怎样使grid data view显示行序号_怎样画出漂亮的箱型图和中位数折线图

最新推荐文章于 2024-05-13 09:56:51 发布

weixin_39942492

最新推荐文章于 2024-05-13 09:56:51 发布

阅读量231

点赞数

文章标签：怎样使grid data view显示行序号怎样调整input框背景颜色

本文使用 Zhihu On VSCode 创作并发布

废话不多说，先上图：

此图比普通的均值折线图代表了更多的信息。下面我就一步一步展示怎样得到这样的
boxplot 和中位数折线图。主要用到2个 R 包 latex2exp 和 ggplot2.ggplot2是画图的主角，latex2exp可以让 legend， title，x-axis label 和
y-axis label 的中的

正常显示，如上图中的

和

。下面我介绍一下数据的类型。

数据说明

在统计实验中，我们会遇到这样类型的数据：

表示条件，等间隔取值。比如在上图中我

给的

值是：-0.95：0.1：0.95，间隔 0.1，共 20 个值。在每个指定的

下，我们比较两种统计方法：

和

，计算他们

各自的损失，并且每种方法重复

次。这样我们分别得到 2 个loss matrix，大小是：

。

基本逻辑

ggplot2包的精髓就是图层（layer), 通过控制图层，我们几乎可以画出任何精美的图表，
也正因为如此，ggplot2 的主要作者Hadley Wickham 2019 年获得了号称"统计学界诺贝尔
奖"--COPSS Presidents’ Award。拿大神的工具来画上面的图，当然是小菜一碟了，就像做
三明治，我们一层一层的把需要的图层叠加起来就得到了需要的图。

箱型图

在画箱型图之前，我们需要对损失矩阵做一下处理，先贴代码：

m_alpha_df <- data.frame(
    loss = matrix(m_alpha, ncol = 1, byrow = T),
    cond = rep(x, times = N)
)
m_beta_df <- data.frame(
    loss = matrix(m_beta, ncol = 1, byrow = T),
    cond = rep(x, times = N)
)
m_median <- data.frame(
    loss = c(apply(m_alpha, 1, median), apply(m_beta, 1, median)),
    cond = rep(u, 2),
    method = factor(rep(c(0, 1), times = 1, each = k), levels = c(0, 1))
)

m_alpha 和 m_beta 分别代表

和

方法得到的矩阵。m_alpha_df

是数据框（dataframe)，里面有两个变量 loss 和 cond， loss就是损失矩阵按列拉直，
cond是

重复

次。

m_median 表示中位数的数据框：loss表示取行的中位数后，再组合成列向量；cond 是

重复

次；method 是因子变量，用 0 表示

，1 表示

。

用如下的代码就可以得到箱型图

p_compare  <- ggplot(m_median, aes(x = cond, y = loss))
p_compare  <- p_compare  + geom_boxplot(data = m_alpha_df, aes(group = cond),
                                        colour = "blue") +
    geom_boxplot(data = m_beta_df, aes(group = cond), colour = "red")

现在箱型图还很不完美，x 轴和 y 轴的标题不对，背景是灰色的，并且带有网格，表格没有边界框，等等。但是不要着急，我们后面会慢慢调整过来。

中位数折现线图

实际上，上面的箱型图是三个图层的叠加，因此中位数折线图只需要在原来的基础上再多加
两行命令即可：

p_compare  <- ggplot(m_median, aes(x = cond, y = loss))
p_compare  <- p_compare  + geom_boxplot(data = m_alpha_df, aes(group = cond),
                                        colour = "blue") +
    geom_boxplot(data = m_beta_df, aes(group = cond), colour = "red") +
    geom_point(aes(shape = method, color = method), size = 2.5) +
    geom_line(aes(color = method))

细心的小伙伴肯定发现，boxplot 和中位数折线图的颜色不一致，等会我会告诉大家怎样手
动去调节颜色。

注意：实际上我们是加了两个图层：一个是点图层，一个是线图层，实际上每个图层都
带有 legend。为了使两个图层的 legend 统一，我令 aes 函数中的 shape，color，都取
值为 method 因子变量。小伙伴们可以修改一下参数，看看会发生什么样的结果。对于怎样
把 multiple legend 合并为一个，可以参考：https://stackoverflow.com/questions/37140266/how-to-merge-color-line-style-and-shape-legends-in-ggplot
。

修饰Legend，背景和配色

我们有以下几个任务：

把 legend 移动到这个位置
把图片背景和 legend背景改为白色
去掉网格（grid)
去掉 legned name, 也就是 method

p_compare  <- ggplot(m_median, aes(x = cond, y = loss))
p_compare  <- p_compare  + geom_boxplot(data = m_alpha_df, aes(group = cond),
                                        colour = "blue") +
    geom_boxplot(data = m_beta_df, aes(group = cond), colour = "red") +
    geom_point(aes(shape = method, color = method), size = 2.5) +
    geom_line(aes(color = method)) +
    theme(legend.position = c(0.08, 0.92)) +
    theme(legend.title = element_blank()) +
    theme(panel.grid.major = element_blank()) +
    theme(panel.grid.minor = element_blank()) +
    theme(plot.title = element_text(hjust = 0.5)) +
    theme(panel.background = element_rect(fill = "white", colour = "black")) +
    theme(legend.background = element_blank()) +
    theme(legend.key = element_rect(fill = "white", colour = "white"))

现在还有个很重要的问题：boxplot 和 line 的颜色不匹配，为了简单起见，我们改动了
boxplot 的颜色

p_compare  <- ggplot(m_median, aes(x = cond, y = loss))
p_compare  <- p_compare  + geom_boxplot(data = m_alpha_df, aes(group = cond),
                            colour = "#F8766D") +
    geom_boxplot(data = m_beta_df, aes(group = cond), colour = "#00BFC4")

m_alpha_df 的颜色改为"#F8766D"，m_beta_df 的颜色改为"#00BFC4"。小伙伴又会问，那
这两个颜色我是怎样知道的？

其实很简单，用如下命令：

ggplot_build(p_compare)$data
>
   colour     x         y PANEL group flipped_aes size linetype alpha
1  #F8766D -0.95 0.7065639     1     1       FALSE  0.5        1    NA
2  #F8766D -0.85 0.7018750     1     1       FALSE  0.5        1    NA
3  #F8766D -0.75 0.6933298     1     1       FALSE  0.5        1    NA
4  #F8766D -0.65 0.6946119     1     1       FALSE  0.5        1    NA
5  #F8766D -0.55 0.6913419     1     1       FALSE  0.5        1    NA
6  #F8766D -0.45 0.6940689     1     1       FALSE  0.5        1    NA
7  #F8766D -0.35 0.7124416     1     1       FALSE  0.5        1    NA
8  #F8766D -0.25 0.7352228     1     1       FALSE  0.5        1    NA
9  #F8766D -0.15 0.7517063     1     1       FALSE  0.5        1    NA
10 #F8766D -0.05 0.7758747     1     1       FALSE  0.5        1    NA
11 #F8766D  0.05 0.8114694     1     1       FALSE  0.5        1    NA
12 #F8766D  0.15 0.8534218     1     1       FALSE  0.5        1    NA
13 #F8766D  0.25 0.8812675     1     1       FALSE  0.5        1    NA
14 #F8766D  0.35 0.9191502     1     1       FALSE  0.5        1    NA
15 #F8766D  0.45 0.9610939     1     1       FALSE  0.5        1    NA
16 #F8766D  0.55 1.0089209     1     1       FALSE  0.5        1    NA
17 #F8766D  0.65 1.0707904     1     1       FALSE  0.5        1    NA
18 #F8766D  0.75 1.1160649     1     1       FALSE  0.5        1    NA
19 #F8766D  0.85 1.1780385     1     1       FALSE  0.5        1    NA
20 #F8766D  0.95 1.2526302     1     1       FALSE  0.5        1    NA
21 #00BFC4 -0.95 0.2404232     1     2       FALSE  0.5        1    NA
22 #00BFC4 -0.85 0.2458214     1     2       FALSE  0.5        1    NA
23 #00BFC4 -0.75 0.2610919     1     2       FALSE  0.5        1    NA
24 #00BFC4 -0.65 0.2772833     1     2       FALSE  0.5        1    NA
25 #00BFC4 -0.55 0.3023408     1     2       FALSE  0.5        1    NA
26 #00BFC4 -0.45 0.3307433     1     2       FALSE  0.5        1    NA
27 #00BFC4 -0.35 0.3587650     1     2       FALSE  0.5        1    NA
28 #00BFC4 -0.25 0.3871197     1     2       FALSE  0.5        1    NA
29 #00BFC4 -0.15 0.4165976     1     2       FALSE  0.5        1    NA
30 #00BFC4 -0.05 0.4459193     1     2       FALSE  0.5        1    NA
31 #00BFC4  0.05 0.4716478     1     2       FALSE  0.5        1    NA
32 #00BFC4  0.15 0.4942769     1     2       FALSE  0.5        1    NA
33 #00BFC4  0.25 0.5130827     1     2       FALSE  0.5        1    NA
34 #00BFC4  0.35 0.5299724     1     2       FALSE  0.5        1    NA
35 #00BFC4  0.45 0.5444487     1     2       FALSE  0.5        1    NA
36 #00BFC4  0.55 0.5593016     1     2       FALSE  0.5        1    NA
37 #00BFC4  0.65 0.5774040     1     2       FALSE  0.5        1    NA
38 #00BFC4  0.75 0.5975926     1     2       FALSE  0.5        1    NA
39 #00BFC4  0.85 0.6272819     1     2       FALSE  0.5        1    NA
40 #00BFC4  0.95 0.6637228     1     2       FALSE  0.5        1    NA

这样我们就把颜色调成统一的了。当然也可以更改线和点的颜色，有兴趣的可以尝试一下。

表达式

最后我们修改横纵轴的标题，给图加 title，把 legend 中的 0 和 1 替换为

和

。

这部分很简单，直接贴全部代码：

library(latex2exp)
library(ggplot2)
m_alpha_df <- data.frame(
    loss = matrix(m_alpha, ncol = 1, byrow = T),
    cond = rep(x, times = N)
)
m_beta_df <- data.frame(
    loss = matrix(m_beta, ncol = 1, byrow = T),
    cond = rep(x, times = N)
)
m_median <- data.frame(
    loss = c(apply(m_alpha, 1, median), apply(m_beta, 1, median)),
    cond = rep(u, 2),
    method = factor(rep(c(0, 1), times = 1, each = k), levels = c(0, 1))
)
lab <- c('M$_{alpha}$', 'M$_{beta}$')
lab <- lapply(lab, TeX)
p_compare  <- ggplot(m_median, aes(x = cond, y = loss))
p_compare  <- p_compare  + geom_boxplot(data = m_alpha_df, aes(group = cond),
                            colour = "#F8766D") +
    geom_boxplot(data = m_beta_df, aes(group = cond), colour = "#00BFC4") +
    geom_point(aes(shape = method, color = method), size = 2.5) +
    geom_line(aes(color = method)) +
    scale_colour_discrete(name = "Method",
                        breaks = c("0", "1"),
                        labels = lab) +
    scale_shape_discrete(name = "Method",
                        breaks = c("0", "1"),
                        labels = lab) +
    theme(legend.position = c(0.08, 0.92)) +
    theme(legend.title = element_blank()) +
    theme(panel.grid.major = element_blank()) +
    theme(panel.grid.minor = element_blank()) +
    labs(x = TeX("$x$")) +
    labs(y = "Simulation Loss") +
    ggtitle(TeX("Comparison between M$_{alpha}$ and M$_{beta}$")) +
    theme(plot.title = element_text(hjust = 0.5)) +
    theme(panel.background = element_rect(fill = "white", colour = "black")) +
    theme(legend.background = element_blank()) +
    theme(legend.key = element_rect(fill = "white", colour = "white"))
p_compare

注意： scale_colour_discrete 和 scale_shape_discrete中参数 labels 必须是
list 类型。

到此为止，我已经把做 boxplot 和中位数折线图一步一步给大家分享了，有兴趣的同学在此基础上可以修改，增删代码，若是引用，转载，请用超链接引用本网址，谢谢！