r - 一个图中的多个时间序列

Question

我有一个几年的时间序列，我需要在一张图中绘制。最大系列的平均值为 340，最小值为 245，最大值为 900。最小系列的平均值为 7，最小值为 -28，最大值为 31。其余系列的值在 6 到 700 之间。该系列多年来遵循定期的年度和季节性模式，直到突然出现一个月的温度升高，随后死亡人数比平时增加了很多。

我无法提供任何真实数据，但我模拟了以下数据并尝试了下面的代码，该代码基于此处的示例代码http://www.r-bloggers.com/multiple-y-axis-in-ar-情节/。但情节并没有产生我想要的。我有以下问题

1. 在情节中，很难清楚地描述任何一个系列，重要的事实隐藏在细节中。我怎样才能更好地呈现这些数据？
2. Y 轴具有不同的长度。我怎么能有相同长度的轴？我感谢任何关于如何改进此代码并呈现更好情节的想法和建议。我模拟的数据不反映我的数据，因为我无法模拟反映极端天气事件时期的极端值。

非常感谢

temp<- rnorm(365, 5, 10)
mort<- rnorm(365, 300, 45)
poll<- rpois(365,  lambda=76)
date<-seq(as.Date('2011-01-01'),as.Date('2011-12-31'),by = 1)
df<-data.frame(date,mort,poll,temp)

windows(600,600)
par(mar=c(5, 12, 4, 4) + 0.1)

with(df, {
  plot(date, mort, axes=F, ylim=c(170,max(mort)), xlab="", ylab="",type="l",col="black", main="")
  points(date,mort,pch=20,col="black")
  axis(2, ylim=c(170,max(mort)),col="black",lwd=2)
  mtext(2,text="Mortality",line=2)

})

par(new=T)
plot(date, poll, axes=F, ylim=c(45,max(poll)), xlab="", ylab="", 
     type="l",col="red",lty=2, main="",lwd=1)
axis(2,  ylim=c(45,max(poll)),lwd=1,line=3.5)
points(date, poll,pch=20)
mtext(2,text="PM10",line=5.5)

par(new=T)
plot(date,  temp, axes=F, ylim=c(-28,max(temp)), xlab="", ylab="", 
     type="l",lty=3,col="brown", main="",lwd=1)
axis(2, ylim=c(-28,max(temp)),lwd=1,line=7)

points(date,  temp,pch=20)
mtext(2,text="Temperature",line=9)

axis(1,pretty(range(date),10))
mtext("date",side=1,col="black",line=2)

Answer 1

这里有6种方法：

library(zoo)
z <- read.zoo(df)

# classic graphics in separate and single plots
plot(z)
plot(z, screen = 1)

# lattice graphics in separate and single plots
library(lattice)
xyplot(z)
xyplot(z, screen = 1)

# ggplot2 graphics in separate and single plots
library(ggplot2)
autoplot(z) + facet_free()
autoplot(z, facet = NULL)

Answer 2

我手头有同样的任务，经过一些研究，我在 r 中遇到了 ts.plot {stats} 函数，这非常有帮助。

该函数的用法如下：

    ts.plot(..., gpars = list())

gpars 是图形参数，您可以在其中指定绘图的图形组件。

我有一个与此类似的数据并存储在一个名为 time 的变量中：

           [,1] [,2]  [,3]  [,4] [,5]  [,6]  [,7]  [,8]   [,9] [,10]
    V3     1951 1100   433  5638 1760  2385  2602 11007   2490   421
    V5      433  880   216  4988  220  8241 13229 18704   6289   421
    V7     4001  440   433  3686  880  9976 12795 21036  13229  1263
    V9     2385 1320   650  8241  440 12795 13229 19518  11711  1474
    V11    4771  880  1084  6723    0 17783 17566 27326  11060   210
    V13    6940  880  2168  2602 1320 21036 16265 10843  15831  1474
    V15    3903 1760  1951  3470    0 18217 14964     0  13663  2465
    V17    4771  440  2819  8458  880 25591 24940  1518  17783  1895
    V19    7807 1760  5205  2385    0 14096 22771 13880  12578  1263
    V21    5205  880  5205  6506  880 28410 18217 13229  19952  1474
    V23    6506 1760  5638  7590  880 14747 26675 11928  12795  1474
    V25    7373  440  5855 10626    0 19301 21470 15398  19952  1895
    V27    5638 2640  6289     0  880 16482 20603 30796  14313  2316
    V29    8241  440  6506  6723  880 11277 35784 25157  23205  4423
    V31    7373 2640  6072  8891  220 17133 27109 31013  27287  4001
    V33    6723  660  5855 14313  660  6940 26892 17566  24111  4844
    V35    9325 2420  9325 12578    0  6506 30796 34483  23422  5476
    V37    4771  440  6872 12361  880  9325 36218 25808  30362  4844
    V39    9976 2640  7658 12361  440 11277 36001 31013  40555  4633
    V41   10410  880  6506 12795  440 26241 33398 27976  24940  5686
    V43    5638 2200  7590 14313    0  9976 34483 29928  33832  6108
    V45   10843  440  8675 11711  440  7807 29278 24940  43375  4633
    V47    8675 1760  8891 13663    0  9108 38386 31230  33398  4633
    V49   10410 1760  9542 13880  440  8675 39051 31446  42507  5476
        .   .   .   .   .   .   .   .   .

而且我必须为同一图上的每一列获取时间序列图。代码如下：

    ts.plot(time,gpars= list(col=rainbow(10)))

Answer 3

我会为每个变量使用单独的图，使它们的 y 轴不同。我更喜欢在一个图中引入多个 y 轴。我将使用它ggplot2来执行此操作，更具体地说，使用 facetting 的概念：

library(ggplot2)
library(reshape2)

df_melt = melt(df, id.vars = 'date')
ggplot(df_melt, aes(x = date, y = value)) + 
    geom_line() + 
    facet_wrap(~ variable, scales = 'free_y', ncol = 1)

请注意，我将各个方面堆叠在一起。这将使您能够轻松地比较每个系列中事件的时间安排。或者，您可以将它们彼此相邻放置（使用nrow = 1in facet_wrap），这将使您能够轻松地比较 y 值。

我们还可以引入一些极端情况：

df = within(df, {
        temp[61:90] = temp[61:90] + runif(30, 30, 50)
        mort[61:90] = mort[61:90] + runif(30, 300, 500)
    })
df_melt = melt(df, id.vars = 'date')
ggplot(df_melt, aes(x = date, y = value)) + 
    geom_line() + 
    facet_wrap(~ variable, scales = 'free_y', ncol = 1)

在这里，您可以很容易地看到温度的升高与死亡率的升高相关。