如何使用'apply‘在一系列生成的曲线图上自动放置标题

Question

为了进行数据分析，我正在从SPSS切换到R，并且我正在尝试编写一个可以用于大多数未来分析的scrpit。为了检验正态性，我想画出每个连续变量的直方图、QQ图和下降图。

为此，我希望R生成数据集中所有连续变量的as图，并以变量为标题。

我设法做到了这一点，首先选择所有数值变量并将它们存储为数据。

接下来，我尝试使用apply来生成所有列的qqplot。我设法做到了，但不幸的是，即使经过一天多的努力和尝试，我也没有成功地获得正确的标题。我需要知道如何编写代码来自动将变量(x)名称作为标题。有人知道怎么解决这个问题吗？

这就是我所做的，但根本不起作用：

apply(data.numerical, 2, function(x) {ggqqplot(x, title=colnames(data.numerical)[x])})

提前感谢！

耶罗恩

Answer 1

欢迎来到Stack Overflow和R！首先，我将提供一个解决方案，并提供一些关于将来在Stack Overflow上提问的提示。然后我会解释为什么你的尝试没有成功。

解决方案

下面是我的方法，在某些方面与您尝试的方法没有太大不同：

## Specify non-base packages needed
library(ggpubr)
## Generate example data
set.seed(123)
data.numerical <- data.frame(a = rnorm(100), b = rnorm(100))
## Make QQ plot for each column with the column's name as the title
sapply(names(data.numerical), function(x) {
    print(ggqqplot(data = data.numerical, x = x, title = x))
})
## Or, equivalently
plots <- lapply(names(data.numerical), function(x) {
    ggqqplot(data = data.numerical, x = x, title = x)
})
plots[[1]]
plots[[2]]

以下是结果；您可以看到这些图的名称是恰当的：

​

​

​

​

注意我在绘制代码之前放在代码中的东西，指定了我正在使用的包，并为其他人提供了一种简单的方法来复制我的数据。在将来提出问题时，请提供这些东西；它们给我们提供了我们所称的最小可重复性示例，这有助于我们帮助您。

那么为什么我的尝试没有成功呢？

如果我们查看help("ggqqplot")，我们将看到该函数期望指定data以及绘制列x。因此，我没有对列执行apply()操作，而是对名称执行sapply()操作，以便以这种方式指定x。这对title参数也有帮助；因为我在名称上使用sapply()，所以可以直接将它们提供给title参数。

最重要的是，colnames(data.numerical)[x]并没有做你认为它正在做的事情。在您尝试的上下文中，x不是一个列索引，而是您数据框的一整列。因此，它不会像您所期望的那样设置列名的子集。

Answer 2

欢迎!来强化@duckmayer中的一些观点。

1. 始终告诉我们有关您的数据的更多信息
2. 从某人遇到您的问题的态度开始，我们提供了相应的解决方案。包括针对expss用户的(提示，提示)。不要重复发明轮子。

由于我碰巧有written a function来检查单变量发行版，所以我将使用它。没有人说它是最好的，但它就在这里。在实际情况中，您会发现dplyr::select_if使得从数据集中只选择数值变量变得很容易

library(dplyr)
library(purrr)
library(CGPfunctions)

playdata <- mtcars %>% select(hp, mpg, qsec)
titlevar <- names(playdata)
playdata %>% purrr::map2(.y = titlevar, ~ SeeDist(.x, whatplots = "d", title = .y))
#> Warning: There are 7 modal values displaying just the first 3

​

​

#> $hp
#> ------------------------------------------------------------------------------ 
#> .x
#> 
#>   length       n    NAs  unique      0s    mean  meanCI'
#>       32      32      0      22       0  146.69  121.97
#>           100.0%   0.0%            0.0%          171.41
#>                                                        
#>      .05     .10    .25  median     .75     .90     .95
#>    63.65   66.00  96.50  123.00  180.00  243.50  253.55
#>                                                        
#>    range      sd  vcoef     mad     IQR    skew    kurt
#>   283.00   68.56   0.47   77.10   83.50    0.73   -0.14
#>                                                        
#> lowest : 52.00, 62.00, 65.00, 66.00 (2), 91.00
#> highest: 215.00, 230.00, 245.00 (2), 264.00, 335.00
#> 
#> ' 95%-CI (classic)
#> 
#> 
#> $mpg
#> ------------------------------------------------------------------------------ 
#> .x
#> 
#>   length       n    NAs  unique     0s   mean  meanCI'
#>       32      32      0      25      0  20.09   17.92
#>           100.0%   0.0%           0.0%          22.26
#>                                                      
#>      .05     .10    .25  median    .75    .90     .95
#>    12.00   14.34  15.43   19.20  22.80  30.09   31.30
#>                                                      
#>    range      sd  vcoef     mad    IQR   skew    kurt
#>    23.50    6.03   0.30    5.41   7.38   0.61   -0.37
#>                                                      
#> lowest : 10.40 (2), 13.30, 14.30, 14.70, 15.00
#> highest: 26.00, 27.30, 30.40 (2), 32.40, 33.90
#> 
#> ' 95%-CI (classic)
#> 
#> 
#> $qsec
#> ------------------------------------------------------------------------------ 
#> .x
#> 
#>   length       n    NAs  unique     0s   mean  meanCI'
#>       32      32      0      30      0  17.85   17.20
#>           100.0%   0.0%           0.0%          18.49
#>                                                      
#>      .05     .10    .25  median    .75    .90     .95
#>    15.05   15.53  16.89   17.71  18.90  19.99   20.10
#>                                                      
#>    range      sd  vcoef     mad    IQR   skew    kurt
#>     8.40    1.79   0.10    1.42   2.01   0.37    0.34
#>                                                      
#> lowest : 14.50, 14.60, 15.41, 15.50, 15.84
#> highest: 19.90, 20.00, 20.01, 20.22, 22.90
#> 
#> ' 95%-CI (classic)