如何为图形子集高大数据

Posted 2021-05-05

我的数据格式很高。我有兴趣使用ggplot为每个区域生成折线图。但是，我一直收到的错误是美学必须是长度1或与数据相同。

硬编码解决方案：

date_q <- HPF$date[1:167]
CumulativeSubset_region1 <- HPF$BaseCumulative[1:167]
ggplot(HPF[1:167, ], aes(x = date_q, y= CumulativeSubset_region1)) + 
  geom_line() 

没有硬编码：

ggplot(data = HPF, aes(x=date, y= BaseC)) + geom_line(na.rm = FALSE) + theme_light()

正如您所看到的，峰值的原因是日期范围在所有区域都是不变的，但区域累积量是不同的。

数据：

#Rows 1-3 (Region 1 Sample): 
dput(head(HPF[1:3, ]))
    structure(list(region = c(1, 1, 1), path = c(1, 1, 1), date = c(20140215, 
    20140515, 20140815), index_value = c(1, 1.033852765, 1.041697122
    ), index = 0:2, counter = 1:3, BaseQoQ = c(NA, 0.033852765, 0.00758749917354029
    ), BaseCumulative = c(100, 103.3852765, 104.1697122), StressCumulative = c(110, 
    113.3852765, 114.1697122), StressQoQ = c(NA, 0.0307752409090909, 
    0.00691832065162346)), .Names = c("region", "path", "date", "index_value", 
    "index", "counter", "BaseQoQ", "BaseCumulative", "StressCumulative", 
    "StressQoQ"), row.names = c(NA, -3L), class = c("tbl_df", "tbl", 
    "data.frame"))

#Rows 168:200 (Region 2 Sample):
dput(head(HPF[168:200, ]))
    structure(list(region = c(2, 2, 2, 2, 2, 2), path = c(1, 1, 1, 
    1, 1, 1), date = c(20140215, 20140515, 20140815, 20141115, 20150215, 
    20150515), index_value = c(1, 1.014162265, 1.01964828, 1.009372314, 
    1.007210703, 1.018695493), index = 0:5, counter = 1:6, BaseQoQ = c(NA, 
    0.014162265, 0.00540940556489744, -0.0100779515854232, -0.0021415398163972, 
    0.0114025694582001), BaseCumulative = c(100, 101.4162265, 101.964828, 
    100.9372314, 100.7210703, 101.8695493), StressCumulative = c(110, 
    111.4162265, 111.964828, 110.9372314, 110.7210703, 101.8695493
    ), StressQoQ = c(NA, 0.0128747863636363, 0.00492389230216839, 
    -0.00917785181610786, -0.00194849914020834, -0.0799443229370588
    )), .Names = c("region", "path", "date", "index_value", "index", 
    "counter", "BaseQoQ", "BaseCumulative", "StressCumulative", "StressQoQ"
    ), row.names = c(NA, -6L), class = c("tbl_df", "tbl", "data.frame"
    ))

答案

您需要告诉ggplot为每个区域分别执行这些行。如果您使用像linetype或color这样的美学（并且您将自动获得一个很好的传说，告诉您哪条线是哪条），这将是隐含的。

如果你想要区域线的美学是相同的，你可以使用group美学让ggplot知道应该连接哪些点。

使用您的一小部分样本数据：

ggplot(HPF, aes(x = date, y = BaseCumulative, group = factor(region))) + 
  geom_line() 

由于region是一个分类变量，我建议把它变成factor - 如果你使用像color或linetype这样的美学，这将很有效。

我还建议您考虑使用实际的Date类 - 它会使您的轴准确，因此您在12月到1月之间没有巨大的差距。

HPF$date = as.Date(as.character(HPF$date), format = "%Y%M%d")
HPF$region = factor(HPF$region)
ggplot(HPF, aes(x = date, y= BaseCumulative, linetype = factor(region))) + 
  geom_line() +
  theme_light()

另一答案

您可以将colour美学分配给您的区域变量，如果该区域使用factor制作分类变量。这是我将您想要的输出解释为每个区域的单行。我还建议修改你的日期格式以制作更漂亮的情节，但这不是问题。使用region和region2作为dput的对象：

library(tidyverse)
HPF <- bind_rows(region, region2) %>%
  mutate(region = factor(region))

ggplot(data = HPF) +
  geom_line(aes(x=date, y= BaseCumulative, colour = region), na.rm = FALSE) +
  theme_light()

您可以通过将区域分配给其他美学来获得相同的效果，例如linetype，您可以控制使用不同色阶生成的颜色。