带有秒轴的ggplot的Y限制

Question

我需要使用sec.axis创建一个Dual-y图，但是无法使两个轴正确缩放。

我一直在遵循此线程中的说明：ggplot with 2 y axes on each side and different scales

但是每次我将ylim.prim的下限更改为0以外的任何值时，都会弄乱整个情节。出于可视化的原因，我需要两个轴的特定y限制。另外，当我将geom_col更改为geom_line时，它也弄乱了辅助轴的限制。

climate <- tibble(
  Month = 1:12,
  Temp = c(23,23,24,24,24,23,23,23,23,23,23,23),
  Precip = c(101,105,100,101,102, 112, 101, 121, 107, 114, 108, 120)
  )

ylim.prim <- c(0, 125)   # in this example, precipitation
ylim.sec <- c(15, 30)    # in this example, temperature

b <- diff(ylim.prim)/diff(ylim.sec)
a <- b*(ylim.prim[1] - ylim.sec[1])

ggplot(climate, aes(Month, Precip)) +
  geom_col() +
  geom_line(aes(y = a + Temp*b), color = "red") +
  scale_y_continuous("Precipitation", sec.axis = sec_axis(~ (. - a)/b, name = "Temperature"),) +
  scale_x_continuous("Month", breaks = 1:12)  

ylim.prim <- c(0, 125)   # in this example, precipitation
ylim.sec <- c(15, 30)    # in this example, temperature

b <- diff(ylim.prim)/diff(ylim.sec)
a <- b*(ylim.prim[1] - ylim.sec[1])

ggplot(climate, aes(Month, Precip)) +
  geom_line() +
  geom_line(aes(y = a + Temp*b), color = "red") +
  scale_y_continuous("Precipitation", sec.axis = sec_axis(~ (. - a)/b, name = "Temperature"),) +
  scale_x_continuous("Month", breaks = 1:12)  

ylim.prim <- c(95, 125)   # in this example, precipitation
ylim.sec <- c(15, 30)    # in this example, temperature

b <- diff(ylim.prim)/diff(ylim.sec)
a <- b*(ylim.prim[1] - ylim.sec[1])

ggplot(climate, aes(Month, Precip)) +
  geom_line() +
  geom_line(aes(y = a + Temp*b), color = "red") +
  scale_y_continuous("Precipitation", sec.axis = sec_axis(~ (. - a)/b, name = "Temperature"),) +
  scale_x_continuous("Month", breaks = 1:12)  

Answer 1

如何？

  ggplot(climate, aes(Month, Precip)) +
    geom_line() +
    geom_line(aes(y = 4.626*Temp), color = "red") +
    scale_y_continuous("Precipitation", sec.axis = sec_axis(~ ./4.626, name = "Temperature"),) +
    scale_x_continuous("Month", breaks = 1:12)   

如果您需要进一步说明，请告诉我。

Answer 2

根据我在代码中看到的，两个标度之间的转换有点太简单了。

为了获得我认为您想要的结果，有必要对温度数据进行归一化（通过这种方式，您可以改变散度和均值，使其适合您的主要y尺度），然后计算y轴的反向归一化。

通过归一化，我的意思是：(Temp - mean(TEMP))/sd(TEMP)，其中TEMP是所有值的数组，而Temp是要绘制的特定值。结果与之相乘的附加scalingfactor允许您更改绘制数据相对于主要y轴的分布。 y轴偏移（此处为a）需要根据数据的传播范围进行调整，并且仅应在所有其他步骤之后添加。

要将次级y轴比例调整回您的值，只需反过来执行计算中的每个步骤即可。

这样，您就可以在两个时间序列上实现漂亮且可调整的叠加：

ylim.prim <- c(95, 125)   # in this example, precipitation
ylim.sec <- c(15, 30)    # in this example, temperature

a <- ylim.prim[1] + 10 #needs to be adjusted for nice fit
scalingfactor <- 5 #to vary the spread

TEMP <- climate$Temp #needed for coherent normalisation

ggplot(climate, aes(Month, Precip)) +
  geom_line() + ylim(ylim.prim) +
  geom_line(aes(y = (a + ((Temp - mean(TEMP))/sd(TEMP)) *scalingfactor) ), color = "red") +
  scale_y_continuous("Precipitation", sec.axis = sec_axis(~ (. - a) / scalingfactor * sd(TEMP) +mean(TEMP), name = "Temperature"),) +
  scale_x_continuous("Month", breaks = 1:12) 

我尚不能发布图片（由于声誉），但是请检查下面的链接以获取结果： 行：plot of Temperature vs Precipitation over time