将数据框组合在同一个图中 R 中的条形图和点图

Posted 2023-02-16

【中文标题】将数据框组合在同一个图中 R 中的条形图和点图

【英文标题】：combine dataframes in a same plot Bar and point plot in R

【发布时间】：2021-12-20 02:02:59

【问题描述】：

我有一个长格式数据框，我想只使用因子的子集生成条形图，并在同一个图表中使用其他因子的信息/数据添加点。

我想出了以下解决方案，但我想知道是否有更好的方法。

这是一个例子：

rbind(df_fund_contributions,benmark_comp_returns) %>%
ggplot2::ggplot(aes(x = Date, y = Ra_contributions*100, fill =Fund)) +    #plot 
               geom_col() +
               geom_point(data = benmark_comp_returns, aes(color=Fund)) + 
               scale_color_manual(labels = c("Benchmark_Returns", 'portfolio_isa'), values = c("black", 'red')) + 
               ylab('Returns Contributions (%)')+
               scale_fill_brewer(palette = "Paired") +
               scale_x_date(breaks = scales::breaks_pretty(10)) +
               theme_minimal()+theme(legend.position="bottom", text = element_text(size=20), 
                                     legend.title = element_blank())

我生成的图表如下所示：

[![在此处输入图片描述][1]][1]

我不明白为什么所有传说在各自的传说中都有一个要点。我怎样才能摆脱这个？

然后，最右边的两个图例（Benchmark_returns 和 portfolio_isa）没有很好地对齐。我想在Benchmar_Returns 下方看到portoflio_isa 的图例

有没有更好的方法来拥有一个数据框，然后可以使用因子的一个子集来做条形图和另一个子集来做geom_point，同时拥有更好的控制和更一致的图例？

数据

benmark_comp_returns <-  structure(list(Date = structure(c(18687, 18718, 18748, 18779, 
    18809, 18840, 18871, 18901, 18932, 18687, 18718, 18748, 18779, 
    18809, 18840, 18871, 18901, 18932), class = "Date"), Fund = structure(c(1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
    2L), .Label = c("Benchmark_returns", "portfolio_isa"), class = "factor"), 
        Ra_contributions = c(0.0478973275493924, 0.0429625498691601, 
        -0.00987146529562977, 0.0410011423823866, 0.00941758614497523, 
        0.0349864600422998, -0.0223448750023872, 0.0381121681545589, 
        0.0351134695720898, 0.0166496661166204, 0.0531586687108598, 
        -0.0111559412001453, 0.0445469287928051, 0.00281101024533914, 
        0.0406282718668045, -0.0247869783939432, 0.0182891154197813, 
        0.0306387718131751)), row.names = c(NA, -18L), class = "data.frame")

df_fund_contributions <- structure(list(Date = structure(c(18687, 18718, 18748, 18779, 
    18809, 18840, 18871, 18901, 18932, 18687, 18718, 18748, 18779, 
    18809, 18840, 18871, 18901, 18932, 18687, 18718, 18748, 18779, 
    18809, 18840, 18871, 18901, 18932, 18687, 18718, 18748, 18779, 
    18809, 18840, 18871, 18901, 18932, 18687, 18718, 18748, 18779, 
    18809, 18840, 18871, 18901, 18932, 18687, 18718, 18748, 18779, 
    18809, 18840, 18871, 18901, 18932, 18687, 18718, 18748, 18779, 
    18809, 18840, 18871, 18901, 18932, 18687, 18718, 18748, 18779, 
    18809, 18840, 18871, 18901, 18932, 18687, 18718, 18748, 18779, 
    18809, 18840, 18871, 18901, 18932, 18687, 18718, 18748, 18779, 
    18809, 18840, 18871, 18901, 18932), class = "Date"), Fund = structure(c(1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
    2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 
    4L, 4L, 4L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 
    6L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 8L, 8L, 
    8L, 8L, 8L, 8L, 8L, 8L, 8L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 
    10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L), .Label = c("Artemis.UK", 
    "BG.American", "BG.European", "BG.Income", "BG.Pacific", "BG.Positive.Change", 
    "BNY.Investment", "Fidelity.Global.Tech", "MI.UK.Growth", "World.ex.UK"
    ), class = "factor"), Ra_contributions = c(0.00427165860999756, 
    0.00239847079026867, 0.00117754431202788, -0.00182894880661211, 
    0.0015714866119696, 0.00201985515304526, -0.000716111837747446, 
    0.00010844025664758, 0.000296559872361435, -0.00508106647547668, 
    0.00539584888044975, -0.00383796593852037, 0.00855760451422838, 
    -0.00105783414147886, 0.000502473932103786, -0.00329749205964847, 
    0.00209960811690113, 0.00183961510114417, 6.71423347435862e-05, 
    0.00403497203293068, -0.000284608500461858, 0.00233153961039023, 
    0.00146119835882152, 0.00315505857164022, -0.00417470041499501, 
    0.00138159592845111, 0.00343378138815176, 0.00245278797963633, 
    0.00441384714166171, -0.00064894253810821, 0.00358075762309507, 
    0.000857235410842261, 0.00280005532175731, -0.00250885316984295, 
    0.000953426797174473, 0.00363500835515063, -0.00685496500594374, 
    0.00588805087459376, -0.00243735627253794, 0.00752211168889483, 
    -0.00664016151247449, 0.00452144840571567, -0.00231800643829383, 
    0.00349181572848734, 0.00287501425724956, -0.00352018405882992, 
    0.0049448322743415, -0.00271660296964804, 0.0062422319547486, 
    0.00220134456831755, 0.00537823632154089, -0.00325469442031678, 
    0.000355838099185712, 0.00314657419344022, 0.00360353406021052, 
    0.00258097460780138, 0.000249327400845045, 0.00100446224081341, 
    0.00127957955088753, 0.00369878329082507, -0.00180152113372478, 
    0.00157127690034642, 0.00202363989457321, 0.00454903485057523, 
    0.00393549763466505, -0.00261753482244564, 0.00595399549768572, 
    -0.000685767558080919, 0.00461089490695632, -0.00194258549446136, 
    0.00202935948974536, 0.0050601619875501, 0.00692337793283104, 
    0.008156643520149, 0.00273205877224991, -0.000360455871006415, 
    0.00227382442135737, 0.00534524356313515, 0.000194645051589504, 
    -0.003185806335541, -8.25666847555917e-05, 0.0107961198005677, 
    0.00969975634580234, -0.00215785565985938, 0.0091873637594504, 
    0.00218940885990282, 0.00788171585200015, -0.00507956513557561, 
    0.00868991655727291, 0.00809432118772446)), row.names = c(NA, 
    -90L), class = "data.frame")


  [1]: https://i.stack.imgur.com/mUqsF.png

【问题讨论】：

portoflio_isa 不低于Benchmar_Returns 图例

【参考方案1】：

您的第一个问题很容易解决 - 将美学分别传递给每个 geom。

对于您的第二个问题，您可以指定 guides 中的行数以符合您的色彩审美。

library(tidyverse)

ggplot() +   
  geom_col(data = df_fund_contributions, aes(x = Date, y = Ra_contributions*100, fill =Fund)) +
  geom_point(data = benmark_comp_returns, aes(x = Date, y = Ra_contributions*100, color=Fund)) + 
  scale_color_manual(labels = c("Benchmark_Returns", 'portfolio_isa'), values = c("black", 'red')) + 
  scale_fill_brewer(palette = "Paired") +
  theme(legend.position="bottom",  
                        legend.title = element_blank()) +
  guides(color = guide_legend(nrow = 2))

【讨论】：

另一个注释，非常主观 - 我觉得这个可视化很混乱。类别/颜色太多。也许考虑分面

我认为看起来很混乱，因为没有解释这里绘制的内容。该图显示了每只股票如何对投资组合的整体表现做出贡献。不确定如何通过刻面更好地展示这一点。

@msh855 我觉得如果没有大量解释就无法理解图形的概念，那么是时候重新考虑可视化了。

那么，如何分面才能更好地显示资产在每个时期对投资组合的总体回报增加或减少了多少？很可能会导致视觉效果看起来更复杂，并且会占用更多空间。但很高兴向我展示任何想法。很明显，例如在 6 月，BG.Pacific 将投资组合的表现降低了约 0.5%，这是该投资组合未能超过其基准的主要原因。

这绝对是一张好图。看看我是否可以添加想要的东西。它确实使一些事情变得更好。谢谢

【参考方案2】：

您询问了如何使用构面来使您的可视化更具吸引力。这是一个非常快速的想法。

library(tidyverse)

df_new <- 
  df_fund_contributions %>%
  mutate(contrib = 100*Ra_contributions,
         month = lubridate::month(Date, label = TRUE, abbr = TRUE))

ggplot(df_new) +  
  geom_col(aes(x = Fund, y = contrib, fill = contrib >0)) +
  scale_fill_brewer(palette = "Set1") +
  geom_hline(yintercept = 0) +
  facet_grid(~month) +
  coord_flip()