从 R 中的同一变量绘制边际直方图（作为因子）和散点图（作为数字）

Question

我正在尝试创建一个带有边际直方图的散点图，如 this question 中所示。我的数据是两个（数字）变量，它们共享七个离散（有点）对数间隔的级别。

我在 ggExtra 包中的 ggMarginal 的帮助下成功完成了这项工作，但是我对结果不满意，因为使用与散点图，事情不排队。如下所示，直方图条偏向数据点本身的右侧或左侧。

library(ggMarginal)
library(ggplot2)
x <- rep(log10(c(1,2,3,4,5,6,7)), times=c(3,7,12,18,12,7,3))
y <- rep(log10(c(1,2,3,4,5,6,7)), times=c(3,1,13,28,13,1,3))
d <- data.frame("x" = x,"y" = y)
p1 <- ggMarginal(ggplot(d, aes(x,y)) + geom_point() + theme_bw(), type = "histogram")

一个可能的解决方案是将直方图中使用的变量更改为因子，以便它们与散点图轴很好地对齐。这在使用 ggplot:

创建直方图时效果很好

p2 <- ggplot(data.frame(lapply(d, as.factor)), aes(x = x)) + geom_histogram()

然而，当我尝试使用 ggMarginal 执行此操作时，我没有得到想要的结果 - ggMarginal 直方图似乎仍在将我的变量视为数字。

p3 <- ggMarginal(ggplot(d, aes(x,y)) + geom_point() + theme_bw(),
                 x = as.factor(x), y = as.factor(y), type = "histogram")

如何确保直方图条形位于数据点的中心？

我绝对愿意接受不涉及使用 ggMarginal 的答案。

Answer 1

如果你愿意尝试 baseplotting，这里有一个函数：

plots$scatterWithHists <- function(x, y, histCols=c("lightblue","lightblue"), lhist=20, xlim=range(x), ylim=range(y), ...){
  ## set up layout and graphical parameters
  layMat <- matrix(c(1,4,3,2), ncol=2)
  layout(layMat, widths=c(5/7, 2/7), heights=c(2/7, 5/7))
  ospc <- 0.5                                                  # outer space
  pext <- 4                                                    # par extension down and to the left
  bspc <- 1                                                    # space between scatter plot and bar plots
  par. <- par(mar=c(pext, pext, bspc, bspc), oma=rep(ospc, 4)) # plot parameters

  ## barplot and line for x (top)
  xhist <- hist(x, breaks=seq(xlim[1], xlim[2], length.out=lhist), plot=FALSE)
  par(mar=c(0, pext, 0, 0))
  barplot(xhist$density, axes=FALSE, ylim=c(0, max(xhist$density)), space=0, col=histCols[1])

  ## barplot and line for y (right)
  yhist <- hist(y, breaks=seq(ylim[1], ylim[2], length.out=lhist), plot=FALSE)
  par(mar=c(pext, 0, 0, 0))
  barplot(yhist$density, axes=FALSE, xlim=c(0, max(yhist$density)), space=0, col=histCols[2], horiz=TRUE)

  ## overlap
  dx <- density(x)
  dy <- density(y)
  par(mar=c(0, 0, 0, 0))
  plot(dx, col=histCols[1], xlim=range(c(dx$x, dy$x)), ylim=range(c(dx$y, dy$y)),
       lwd=4, type="l", main="", xlab="", ylab="", yaxt="n", xaxt="n", bty="n"
       )
  points(dy, col=histCols[2], type="l", lwd=3)

  ## scatter plot
  par(mar=c(pext, pext, 0, 0))
  plot(x, y, xlim=xlim, ylim=ylim, ...)
}

就这样：

scatterWithHists(x,y, histCols=c("lightblue","orange"))

你得到：

如果您绝对想使用 ggMargins，请查找 xparams 和 yparams。它说您可以使用它们向 x-margin 和 y-margin 发送额外的参数。我只成功地发送了颜色等微不足道的东西。但也许发送类似 xlim 的内容会有所帮助。

Answer 2

不确定在这里复制我对问题 you mentioned 的回答是否是个好主意，但我仍然无权发表评论，否则请告诉我。

我找到了似乎能很好解决这个问题的程序包 (ggpubr)，它考虑了几种显示数据的可能性。

包的 link 是 here, and in this link 你会找到一个很好的教程来使用它。为了完整起见，我附上了我转载的示例之一。

我先安装了这个包（需要devtools）

if(!require(devtools)) install.packages("devtools")
devtools::install_github("kassambara/ggpubr")

对于针对不同组显示不同直方图的特定示例，它提到了与 ggExtra 相关的内容："One limitation of ggExtra is that it can’t cope with multiple groups in the scatter plot and the marginal plots. In the R code below, we provide a solution using the cowplot package." 在我的例子中，我必须安装后一个包：

install.packages("cowplot")

然后我遵循了这段代码：

# Scatter plot colored by groups ("Species")
sp <- ggscatter(iris, x = "Sepal.Length", y = "Sepal.Width",
            color = "Species", palette = "jco",
            size = 3, alpha = 0.6)+
border()                                         
# Marginal density plot of x (top panel) and y (right panel)
xplot <- ggdensity(iris, "Sepal.Length", fill = "Species",
               palette = "jco")
yplot <- ggdensity(iris, "Sepal.Width", fill = "Species", 
               palette = "jco")+
rotate()
# Cleaning the plots
sp <- sp + rremove("legend")
yplot <- yplot + clean_theme() + rremove("legend") 
xplot <- xplot + clean_theme() + rremove("legend")
# Arranging the plot using cowplot
library(cowplot)
plot_grid(xplot, NULL, sp, yplot, ncol = 2, align = "hv", 
      rel_widths = c(2, 1), rel_heights = c(1, 2))

哪个对我有用：

从 R 中的同一变量绘制边际直方图（作为因子）和散点图（作为数字）

Plotting marginal histograms (as factors) and scatterplot (as numeric) from the same variable in R

plot

r

histogram

scatter-plot

ggplot2