为什么 R 在解析绘图参数时表现不同？

Question

我正在尝试使用 ggplot 在单个折线图上绘制多个时间序列变量。我正在使用 data.frame ，其中包含 n 个时间序列变量和一列时间段。本质上，我想遍历 data.frame，并将 n goem_lines 添加到单个图表。

最初我尝试使用以下代码，其中；

df = data.frame包含n个时间序列变量，1列时间段
wid = n（时间序列变量的个数）

  p <- ggplot() +
    scale_color_manual(values=c(colours[1:wid]))  
  for (i in 1:wid) {
    p <- p + geom_line(aes(x=df$Time, y=df[,i], color=var.lab[i]))
  } 
  ggplotly(p)

但是，这只会生成 data.frame 中最终时间序列变量的图。然后我进一步调查，发现以下几组代码产生完全不同的结果：

p <- ggplot() +
    scale_color_manual(values=c(colours[1:wid]))
i = 1
p = p + geom_line(aes(x=df$Time, y=df[,i], color=var.lab[i]))
i = 2
p = p + geom_line(aes(x=df$Time, y=df[,i], color=var.lab[i]))
i = 3
p = p + geom_line(aes(x=df$Time, y=df[,i], color=var.lab[i]))
  ggplotly(p)

Plot produced by code above

p <- ggplot() +
    scale_color_manual(values=c(colours[1:wid]))
p = p + geom_line(aes(x=df$Time, y=df[,1], color=var.lab[1]))
p = p + geom_line(aes(x=df$Time, y=df[,2], color=var.lab[2]))
p = p + geom_line(aes(x=df$Time, y=df[,3], color=var.lab[3]))
  ggplotly(p)

Plot produced by code above

在我看来，这两套代码是相同的，所以谁能解释为什么它们会产生如此不同的结果？

我知道这可能使用自动绘图很容易完成，但我对这两个代码片段的行为更感兴趣。

Answer 1

你想要做的是 'hack' 绘制多条线的方法，但它在 ggplot 术语中并不理想。为了成功，我会使用 aes_string。但这是一个 hack.

df <- data.frame(Time = 1:20,
                 Var1 = rnorm(20),
                 Var2 = rnorm(20, mean = 0.5),
                 Var3 = rnorm(20, mean = 0.8))

vars <- paste0("Var", 1:3)
col_vec <- RColorBrewer::brewer.pal(3, "Accent")

library(ggplot2)
p <- ggplot(df, aes(Time))
for (i in 1:length(vars)) {
    p <- p + geom_line(aes_string(y = vars[i]), color = col_vec[i], lwd = 1)
}
p + labs(y = "value")

如何正确操作

为了更恰当地绘制此图，您需要先旋转数据，以便将每个美学 (aes) 映射到数据框中的一个变量。这意味着我们的数据框中需要一个变量 color 。因此，我们 pivot_longer 并再次绘制：

library(tidyr)
df_melt <- pivot_longer(df, cols = Var1:Var3, names_to = "var")

ggplot(df_melt, aes(Time, value, color = var)) +
    geom_line(lwd = 1) +
    scale_color_manual(values = col_vec)

为什么 R 在解析绘图参数时表现不同？

Why does R behave differently when parsing parameters of plotting?

r

for-loop

ggplot2

ggplotly