在 data.table 中按组绘图

Question

我有个人级别的数据，我正在尝试按组动态总结结果。

示例：

set.seed(12039)
DT <- data.table(id = rep(1:100, each = 50),
                 grp = rep(letters[1:4], each = 1250),
                 time = rep(1:50, 100),
                 outcome = rnorm(5000))

我想知道绘制组级摘要的最简单方法，其数据包含在：

DT[ , mean(outcome), by = .(grp, time)]

我想要这样的东西：

dt[ , plot(mean(outcome)), by = .(grp, time)]

但这根本行不通。

我正在使用的可行选项（可以很容易地循环）是：

plot(DT[grp == "a", mean(outcome), by = time])
lines(DT[grp == "b", mean(outcome), by = time])
lines(DT[grp == "c", mean(outcome), by = time])
lines(DT[grp == "d", mean(outcome), by = time])

（添加了颜色等参数，为简洁起见排除）

我觉得这不是最好的方法——考虑到 data.table 处理组的技巧，难道没有更优雅的解决方案吗？

其他来源一直在向我指出 matplot，但我看不到使用它的直接方法——我是否需要重塑 DT，是否有一个简单的 [=18] =] 可以完成工作吗？

Answer 1

使用 reshape2，您可以将数据集转换为以下内容：

new_dt <- dcast(dt,time~grp,value.var='outcome',fun.aggregate=mean)

new_dt_molten <- melt(new_dt,id.vars='time')

然后像这样用 ggplot2 绘制它：

ggplot(new_dt_molten,aes(x=time,y=value,colour=variable)) + geom_line()

或者，（实际上更简单的解决方案）您可以直接使用您拥有的数据集并执行以下操作：

ggplot(dt,aes(x=time,y=outcome,colour=grp)) + geom_jitter() + geom_smooth(method='loess')

或

ggplot(dt,aes(x=time,y=outcome,colour=grp)) + geom_smooth(method='loess')

Answer 2

您的方向非常正确。使用 ggplot 执行以下操作：

(dt_agg <- dt[,.(mean = mean(outcome)),by=list(grp,time)]) # Aggregated data.table
     grp time        mean
  1:   a    1  0.75865672
  2:   a    2  0.07244879
 ---

现在 ggplot 这个汇总 data.table

require(ggplot2)
ggplot(dt_agg, aes(x = time, y = mean, col = grp)) + geom_line()

结果：

Answer 3

Base R 使用 matplot 和 dcast

的解决方案

dt_agg <- dt[ , .(mean = mean(outcome)), by=.(grp,time)]
dt_cast <- dcast(dt_agg, time~grp, value.var="mean")
dt_cast[ , matplot(time, .SD[ , !"time"], type="l", ylab="mean", xlab="")]
# alternative:
dt_cast[ , matplot(time, .SD, type="l", ylab="mean", xlab=""), .SDcols = !"time"]

结果：

Answer 4

有一种方法可以使用 data.table 的 by 参数执行此操作，如下所示：

DT[ , mean(outcome), by = .(grp, time)
    ][ , {plot(NULL, xlim = range(time),
           ylim = range(V1)); .SD}
       ][ , lines(time, V1, col = .GRP), by = grp]

请注意中间 {...; .SD} 部分是继续链接所必需的。如果 DT[ , mean(outcome), by = .(grp, time)] 已经存储为另一个 data.table、DT_m，那么我们可以这样做：

DT_m[ , plot(NULL, xlim = range(time), ylim = range(V1))]
DT_m[ , lines(time, V1, col = .GRP), by = grp]

有输出

可能会出现更奇妙的结果；例如，如果我们想为每个组指定特定的颜色：

grp_col <- c(a = "blue", b = "black",
             c = "darkgreen", d = "red")
DT[ , mean(outcome), by = .(grp, time)
    ][ , {plot(NULL, xlim = range(time),
           ylim = range(V1)); .SD}
       ][ , lines(time, V1, col = grp_col[.BY$grp]), by = grp]

注意

如果将输出发送到 RStudio 图形设备，RStudio 中有一个错误会导致此代码失败。因此，这种方法仅适用于命令行上的 R 或将输出发送到外部设备（我将其发送到 png 以生成上述内容）。

参见 data.table issue #1524, this RStudio support ticket, and these SO Qs ( and 2)

在 data.table 中按组绘图

Plotting by group in data.table

r

data.table

注意