Question

我将要绘制想要的图，但是还没有弄清楚stat_summary是否是显示所需图的正确方法。

期望的输出是散点图，其中包含每年个类别中的中线。例如，在下面的图中，我想要类别A中1999、2000和2001的值的中线（即彩色3条线），然后在类别B中相同（所以总共6条中线）。

我看着here，但这似乎没有达到我想要的效果，因为它使用的是切面。

我的情节看起来好像在每个类别的中位数之间之间画一条线。 stat_summary可以只是在每个类别中绘制一条中线吗？还是我需要使用其他方法（例如计算中位数并按类别将每条线添加到绘图中？

可复制的简单示例

library(tidyverse)
library(lubridate)

# Sample data
Date     <- sort(sample(seq(as.Date("1999-01-01"), as.Date("2002-01-01"), by = "day"), 500))
Category <- rep(c("A", "B"), 250)
Value    <- sample(100:500, 500, replace = TRUE)

# Create data frame
mydata   <- data.frame(Date, Category, Value)

# Plot by category and color by year
p <- ggplot(mydata, aes(x = Category, y = Value,
                        color = factor(year(Date))
                        )
            ) + 
  geom_jitter() 
p


# Now add median values of each year for each group
p <- p +
  stat_summary(fun.y = median,
               geom  = "line",
               aes(color = factor(year(Date))),
               group = 1,
               size = 2
               )
p

Answer 1

您正在寻找的实际上是一个点，即使它看起来像一条线，因为您不想连接观测值（一条线做什么），您只想显示一个离散值（什么点确实）。

与链接的帖子非常相似的一种方法是制作stat_summary，并使用实质上是大破折号的形状。我调低了抖动点的Alpha和大小，以更好地将它们与中值区分开。对于中位数，我将颜色分配保持不变，但是将组设置为年份和类别之间的相互作用，因此将计算出六个不同的中位数。

请注意，我为随机数生成设置了一个种子，并将结束日期更改为12/31/2001而不是2002年1月1日，因为您说的是您预期3年，但是在一代人中，我得到了1个观测值2002年1月1日。

library(tidyverse)
library(lubridate)

set.seed(987)
Date     <- sort(sample(seq(as.Date("1999-01-01"), as.Date("2001-12-31"), by = "day"), 500))
Category <- rep(c("A", "B"), 250)
Value    <- sample(100:500, 500, replace = TRUE)

# Create data frame
mydata   <- data.frame(Date, Category, Value)

mydata <- mydata %>%
  mutate(year = year(Date) %>% as.factor())

ggplot(mydata, aes(x = Category, y = Value, color = year)) +
  geom_jitter(size = 0.6, alpha = 0.6) +
  stat_summary(fun.y = median, 
               geom = "point",
               aes(group = interaction(Category, year)),
               shape = 95, size = 12, show.legend = F)

由reprex package（v0.2.0）于2018-07-01创建。

Answer 2

这是使用geom_errorbar（而不是stat_summary）的另一种可能性

# Sample data
set.seed(2017);
Date     <- sort(sample(seq(as.Date("1999-01-01"), as.Date("2002-01-01"), by = "day"), 500))
Category <- rep(c("A", "B"), 250)
Value    <- sample(100:500, 500, replace = TRUE)
mydata   <- data.frame(Date, Category, Value)

mydata %>%
    mutate(colour = factor(year(Date))) %>%
    group_by(Category, year(Date)) %>%
    mutate(Median = median(Value)) %>%
    ggplot(aes(Category, Value, colour = colour)) +
    geom_jitter() +
    geom_errorbar(
        aes(ymin = Median, ymax = Median))

说明：我们预先计算每个Category每个year(Date)的中值，并使用geom_errorbar绘制中线。

更新

根据您的评论，如果您想使用summarise来预先计算中位数，则可以将中位数存储在单独的data.frame

中

df <- mydata %>%
    mutate(Year = as.factor(year(Date))) %>%
    group_by(Category, Year) %>%
    summarise(Median = median(Value))

ggplot(mydata, aes(Category, Value, colour = factor(year(Date)))) +
    geom_jitter() +
    geom_errorbar(
        data = df,
        aes(x = Category, y = Median, colour = Year, ymin = Median, ymax = Median))

它不如第一个解决方案那么干净（因为您需要在geom_errorbar中指定所有美观性），但是结果图是相同的。

通过美观映射在ggplot

2 个答案:

更新