ggplot2:向x轴记号标签添加样本大小信息

Question

此问题与Create custom geom to compute summary statistics and display them *outside* the plotting region相关(注意:所有功能都已简化；不会对正确的对象类型、NAs等进行错误检查)

在base R中，很容易创建一个函数来生成一个条形图，其中的样本大小显示在分组变量的每一级下面:您可以使用mtext()函数添加样本大小信息：

stripchart_w_n_ver1 <- function(data, x.var, y.var) {
    x <- factor(data[, x.var])
    y <- data[, y.var]
# Need to call plot.default() instead of plot because 
# plot() produces boxplots when x is a factor.
    plot.default(x, y, xaxt = "n",  xlab = x.var, ylab = y.var)
    levels.x <- levels(x)
    x.ticks <- 1:length(levels(x))
    axis(1, at = x.ticks, labels = levels.x)
    n <- sapply(split(y, x), length)
    mtext(paste0("N=", n), side = 1, line = 2, at = x.ticks)
}

stripchart_w_n_ver1(mtcars, "cyl", "mpg")

或者，您可以使用axis()函数将样本大小信息添加到x轴记号标签：

stripchart_w_n_ver2 <- function(data, x.var, y.var) {
    x <- factor(data[, x.var])
    y <- data[, y.var]
# Need to set the second element of mgp to 1.5 
# to allow room for two lines for the x-axis tick labels.
    o.par <- par(mgp = c(3, 1.5, 0))
    on.exit(par(o.par))
# Need to call plot.default() instead of plot because 
# plot() produces boxplots when x is a factor.
    plot.default(x, y, xaxt = "n", xlab = x.var, ylab = y.var)
    n <- sapply(split(y, x), length)
    levels.x <- levels(x)
    axis(1, at = 1:length(levels.x), labels = paste0(levels.x, "\nN=", n))
}

stripchart_w_n_ver2(mtcars, "cyl", "mpg")

​

​

虽然这在base R中是一项非常简单的任务，但在ggplot2中却非常复杂，因为很难获得用于生成曲线图的数据，而且还有相当于axis()的函数(例如，scale_x_discrete等)。没有与mtext()等效的工具，可以让您轻松地将文本放置在边距内的指定坐标处。

我尝试使用内置的stat_summary()函数来计算样本大小(即fun.y = "length")，然后将该信息放在x轴记号标签上，但据我所知，您无法提取样本大小，然后使用函数scale_x_discrete()将其添加到x轴记号标签中，您必须告诉stat_summary()您希望它使用哪个geom。您可以设置geom="text"，但随后必须提供标签，关键是标签应该是样本大小的值，这是stat_summary()正在计算但无法获得的值(您还必须指定放置文本的位置，同样，很难找出放置文本的位置，使其直接位于x轴记号标签的下方)。

小插曲"Extending ggplot2“(http://docs.ggplot2.org/dev/vignettes/extending-ggplot2.html)向您展示了如何创建自己的统计函数，该函数允许您直接获取数据，但问题是，您总是必须定义一个geom来配合您的统计函数(即，ggplot认为您希望在图中绘制此信息，而不是在页边距中)；据我所知，您不能将在自定义统计函数中计算的信息，而不是在绘图区中绘制任何内容，而是将信息传递给scale_x_discrete()等缩放函数。下面是我尝试这样做的方法；我能做的最好的事情是将样本大小信息放在每个组的最小值y处：

StatN <- ggproto("StatN", Stat,
    required_aes = c("x", "y"), 
    compute_group = function(data, scales) {
    y <- data$y
    y <- y[!is.na(y)]
    n <- length(y)
    data.frame(x = data$x[1], y = min(y), label = paste0("n=", n))
    }
)

stat_n <- function(mapping = NULL, data = NULL, geom = "text", 
    position = "identity", inherit.aes = TRUE, show.legend = NA, 
        na.rm = FALSE, ...) {
    ggplot2::layer(stat = StatN, mapping = mapping, data = data, geom = geom, 
        position = position, inherit.aes = inherit.aes, show.legend = show.legend, 
        params = list(na.rm = na.rm, ...))
}

ggplot(mtcars, aes(x = factor(cyl), y = mpg)) + geom_point() + stat_n()

​

​

我以为我已经通过简单地为ggplot创建一个包装器函数解决了这个问题

ggstripchart <- function(data, x.name, y.name,  
    point.params = list(), 
    x.axis.params = list(labels = levels(x)), 
    y.axis.params = list(), ...) {
    if(!is.factor(data[, x.name]))
    data[, x.name] <- factor(data[, x.name])
    x <- data[, x.name]
    y <- data[, y.name]
    params <- list(...)
    point.params    <- modifyList(params, point.params)
    x.axis.params   <- modifyList(params, x.axis.params)
    y.axis.params   <- modifyList(params, y.axis.params)

    point <- do.call("geom_point", point.params)

    stripchart.list <- list(
        point, 
        theme(legend.position = "none")
    )

    n <- sapply(split(y, x), length)
    x.axis.params$labels <- paste0(x.axis.params$labels, "\nN=", n)
    x.axis <- do.call("scale_x_discrete", x.axis.params)
    y.axis <- do.call("scale_y_continuous", y.axis.params)
    stripchart.list <- c(stripchart.list, x.axis, y.axis)           

    ggplot(data = data, mapping = aes_string(x = x.name, y = y.name)) + stripchart.list
}


ggstripchart(mtcars, "cyl", "mpg")

​

​

但是，此函数不能与镶嵌面一起正常工作。例如：

ggstripchart(mtcars, "cyl", "mpg") + facet_wrap(~am)

显示每个面合并的两个面的样本大小。我将不得不在包装器函数中构建faceting，这与试图使用ggplot所提供的一切的观点不符。

​

​

如果有人对这个问题有任何见解，我将不胜感激。非常感谢您的宝贵时间！

Answer 1

我已经更新了EnvStats包，使其包含一个名为stat_n_text的stat，它将在每个唯一的x值下面添加样本大小(唯一y值的数量)。有关更多信息和示例列表，请参阅stat_n_text的help file。下面是一个简单的例子：

library(ggplot2)
library(EnvStats)

p <- ggplot(mtcars, 
  aes(x = factor(cyl), y = mpg, color = factor(cyl))) + 
  theme(legend.position = "none")

p + geom_point() + 
  stat_n_text() + 
  labs(x = "Number of Cylinders", y = "Miles per Gallon")

​

​

Answer 2

我的解决方案可能有点简单，但效果很好。

给出一个使用am刻面的例子，我从使用paste和\n创建标签开始。

mtcars2 <- mtcars %>% 
  group_by(cyl, am) %>% mutate(n = n()) %>% 
  mutate(label = paste0(cyl,'\nN = ',n))

然后在ggplot代码中使用这些标签而不是cyl。

ggplot(mtcars2,
   aes(x = factor(label), y = mpg, color = factor(label))) + 
  geom_point() + 
  xlab('cyl') + 
  facet_wrap(~am, scales = 'free_x') +
  theme(legend.position = "none")

来产生类似下图的东西。

​

​

Answer 3

如果关闭裁剪，则可以使用geom_text打印x轴标签下的计数，但可能需要调整位置。我在下面的代码中包含了一个“轻推”参数。此外，下面的方法适用于所有方面(如果有的话)都是列方面的情况。

我知道你最终想要的代码可以在一个新的geom中工作，但也许下面的例子可以在geom中使用。

library(ggplot2)
library(dplyr)

pgg = function(dat, x, y, facet=NULL, nudge=0.17) {

  # Convert x-variable to a factor
  dat[,x] = as.factor(dat[,x])

  # Plot points
  p = ggplot(dat, aes_string(x, y)) +
    geom_point(position=position_jitter(w=0.3, h=0)) + theme_bw() 

  # Summarise data to get counts by x-variable and (if present) facet variables
  dots = lapply(c(facet, x), as.symbol)
  nn = dat %>% group_by_(.dots=dots) %>% tally

  # If there are facets, add them to the plot
  if (!is.null(facet)) {
    p = p + facet_grid(paste("~", paste(facet, collapse="+")))
  }

  # Add counts as text labels
  p = p + geom_text(data=nn, aes(label=paste0("N = ", nn$n)),
                    y=min(dat[,y]) - nudge*1.05*diff(range(dat[,y])), 
                    colour="grey20", size=3.5) +
    theme(axis.title.x=element_text(margin=unit(c(1.5,0,0,0),"lines")))

  # Turn off clipping and return plot
  p <- ggplot_gtable(ggplot_build(p))
  p$layout$clip[p$layout$name=="panel"] <- "off"
  grid.draw(p)

}

pgg(mtcars, "cyl", "mpg")
pgg(mtcars, "cyl", "mpg", facet=c("am","vs"))

​

​

​

​

另一个可能更灵活的选项是将计数添加到绘图面板的底部。例如：

pgg = function(dat, x, y, facet_r=NULL, facet_c=NULL) {

  # Convert x-variable to a factor
  dat[,x] = as.factor(dat[,x])

  # Plot points
  p = ggplot(dat, aes_string(x, y)) +
    geom_point(position=position_jitter(w=0.3, h=0)) + theme_bw() 

  # Summarise data to get counts by x-variable and (if present) facet variables
  dots = lapply(c(facet_r, facet_c, x), as.symbol)
  nn = dat %>% group_by_(.dots=dots) %>% tally

  # If there are facets, add them to the plot
  if (!is.null(facet_r) | !is.null(facet_c)) {

    facets = paste(ifelse(is.null(facet_r),".",facet_r), " ~ " , 
                   ifelse(is.null(facet_c),".",facet_c))

    p = p + facet_grid(facets)
  }

  # Add counts as text labels
  p + geom_text(data=nn, aes(label=paste0("N = ", nn$n)),
                y=min(dat[,y]) - 0.15*min(dat[,y]), colour="grey20", size=3) +
    scale_y_continuous(limits=range(dat[,y]) + c(-0.1*min(dat[,y]), 0.01*max(dat[,y])))
}

pgg(mtcars, "cyl", "mpg")
pgg(mtcars, "cyl", "mpg", facet_c="am")
pgg(mtcars, "cyl", "mpg", facet_c="am", facet_r="vs")

​

​