r - 用线图覆盖箱线图

Question

我有一些虚假数据，代表不同用户回答在线调查的回答时间。数据集包含三个变量:受访者的 id(用户)、问题名称(问题)和每个问题的回答时间(时间)。

n <- 1000
dat <- data.frame(user = 1:n, 
                  question = sample(paste("q", 1:4, sep = ""), size = n, replace = TRUE),
                  time = round(rnorm(n, mean = 10, sd=4), 0)
                  )

pltSingleRespondent <- function(df, highlightUsers){
  dat %>%
    ggplot(aes(x = question, y = time)) + 
    geom_boxplot(fill = 'orange') + coord_flip() +
    ggtitle("Answering time per question")
}


pltSingleRespondent(dat, c(1, 31) )

我正在创建一个函数，绘制一个箱线图，其中包含每个问题的回答时间。但是，现在我想将该图与特定受访者(highlightUsers)的回答时间重叠。下图显示了一个示例:

有人可以解释一下我该怎么做吗？

Answer 1

我认为最直接的方法是在对 geom_line 的调用中对数据进行子集化。

我将从一组不同的随机数据开始，因为问题中的示例数据并不包含用户的所有问题。

set.seed(2021)
dat <- expand.grid(user = factor(1:50), question = paste0("q", 1:4))
dat$time <- round(rnorm(200, mean = 10, sd = 4), 0)

dat %>%
  ggplot(aes(x = question, y = time)) + 
  geom_boxplot(fill = 'orange') + coord_flip() +
  ggtitle("Answering time per question") +
  geom_line(aes(color = user, group = user), size = 2,
            data = ~ subset(., user %in% c(1L, 34L)))

您可以根据需要对其进行功能化。如果您使用 dplyr，则可以使用 dplyr::filter 代替 subset，无需进行任何其他更改。

此外，我选择了 factor(user)，因为否则 ggplot2 倾向于认为其数据是连续的(对于 color=user) 。您可以选择使用或不使用它，尽管您可能需要更多的争论才能使其离散。