Question

我的数据如下

data <- structure(list(code = 1:12, outcome1 = c(75L, 76L, 77L, 78L, 
80L, 82L, 85L, 84L, 78L, 84L, 84L, 75L), outcome2 = c(50L, 55L, 
54L, 52L, 56L, 58L, 59L, 54L, 52L, 56L, 56L, 57L), response1 = c(1500L, 
1800L, 1789L, 1200L, 1400L, 1900L, 1800L, 1100L, 1450L, 1750L, 
1770L, 1000L), response2 = c(100L, 111L, 120L, 140L, 144L, 156L, 
147L, 189L, 165L, 154L, 132L, 171L)), class = "data.frame", row.names = c(NA, 
-12L))

我有许多结果= 8，响应变量= 22。

我想为所有结果*响应组合创建一系列回归图。是否有快速简便的方法来做到这一点？

例如：结果1 *响应1，结果1 *响应2，结果2 *响应1，依此类推。

这是用于通过response1图创建一个这样的result1的示例代码。

ggplot(data = data, aes(x = outcome1, y = response1)) + 
  geom_point(color='blue') +
  geom_smooth(method = "lm", se = FALSE)

编辑：我已经考虑过刻面，但是这可能在这里不起作用，因为对于每个结果（x），各种响应（y）都位于不同的单位中。因此，y轴刻度在不同的（y）上无法比较。

Answer 1

在输入ggplot之前，始终将数据转换为长格式。然后，我们可以使用facet_grid创建图：

library(ggplot2)
library(dplyr)
library(tidyr)

data %>%
  gather(var1, value1, outcome1:outcome2) %>%
  gather(var2, value2, response1:response2) %>%
  ggplot(aes(x = value1, y = value2)) + 
  geom_point(color='blue') +
  geom_smooth(method = "lm", se = FALSE) +
  facet_grid(var2 ~ var1, scales = "free", switch = "both",
             labeller = as_labeller(c(response1 = "response1 (mm)",
                          response2 = "response2 (kg)",
                          outcome1 = "outcome1 (index)",
                          outcome2 = "outcome2 (index)"))) +
  labs(title = "Regression Plot Matrix", x = NULL, y = NULL) +
  theme_bw() +
  theme(strip.placement = "outside",
        strip.background = element_blank())

注释：

由于变量可以具有不同的比例，因此我们在scale = "free"中使用facet_grid来允许每个轴自由缩放。
switch = "both"将分面标签更改为另一面
labeller使我们能够提供命名的矢量并根据需要更改带状标签
strip.placement = "outside"将条形标签设置在轴刻度之外，而strip.background = element_blank()则删除灰色条形标签背景（由aosmith启发于this answer）
labs(..., x = NULL, y = NULL)删除默认的轴标签，有效地将修改后的小平面带状标签视为轴标签

输出：

> data %>%
+   gather(var1, value1, outcome1:outcome2) %>%
+   gather(var2, value2, response1:response2)

   code     var1 value1      var2 value2
1     1 outcome1     75 response1   1500
2     2 outcome1     76 response1   1800
3     3 outcome1     77 response1   1789
4     4 outcome1     78 response1   1200
5     5 outcome1     80 response1   1400
6     6 outcome1     82 response1   1900
7     7 outcome1     85 response1   1800
8     8 outcome1     84 response1   1100
9     9 outcome1     78 response1   1450
10   10 outcome1     84 response1   1750
11   11 outcome1     84 response1   1770
12   12 outcome1     75 response1   1000
13    1 outcome2     50 response1   1500
14    2 outcome2     55 response1   1800
...

如何为不同的（x）和（y）变量创建多个x〜y图？

1 个答案: