r - 强制箱线图从 geom_boxplot 到恒定宽度

Question

我正在制作一个箱线图，其中x和fill映射到不同的变量，有点像这样：

ggplot(mpg, aes(x=as.factor(cyl), y=cty, fill=as.factor(drv))) + 
    geom_boxplot()

正如上面的例子，我的盒子的宽度在不同的x值下是不同的，因为我没有x和fill值的所有可能组合，所以 .

我希望所有框的宽度相同。这可以做到吗（理想情况下不操纵底层数据框，因为我担心添加假数据会在进一步分析过程中引起我的困惑）？

我的第一个想法是

+ geom_boxplot(width=0.5)

但这无济于事；x它调整给定因子水平的整套箱线图的宽度。

这篇文章 似乎很相关，但我不太明白如何将其应用于我的情况。使用+ scale_fill_discrete(drop=FALSE)似乎不会改变条的宽度。

Answer 1

问题是由于某些因子组合的单元格不存在。可以通过以下方式检查cyl和的所有级别组合的数据点数量：drvxtabs

tab <- xtabs( ~ drv + cyl, mpg)

tab

#    cyl
# drv  4  5  6  8
#   4 23  0 32 48
#   f 58  4 43  1
#   r  0  0  4 21

有三个空单元格。我将添加假数据来覆盖可视化问题。

检查因变量的范围（y 轴）。假数据需要超出这个范围。

range(mpg$cty)
# [1]  9 35

mpg使用绘图所需的数据创建 的子集：

tmp <- mpg[c("cyl", "drv", "cty")]

为空单元格创建索引：

idx <- which(tab == 0, arr.ind = TRUE)

idx

#   row col
# r   3   1
# 4   1   2
# r   3   2

创建三个假行（将 -1 作为 的值cty）：

fakeLines <- apply(idx, 1,
                   function(x) 
                     setNames(data.frame(as.integer(dimnames(tab)[[2]][x[2]]), 
                                         dimnames(tab)[[1]][x[1]], 
                                         -1), 
                              names(tmp)))

fakeLines

# $r
#   cyl drv cty
# 1   4   r  -1
# 
# $`4`
#   cyl drv cty
# 1   5   4  -1
# 
# $r
#   cyl drv cty
# 1   5   r  -1

将行添加到现有数据：

tmp2 <- rbind(tmp, do.call(rbind, fakeLines))

阴谋：

library(ggplot2)
ggplot(tmp2, aes(x = as.factor(cyl), y = cty, fill = as.factor(drv))) + 
  geom_boxplot() +
  coord_cartesian(ylim = c(min(tmp$cty - 3), max(tmp$cty) + 3))
  # The axis limits have to be changed to suppress displaying the fake data.

Answer 2

您现在可以使用position_dodge()函数。

ggplot(mpg, aes(x=as.factor(cyl), y=cty, fill=as.factor(drv))) + 
    geom_boxplot(position = position_dodge(preserve = "single"))

Answer 3

只需使用该facet_grid()功能，就可以使事情更容易可视化：

ggplot(mpg, aes(x=as.factor(drv), y=cty, fill=as.factor(drv))) + 
    geom_boxplot() +
    facet_grid(.~cyl)

看看我如何从 切换x=as.factor(cyl)到x=as.factor(drv).
完成此操作后，您可以随时更改条带的显示方式并删除面板之间的边距......它可以轻松地看起来像您预期的显示。
顺便说一句，您甚至不需要as.factor()在指定要使用的列之前使用ggplot(). 这再次提高了代码的可读性。