另一个包含每个公司内各个细分市场的季度收入。例如：

Quarter, CompA, CompB, CompC...
2011.0, 1, 2, 3...
2011.25, 2, 3, 4...
2011.5, 3, 4, 5...
2011.75, 4, 5, 6...
2012.0, 5, 6, 7...

和

Quarter, CompA_Footwear, CompA_Apparel, CompB_Wholesale...
2011.0, 1, 2, 3...
2011.25, 2, 3, 4...
2011.5, 3, 4, 5...
2011.75, 4, 5, 6...
2012.0, 5, 6, 7...

我一直在构建的脚本循环遍历第一个表中的每个公司，并使用select（）来获取第二个表中的所有列，因此出于这个问题的目的，忘记其他公司并假设第一个表只是CompA，第二个表是所有不同的CompA段。

我想要做的是为每个细分市场创建一个线图，其中包含公司总收入和随时间变化的细分市场收入。像this这样的东西就像是它的样子。理想情况下，我希望能够使用facet_wrap（）或其他东西来同时为每个片段制作所有不同的图形，但这并非绝对必要。为了澄清，每个单独的图表应该只有两行：整个公司和一个特定的细分。

我必须以任何必要的方式重构我的数据。有谁知道我怎么能让它发挥作用？

Answer 1

我认为以下应该有效。请注意，您需要将数据移动一点点。

# Load packages
library(dplyr)
library(ggplot2)
library(reshape2)
library(tidyr)

制作可重现的数据集：

# Create companies
# Could pull this from column names in your data
companies <- paste0("Comp",LETTERS[1:4])

set.seed(12345)

sepData <-
  lapply(companies, function(thisComp){
    nDiv <- sample(3:6,1)
    temp <- 
      sapply(1:nDiv,function(idx){
        round(rnorm(24, rnorm(1,100,25), 6))
      }) %>%
      as.data.frame() %>%
      setNames(paste(thisComp,sample(letters,nDiv), sep = "_"))
  }) %>%
  bind_cols()

sepData$Quarter <-
  rep(2010:2015
      , each = 4) +
  (0:3)/4

meltedSep <-
  melt(sepData, id.vars = "Quarter"
       , value.name = "Revenue") %>%
  separate(variable
           , c("Company","Division")
           , sep = "_") %>%
  mutate(Division = factor(Division
                           , levels = c(sort(unique(Division))
                                        , "Total")))

fullCompany <-
  meltedSep %>%
  group_by(Company, Quarter) %>%
  summarise(Revenue = sum(Revenue)) %>%
  mutate(Division = factor("Total"
                           , levels = levels(meltedSep$Division)))

你说你想要的情节就在这里。请注意，您需要设置Divison = NULL以防止总数显示在其自己的方面：

theme_set(theme_minimal())

catch <- lapply(companies, function(thisCompany){
  tempPlot <-
    meltedSep %>%
    filter(Company == thisCompany) %>%
    ggplot(aes(y = Revenue
               , x = Quarter)) +
    geom_line(aes(col = "Division")) +
    facet_wrap(~Division) +
    geom_line(aes(col = "Total")
              , fullCompany %>%
                filter(Company == thisCompany) %>%
                mutate(Division = NULL)
              ) +
    ggtitle(thisCompany) +
    scale_color_manual(values = c(Division = "darkblue"
                                  , Total = "green3"))
  print(tempPlot)
})

输出示例：

然而，请注意，这看起来有点可怕。＆＃34; Total＆＃34;之间的区别任何一个部门总是会变得巨大。相反，您可能只想在一个图上绘制所有分区：

allData <-
  bind_rows(meltedSep, fullCompany)

catch <- lapply(companies, function(thisCompany){
  tempPlot <-
    allData %>%
    filter(Company == thisCompany) %>%
    ggplot(aes(y = Revenue
               , x = Quarter
               , col = Division)) +
    geom_line() +
    ggtitle(thisCompany)
    # I would add manual colors here, assigned so that, e.g. "Clothes" is always the same
  print(tempPlot)
})

示例：

Total和each之间的差异仍然很大，但至少可以比较这些分歧。

如果它是我的，我可能会制作两个情节。一个与每个公司的每个部门（分面）和一个总计：

meltedSep %>%
  ggplot(aes(y = Revenue
             , x = Quarter
             , col = Division)) +
  geom_line() +
  facet_wrap(~Company)

fullCompany %>%
  ggplot(aes(y = Revenue
             , x = Quarter
             , col = Company)) +
  geom_line()

Answer 2

我还有两种方法可以使用facet_wrap()来实现它，这些方法更加简单：

在annotate()中使用ggplot2（简单方法）
为每家公司加倍数据框架（仍然相对简单，更容易出错）

无论哪种方式，让我们重新创建您的两个数据框，以便我们可以重现您的示例：

首先创造＆＃34;公司总收入＆＃34;数据框：

Quarter <- seq(2011, 2012, by = .25)
CompA <- as.integer(runif(5, 5, 15))
CompB <- as.integer(runif(5, 6, 16))
CompC <- as.integer(runif(5, 7, 17))
df1 <- data.frame(Quarter, CompA, CompB, CompC)

接下来，＆＃34;分部收入＆＃34; A公司的数据框：

CompA_Footwear <- as.integer(runif(5, 0, 5))
CompA_Apparel <- as.integer(runif(5,1 , 6))
CompA_Wholesale <- as.integer(runif(5, 2, 7))
df2 <- data.frame(Quarter, CompA_Footwear, CompA_Apparel, CompA_Wholesale)

现在，我们将使用来自ggplot2

的melt()让reshape2更容易识别您的数据。

require(reshape2)
melt.df1 <- melt(df1, id = "Quarter")
melt.df2 <- melt(df2, id = "Quarter")
df <- rbind(melt.df1, melt.df2)

我们现在大部分都准备好了。举例来说，我只关注＆＃34;公司A＆＃34;

使用`annotate()`

对数据进行子集，使其仅包含＆＃34;分段收入＆＃34;对于公司A

CompA.df2 <- df[grep("CompA_", df$variable),]

这假设您的所有细分受众群收入均以＆＃34; CompA _ *＆＃34;开头编码。您必须根据您的数据进行分组。

现在情节：

require(ggplot2)
ggplot(data = CompA.df2, aes(x = Quarter, y = value,
                            group = variable, colour = variable)) +
  geom_line() +
  geom_point() +
  theme(axis.text.x = element_text(angle = 90, hjust = 1)) +
  facet_wrap(~variable) + # Facets by segment
  # Next, adds the total revenue data as an annotation
  annotate(geom = "line", x = Quarter, y = df1$CompA) + 
  annotate(geom = "point", x = Quarter, y = df1$CompA)

基本上，我们只是用一条线来标注图表，并指出我们原来的公司总收入＆＃34;公司A的数据框架。这方面的主要缺点是缺乏传奇。

第二种方法将为所有值生成一个图例

复制数据

facet_wrap（）的工作方式，我们需要为每个facet上的每个预期绘制线定义相同的facet变量。因此，我们将为每个＆＃34;分部收入复制我们的总收入＆＃34;等级，并将这些对中的每一对组合在一起。

使用与上述相同的数据框架，我们将分离A公司的总收入和A公司的分部收入

CompA.df1 <- df[which(df$variable == "CompA"),] # Total Company A Revenue
CompA.df2 <- droplevels(df[grep("CompA_", df$variable),]) # Segment Revenue of Company A

现在根据我们为＆＃34;细分收入＆＃34;

的级别重复公司A的总收入数据框架

rep.CompA.df1 <- CompA.df1[rep(seq_len(nrow(CompA.df1)), nlevels(CompA.df2$variable)), ]

如果您有NA's或NaN's

，则可能会出错

现在合并重复的数据框，并添加一个facet变量（此处为facet.var）以将它们组合在一起。

CompA.df3 <- rbind(rep.CompA.df1, CompA.df2)
CompA.df3$facet.var <- rep(CompA.df2$variable,2)

现在你准备好了。您仍然可以定义group = variable，但这次我们会将facet_wrap()设置为新创建的facet.var

require(ggplot2)
ggplot(data = CompA.df3, aes(x = Quarter, y = value,
                             group = variable, colour = variable)) +
  geom_line() +
  geom_point() +
  theme(axis.text.x = element_text(angle = 90, hjust = 1)) + 
  facet_wrap(~facet.var)

正如您所看到的，我们现在拥有＆＃34; Total Revenue＆＃34;添加到图例中：

那个情节真是个漂亮的

多个时间序列与ggplot2

2 个答案:

使用`annotate()`

复制数据

多个时间序列与ggplot2

2 个答案:

使用annotate()

复制数据

使用`annotate()`