1

我想知道如何在一个屏幕上绘制多个图表，ggplot()因为facet_grid()我真的需要为不同的统计变量重复这个过程几次。

我有两个满足观察的数据框和另一个带有预测的数据框。它们都是 的矩阵550 x 76。

数据框1：

Observations    x1   x2   x3  x5  x6  x7  x8  x9  x10  x11  x13 .... x75
Observation1   -0.1 0.05 0.1 0.2 0.3 0.04 0.3 -0.1 0.02 0.02 -0.2 ....0.8
Observation2   -0.3 0.05 0.1 0.1 0.3 0.03 0.3 -0.1 0.03 0.02 -0.2 ....0.6
Observation3   -0.2 0.05 0.1 0.4 0.3 0.02 0.3 -0.1 0.01 0.01 -0.2 ....0.1
Observation550 -0.1 0.05 0.8 0.4 0.3 0.02 0.7 -0.1 0.01 0.01 -0.2 ....0.1

数据框 2：

Predictions    x1   x2   x3  x5  x6  x7  x8  x9  x10  x11  x13 .... x75
Prediction1   -0.1 0.05 0.1 0.2 0.3 0.04 0.3 -0.1 0.02 0.02 -0.2 ....0.8
Prediction2   -0.3 0.05 0.1 0.1 0.3 0.03 0.3 -0.1 0.03 0.02 -0.2 ....0.6
Prediction3   -0.2 0.05 0.1 0.4 0.3 0.02 0.3 -0.1 0.01 0.01 -0.2 ....0.1
Prediction550 -0.1 0.05 0.8 0.4 0.3 0.02 0.7 -0.1 0.01 0.01 -0.2 ....0.1

看来我只需要在里面创建一个包含这两个矩阵的数据框或列表才能使用ggplot().

我已经这样做了，但是使用r.

提前致谢

4

1 回答 1

1

我想这就是你想要的。

library(ggplot2)
library(reshape2)

# Fake some data
set.seed(1234)
nc <- 15
nr <- 20  
onms <- sprintf("Observation%d",1:nr)
pnms <- sprintf("Prediction%d",1:nr)
cnames <- sprintf("x%d",1:nc)

odf <- data.frame(Observations=onms)
pdf <- data.frame(Predictions=pnms)

for(i in 1:nc){
  vk1 <- 0.01*rnorm(nr)
  odf[[cnames[i]]] <- round(cumsum(vk1),3)
  vk2 <- 0.02*rnorm(nr)
  pdf[[cnames[i]]] <- round(cumsum(vk1) + cumsum(vk2),3)
}

# This is the data we need
head(odf)
head(pdf)

# Now change the pred. colnames so they don't collide with the obs. colnames
newpnames <- sprintf("p_x%d",1:nc)
names(pdf) <- c("series",newpnames)
names(odf)[1] <- "series"

# Merge the data into a long format
modf <- melt(odf,id.vars="series",measure.vars=cnames)
mpdf <- melt(pdf,id.vars="series",measure.vars=newpnames)   
mdf <- rbind(modf,mpdf)

# Now extract the fields we need into new columns
mdf$x <- as.numeric(gsub(".*[A-Za-z]","",mdf$variable))
mdf$frame <- as.numeric(gsub(".*[A-Za-z]","",mdf$series))
frameNames <- sprintf("Frame:%d",1:max(mdf$frame))
mdf$frame <- factor(sprintf("Frame:%d",mdf$frame),levels=frameNames)
mdf$kind <- substr(mdf$series,1,3)

# Finally plot it
ggplot(mdf) + geom_line(aes(x=x,y=value,color=kind)) + facet_wrap( ~ frame )

# ecdf version
ggplot(mdf,aes(x=value,color=kind)) + stat_ecdf(geom="step") + facet_wrap( ~ frame )

请注意，head我伪造数据后的陈述给了你这个，所以这接近你从我相信的开始：

> head(odf)
  Observations     x1     x2     x3     x4     x5    x6     x7     x8     x9
1 Observation1 -0.012  0.014 -0.002 -0.002 -0.008 0.005  0.001 -0.010  0.001
2 Observation2 -0.009  0.004 -0.003 -0.010 -0.011 0.012  0.005 -0.005  0.002
3 Observation3  0.002 -0.005 -0.017  0.011 -0.015 0.014 -0.006 -0.012 -0.003
4 Observation4 -0.022 -0.008 -0.019  0.018 -0.017 0.021  0.001 -0.004 -0.019
5 Observation5 -0.018 -0.017 -0.010  0.037 -0.013 0.024  0.008 -0.012 -0.019
6 Observation6 -0.013 -0.027 -0.003  0.037 -0.007 0.031  0.011 -0.009 -0.026
    x10    x11    x12    x13   x14    x15
1 0.009 -0.012  0.005 -0.007 0.015 -0.007
2 0.028 -0.012  0.004  0.005 0.013 -0.018
3 0.028 -0.016  0.005 -0.012 0.026 -0.021
4 0.027 -0.025 -0.004 -0.008 0.026 -0.020
5 0.022 -0.021 -0.017 -0.006 0.019 -0.012
6 0.036 -0.019 -0.003  0.026 0.011  0.001
> head(pdf)
  Predictions     x1    x2     x3     x4     x5    x6     x7     x8    x9
1 Prediction1 -0.009 0.028  0.007 -0.009 -0.063 0.023  0.020 -0.022 0.000
2 Prediction2 -0.016 0.068 -0.005  0.011 -0.068 0.043  0.017 -0.036 0.007
3 Prediction3 -0.014 0.059 -0.017  0.045 -0.052 0.090  0.009 -0.047 0.021
4 Prediction4 -0.029 0.042 -0.029  0.050 -0.046 0.121 -0.019 -0.018 0.028
5 Prediction5 -0.038 0.032 -0.037  0.079 -0.024 0.130 -0.005 -0.026 0.031
6 Prediction6 -0.062 0.058 -0.027  0.087  0.022 0.124 -0.016 -0.036 0.047
     x10    x11    x12    x13    x14    x15
1 -0.027 -0.037  0.007  0.012  0.023 -0.026
2 -0.061 -0.029 -0.010  0.000  0.048 -0.027
3 -0.073 -0.035 -0.004 -0.003  0.048 -0.023
4 -0.045 -0.041  0.000 -0.001  0.048 -0.025
5 -0.034 -0.024 -0.038  0.037  0.030 -0.007
6  0.005 -0.020 -0.045  0.064 -0.002 -0.005

最后产生这个情节：

在此处输入图像描述

而这个多面的ecdf情节：

在此处输入图像描述

于 2016-05-23T21:44:49.910 回答