每个变量嵌套 ggplot 直方图

Posted 2023-02-16

【中文标题】每个变量嵌套 ggplot 直方图

【英文标题】：Nest ggplot histograms per variable

【发布时间】：2021-11-30 11:37:33

【问题描述】：

我想创建一个数据框，在其中汇总观察次数、平均值和中位数等值，并且我想嵌套它的 ggplot 直方图。为此，我将使用 iris 数据集。

这是我的第一次尝试：

iris %>%
  pivot_longer(-Species, 
               names_to = "Vars", 
               values_to = "Values") %>%
  group_by(Vars) %>%
  summarise(obs = n(),
            mean = round(mean(Values),2),
            median = round(median(Values),2))

所以它给了我：

# A tibble: 4 x 4
  Vars           obs  mean median
  <chr>        <int> <dbl>  <dbl>
1 Petal.Length   150  3.76   4.35
2 Petal.Width    150  1.2    1.3 
3 Sepal.Length   150  5.84   5.8 
4 Sepal.Width    150  3.06   3   

这是预期的表格：

# A tibble: 4 x 5
  Vars           obs  mean median plot
  <chr>        <int> <dbl>  <dbl> <list>
1 Petal.Length   150  3.76   4.35 <gg>
2 Petal.Width    150  1.2    1.3  <gg>
3 Sepal.Length   150  5.84   5.8  <gg>
4 Sepal.Width    150  3.06   3    <gg>

这是我尝试过的：

iris %>%
  pivot_longer(-Species, 
               names_to = "Vars", 
               values_to = "Values") %>%
  group_by(Vars) %>%
  nest() %>%
  mutate(metrics = lapply(data, function(df) df %>% summarise(obs = n(), mean = mean(Values), median = median(Values))),
         plots = lapply(data, function(df) df %>% ggplot(aes(Values)) + geom_histogram()))

差不多了，我看到了：

# A tibble: 4 x 4
# Groups:   Vars [4]
  Vars         data               metrics          plots 
  <chr>        <list>             <list>           <list>
1 Sepal.Length <tibble [150 × 2]> <tibble [1 × 3]> <gg>  
2 Sepal.Width  <tibble [150 × 2]> <tibble [1 × 3]> <gg>  
3 Petal.Length <tibble [150 × 2]> <tibble [1 × 3]> <gg>  
4 Petal.Width  <tibble [150 × 2]> <tibble [1 × 3]> <gg>  

但我不知道如何使用 obs、mean、median 和 plots 列来查看预期的 tibble，而没有 data 和 metrics 列。任何帮助将不胜感激。

【参考方案1】：

我们可以在summarise 中使用cur_data() 并通过包装获得list 中的输出

library(dplyr)
library(ggplot2)
library(tidyr)
out <- iris %>%
  pivot_longer(-Species, 
               names_to = "Vars", 
               values_to = "Values") %>%
  group_by(Vars) %>%
  summarise(obs = n(),
            mean = round(mean(Values),2),
            median = round(median(Values),2), 
    plots = list(ggplot(cur_data(), aes(Values)) + geom_histogram()))

-输出

out
# A tibble: 4 × 5
  Vars           obs  mean median plots 
  <chr>        <int> <dbl>  <dbl> <list>
1 Petal.Length   150  3.76   4.35 <gg>  
2 Petal.Width    150  1.2    1.3  <gg>  
3 Sepal.Length   150  5.84   5.8  <gg>  
4 Sepal.Width    150  3.06   3    <gg>  

【讨论】：

根据文档，cur_data() 给出了当前组的当前数据。我不知道那个功能，非常感谢@akrun！祝你有美好的一天！

顺便说一句，我使用巢的方法有点复杂，不是吗？

@Alexis 使用nest_by，您可以获得相同的输出，但随后必须提取那些obs、mean、median 等

嗨@akrun，我想学习如何提取这些值。我想我会在这个问题上发布另一个问题。感谢您花时间和耐心回答这个疑问！