Question

底部有不同的数据集。

1-1.数据集(cidf_min.csv)

<头>

姓名	数量	价值	样品	conf	下	上	级别
苹果	1	0.056008	100	0.95	0.05458	0.059141	2
苹果	2	0.048256	100	0.95	0.046363	0.059142	2
苹果	3	0.042819	100	0.95	0.040164	0.059143	2
苹果	4	0.038663	100	0.95	0.035155	0.059144	2
苹果	5	0.035325	100	0.95	0.030146	0.059145	2

1-2.数据集(newdf_min.csv)

<头>

姓名	数量	价值	样品	conf	下	上	级别	最大
苹果	2	0.01854	100	0.95	-0.06963	0.045235	2	2

  '''code'''
  cidf<-read.csv("D:/cidf_min.csv")
  newdf<-read.csv("D:/newdf_min.csv")
  p_min<-ggplot(cidf, aes(x=number, y=value, group=name))+geom_line(aes(color=level))+geom_ribbon(aes(ymin=lower, ymax=upper, fill=level, group=name), alpha=0.3)+geom_text(data=newdf, aes(label=name, color=level), hjust=-0.2, vjust=0.5, size=3, show.legend=F)+coord_cartesian(xlim=c(0,max(cidf$number)*1.2))+xlab(~"Con (\u00D7"~C[max]*")")+ylab(~"score ("*mu*"C/"*mu*"F)")+theme_bw()

2-1.数据集(cidf_max.csv)

<头>

姓名	数量	价值	样品	conf	下	上	级别
苹果	1	0.068832	100	0.95	0.061945	0.069416	2
苹果	2	0.065256	100	0.95	0.053687	0.065841	2
苹果	3	0.060492	100	0.95	0.046201	0.06155	2
苹果	4	0.05585	100	0.95	0.039848	0.058739	2
苹果	5	0.047585	100	0.95	0.033555	0.056066	2

2-2.数据集(newdf_max.csv)

<头>

姓名	数量	价值	样品	conf	下	上	级别	最大
苹果	2	0.024221	100	0.95	-0.04546	0.076362	2	2

  '''code'''
  cidf<-read.csv("D:/cidf_max.csv")
  newdf<-read.csv("D:/newdf_max.csv")
  p_max<-ggplot(cidf, aes(x=number, y=value, group=name))+geom_line(aes(color=level))+geom_ribbon(aes(ymin=lower, ymax=upper, fill=level, group=name), alpha=0.3)+geom_text(data=newdf, aes(label=name, color=level), hjust=-0.2, vjust=0.5, size=3, show.legend=F)+coord_cartesian(xlim=c(0,max(cidf$number)*1.2))+xlab(~"Con (\u00D7"~C[max]*")")+ylab(~"score ("*mu*"C/"*mu*"F)")+theme_bw()

3-1.数据集(cidf_mean.csv)

<头>

姓名	数量	价值	样品	conf	下	上	级别
苹果	1	0.069673	100	0.95	0.069673	0.069673	2
苹果	2	0.06133	100	0.95	0.057955	0.062792	2
苹果	3	0.060497	100	0.95	0.046201	0.06155	2
苹果	4	0.054623	100	0.95	0.044241	0.058739	2
苹果	5	0.039852	100	0.95	0.031906	0.043719	2

3-2.数据集(newdf_mean.csv)

<头>

姓名	数量	价值	样品	conf	下	上	级别	最大
苹果	2	0.014323	100	0.95	-0.06793	0.045717	2	2

  '''code'''
  cidf<-read.csv("D:/cidf_mean.csv")
  newdf<-read.csv("D:/newdf_mean.csv")
  p_mean<-ggplot(cidf, aes(x=number, y=value, group=name))+geom_line(aes(color=level))+geom_ribbon(aes(ymin=lower, ymax=upper, fill=level, group=name), alpha=0.3)+geom_text(data=newdf, aes(label=name, color=level), hjust=-0.2, vjust=0.5, size=3, show.legend=F)+coord_cartesian(xlim=c(0,max(cidf$number)*1.2))+xlab(~"Con (\u00D7"~C[max]*")")+ylab(~"score ("*mu*"C/"*mu*"F)")+theme_bw()

我已经使用 ggplot、geom_line 和 geom_ribbon 等代码绘制了 3 个图

我想合并 p_min、p_max 和 p_mean 的图。
p_min、p_max 和 p_mean 必须位于 y 轴。
x 轴是数字（1,2,3,4,5）。

让我知道如何在布局中使用复杂变量绘制多个 y 轴的图。

Answer 1

我首先将每个数据集重命名为 cidf1、cidf2 和 cidf3，以免它们混合。 newdf 也是一样。我添加了一个列 type，它基本上包含它是什么类型的图表的信息。我不确定你是否知道 tidyvesre，所以我使用基本的 R 使用 $ 运算符添加列

#Set 1
cidf1 <- read.csv("cidf_min.csv")
cidf1$type ="P_min"
newdf1<-read.csv("newdf_min.csv")
newdf1$type ="P_min"
 
#Set 2
cidf2<-read.csv("cidf_max.csv")
cidf2$type ="P_max"
newdf2<-read.csv("newdf_max.csv")
newdf2$type ="P_max"

#Set 3
cidf3<-read.csv("cidf_mean.csv")
cidf3$type ="P_mean"
newdf3<-read.csv("newdf_mean.csv")
newdf3$type ="P_mean"

然后我将它们组合在一起：

cidf = rbind(cidf1,cidf2,cidf3)
newdf =rbind(newdf1,newdf2,newdf3)

并绘制它们，设置 color=type 根据数据集为每条线着色。我删除了您在 ggplot 中的其他内容，因为它们与您提出的问题无关。

ggplot(cidf, aes(x=X, y=value))+geom_line(aes(color=type)) +
  geom_ribbon(aes(ymin=lower, ymax=upper, fill=type), alpha=0.3) +
  xlab(~"Con (\u00D7"~C[max]*")")+ylab(~"score ("*mu*"C/"*mu*"F)")+theme_bw()

因此它非常接近您要查找的内容。如果我误解了你想要做什么，请告诉我，我会更新我的代码

如何使用 ggplot、geom_line 和 geom_ribbon 在布局中绘制多个 y 轴

1 个答案: