你好,我在绘制三种不同动物的代谢物随时间减少的图时有困难。
这是我在情节中使用的代码:
all_met %>%
pivot_longer(c(Inosine mp),names_to="Metabolites",values_to="concentration") %>%
group_by(Animal,Day, Metabolites) %>%
summarise(mean = mean(concentration), sd = sd(concentration)) %>%
ggplot(aes(x=factor(Day),y= mean, group = Animal, colour = Animal)) +
geom_point()+
geom_smooth(method=lm, se = FALSE, formula = y~x)+
stat_regline_equation() 这给了我:

你可以看到x轴分布均匀,但我不想.根据我搜索的内容,它假设我的数据是离散的,但我不能使用scale_x_continuous,所以我想知道如何修复它。
我也想增加R^2值,但是它与方程重叠,所以也有办法将方程移到图的其他地方吗?
数据
structure(list(Animal = c("Beef", "Beef", "Beef", "Beef", "Beef",
"Beef", "Beef", "Beef", "Beef", "Beef", "Beef", "Beef", "Beef",
"Beef", "Beef", "Beef", "Beef", "Beef", "Beef", "Beef", "Beef",
"Beef", "Beef", "Beef", "Beef", "Beef", "Beef", "Beef", "Beef",
"Beef", "Beef", "Beef", "Beef", "Beef", "Beef", "Beef", "Lamb",
"Lamb", "Lamb", "Lamb", "Lamb", "Lamb", "Lamb", "Lamb", "Lamb",
"Lamb", "Lamb", "Lamb", "Lamb", "Lamb", "Lamb", "Lamb", "Lamb",
"Lamb", "Lamb", "Lamb", "Lamb", "Lamb", "Lamb", "Lamb", "Lamb",
"Lamb", "Lamb", "Lamb", "Venison", "Venison", "Venison", "Venison",
"Venison", "Venison", "Venison", "Venison", "Venison", "Venison",
"Venison", "Venison", "Venison", "Venison", "Venison", "Venison",
"Venison", "Venison", "Venison", "Venison", "Venison", "Venison",
"Venison", "Venison", "Venison", "Venison", "Venison", "Venison",
"Venison", "Venison", "Venison", "Venison", "Venison", "Venison",
"Venison", "Venison"), Day = c(0, 0, 0, 0, 0, 0, 1, 1, 1, 1,
1, 1, 3, 3, 3, 3, 3, 3, 5, 5, 5, 5, 5, 5, 7, 7, 7, 7, 7, 7, 9,
9, 9, 9, 9, 9, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 3, 3, 3, 3,
3, 5, 5, 5, 5, 5, 5, 7, 7, 7, 7, 7, 0, 0, 0, 0, 0, 0, 0.25, 0.25,
0.25, 0.25, 0.25, 0.25, 0.79, 0.79, 0.79, 0.79, 0.79, 0.79, 0.125,
0.125, 0.125, 0.125, 0.125, 0.125, 1.75, 1.75, 1.75, 1.75, 1.75,
1.75, 2.25, 2.25, 2.25, 2.25, 2.25, 2.25)), row.names = c(NA,
-100L), class = c("tbl_df", "tbl", "data.frame"))发布于 2021-06-23 13:03:15
因为您将x声明为因数(x=factor(Day)),所以x轴是离散的,而不是连续的(即数字)。去掉因子函数,你就会得到一个连续的轴。
https://stackoverflow.com/questions/68094803
复制相似问题