r - 如何在没有数据的类别上强制执行ggplot的position_dodge？

Question

我试图在ggplot上使用position_dodge来获得两个共享相同类别(cat)的不同信号(ind)的箱线图。如果存在一个类别的数据用于一个信号，而另一类别的数据则没有，则带有数据的信号的箱线图将覆盖所有水平间距，并且不遵循该特定类别的position_dodge指令。有没有办法使ggplot强制执行规避规则？在下面的示例中可以看到，信号x没有类别B的数据，因此它丢失了position_dodge保留的空间。我想避免这种情况。

提前致谢。

data<-data.frame(cat=c('A','A','A','A','B','B','A','A','A','A','B','B'), 
                 values=c(3,2,1,4,NA,NA,4,5,6,7,8,9), 
                 ind=c('x','x','x','x','x','x','y','y','y','y','y','y'))

print(ggplot() +
        scale_colour_hue(guide='none') +
      geom_boxplot(
           aes(x=as.factor(cat), y=values, 
               fill=ind), 
           position=position_dodge(width=.60), 
           data=data,
           outlier.size = 1.2,
           na.rm=T))

进度更新

经过一些解决方法后，我想出了我想要的结果...(有点)

data            <- data.frame(
cat=c('A','A','A','A','B','B','A','A','A','A','B','B','B'), 
values=c(3,2,1,4,NA,NA,4,5,6,7,8,9, 0), 
ind=c('x','x','x','x','x','x','y','y','y','y','y','y','x'))

p  <- ggplot() +
      scale_colour_hue(guide='none') +
      geom_boxplot(aes(x=as.factor(cat), y=values, fill=ind),
      position=position_dodge(width=.60), 
      data=data,
      outlier.size = 1.2,
      na.rm=T) +
      geom_line(aes(x=x, y=y), 
                data=data.frame(x=c(0,3),y=rep(0,2)), 
                size = 1, 
                col='white')
print(p)

有些人建议使用刻面来达到我想要的效果。刻面并不能给我想要的效果。我正在寻找的最终图形如下所示:

如果您注意到，y = 10处的白色大刻度线比其他刻度线要厚。较粗的线是geom_line，其大小为1，可隐藏不需要的箱形图。

我希望我们可以更无缝地组合不同的几何对象。我在Hadley的github上将其报告为bug，但是Hadley表示，这是position_dodge的设计行为。我想我以一种非标准的方式使用ggplot2，解决方法是解决此类问题的方法。无论如何，我希望这可以帮助R的一些人进一步 push ggplot的强大功能。

Answer 1

B的x没有值，因此您可以添加“B”，0，“x”，这基本上表示B的x没有“值”的分布。中位数和其他百分位数均为零。

 data<-data.frame(cat=c('A','A','A','A','B','B','A','A','A','A','B','B','B'), 
             values=c(3,2,1,4,NA,NA,4,5,6,7,8,9,0), 
             ind=c('x','x','x','x','x','x','y','y','y','y','y','y','x'))

另外，您不必在此处添加位置参数，因为当您将x作为一个因素时，ggplot-geom_boxplot会自动避开侧面。

print(ggplot() +
  scale_colour_hue(guide='none') +
  geom_boxplot(aes(x=as.factor(cat), y=values, fill=ind), 
  data=data,
  outlier.size = 1.2,
  na.rm=T))