gganimate累积地块0.9.9.9

Question

我没能找到一个先前发布的问题，足以回答这个问题。在以前的文章中，接受的答案使用shadow_mark来保持先前呈现的层的持久性。

How to keep previous layers of data while doing animation in R gganimate?

Keep points in gganimate

在散点图中显示输出时，这是一个不错的解决方案，但它不是累积度量，而且在尝试执行时失败，例如，堆叠条形图。

请考虑以下数据。我希望使用df中的一个过渡状态来构建一个累积的叠加条形图。

df <- data.frame(t = c(2000, 2000, 2001, 2001, 2002, 2002), 
                 f = c("y", "n", "y", "n", "y", "n"),
                 x = c("a", "a", "b", "c", "a", "c"),
                 y = c(2,3,5,1,4,8))
> df
     t f x y
1 2000 y a 2
2 2000 n a 3
3 2001 y b 5
4 2001 n c 1
5 2002 y a 4
6 2002 n c 8

我想显示2000年的数据，在下一层中，我想将2001年的数据作为上一层的累加。再一次，对于下一层，我想将2002年的数据作为2000年和2001年的累积数据进行添加。

这说明了为什么shadow_mark不是累积数据的解决方案：

ggplot(df, aes(x=x, y=y, fill=f)) +
geom_col() + labs(x=NULL, y=NULL, fill=NULL, title="{closest_state}") +
transition_states(t, transition_length = 2, state_length = 1) +
shadow_mark() + enter_fade() + exit_shrink() + ease_aes('sine-in-out') + theme_bw() 

​

​

添加对shadow_mark的调用将无法实现累积图的预期结果。"a“的累计总数应为9。

对于c(2000)、c(2000,2001)和c(2000,2001,2002)，可以将数据子集为3种不同的df，然后在创建新的状态列之后重新绑定，但这似乎是一种非常麻烦的方法。

是否有一种更干净的方法来使用内置在gganimate中的工具来显示累积数据？

Answer 1

您可以在数据中创建一个新列，其中包含每年的累加结果，并直接绘制该列。在下面的代码中，我们使用cumsum函数来完成这个任务。我们还使用complete来确保f和x的每个组合都有一个t行(在添加的行中设置y=0 )。如果我们不这样做，当某些年份(t值)缺少f和x的某些组合时，累积和将是不正确的。所有的数据转换都是通过一个dplyr管道实时完成的：

library(tidyverse)
library(gganimate)

ggplot(df %>% 
         complete(t, nesting(f, x), fill=list(y=0)) %>% 
         arrange(t) %>%  
         group_by(x,f) %>%
         mutate(y_cum = cumsum(y)), 
       aes(x=x, y=y_cum, fill=f)) +
  geom_col() + 
  labs(x=NULL, y=NULL, fill=NULL, title="{closest_state}") +
  transition_states(t, transition_length = 2, state_length = 1) +
  enter_fade() + ease_aes('sine-in-out') + 
  theme_bw() +
  scale_y_continuous(breaks=0:10)

​

​

Answer 2

我发现，对于直方图，诀窍是复制早期的转换值，以确保累积构建。

# packages my mac needs for gganimate to work
if (!require("pacman")) install.packages("pacman")
pacman::p_load(dplyr, gganimate, gifski, png)

# vector of values to plot in histogram
sampling_dist_v1 <- rnorm(1e3)

# create a transition sequence variable
init_seq <- c(1, rep(2,10), rep(3,10))

observed_rates <- 
  tibble(
    observed_rate = sampling_dist_v1,
    transition_sequence = c(init_seq, rep(4, length(sampling_dist_v1) - length(init_seq)))
  )

# duplicate earlier entries to ensure animation is cumulative
t_sub_4 <- 
  observed_rates %>% 
  filter(transition_sequence < 4) %>% 
  mutate(transition_sequence = 4)

t_sub_3 <- 
  observed_rates %>% 
  filter(transition_sequence < 3) %>% 
  mutate(transition_sequence = 3)

t_sub_2 <- 
  observed_rates %>% 
  filter(transition_sequence < 2) %>% 
  mutate(transition_sequence = 2)

observed_rates <- 
  bind_rows(
    observed_rates,
    t_sub_4, 
    t_sub_3, 
    t_sub_2
  ) 

# animate
anim <- observed_rates %>% 
  ggplot(aes(x = observed_rate)) + 
  geom_histogram(binwidth = .25, fill = 'blue') + 
  transition_states(
    transition_sequence,
    state_length = 4,
    wrap = FALSE
    )

[![enter image description here][1]][1]


  [1]: https://i.stack.imgur.com/vyJ8m.gif