- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试使用 ggplot、geom_poitrange 绘制图形。我有两组,每组有两个点和相应的错误值。我使用的代码如下:
group<-c("A","A","B","B")
val<-c(1.3,1.4, 1.2,1.5)
SD<-c(0.3,0.8,0.6,0.5)
RX<-c("X","Z","X","Z")
a<-data.frame(group,val,SD,RX)
ggplot(data=a)+
geom_pointrange(aes(x=RX, y=val, ymin=(val-SD), ymax=(val + SD),
group=group, color=group, position_dodge(width=4)), size=1.5)
geom_pointrange(aes(x=RX, y=val, ymin=(val-SD), ymax=(val + SD),
group=group, color=group, position_dodge(width=1)), size=1.5)
geom_pointrange(aes(x=RX, y=val, ymin=(val-SD), ymax=(val + SD),
group=group, color=group, position="dodge"), size=1.5)
最佳答案
OP 提供了两种可能的解决方案。第一个解决方案使用 position_dodge()
功能,这是接近的。问题是它在参数列表中的位置错误(不是因为宽度太大)。
明确指定 position = position_dodge(width = 1)
后 aes()
ggplot(data=a) +
geom_pointrange(aes(x=RX, y=val, ymin=(val-SD), max=(val + SD),
group=group, color=group),
position = position_dodge(width = 1), size=1.5)
?geom_pointrange()
,您会看到位置在映射、数据和统计之后。如上所示,这里最简单的事情是明确的。否则,您将收到如下错误或警告:
Warning: Ignoring unknown aesthetics
Error: `data` must be a data frame, or other object coercible by `fortify()`, not an S3 object with class PositionDodge/Position/ggproto/gg
position="dodge"
?
Warning message:
Width not defined. Set with `position_dodge(width = ?)`
width
这些对象所固有的。线条没有宽度,因此您需要明确指定应该发生多少闪避。
关于r - 将 position_dodge 与 geom_pointrange 一起使用,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43956574/
我正在生成效果大小和相关置信区间的数字,例如: 使用 ggplot2 的 geom_pointrange。我希望第二条点线是透明的,但透明度不是相加的(即只是一种纯色,而不是通过点显示为较暗的线)。
我修改了我在此 Google 群组帖子中找到的代码:"Annotations to display significant differences"最初由“Tom W”撰写 此代码生成以下点范围图:
我正在尝试使用 ggplot、geom_poitrange 绘制图形。我有两组,每组有两个点和相应的错误值。我使用的代码如下: group<-c("A","A","B","B") va
使用 ggplot 的 geom_pointrange() 函数,如何分别改变点的大小和线的粗细? 例子: # make test data df <- data.frame(y=10, ymin=1
我正在尝试生成一个图表,其中包含来自多个国家/地区的相同回归的估计值和置信区间。我使用 dplyr 运行回归的 group_by(country) ,然后我用 broom 将所有结果聚合到一个数据框中
所以我知道解决这个问题的更好方法是使用 stat_summary()函数,但这是为了解决 Hadley 的 R for Data Science 书中提出的一个问题,主要是为了我自己的好奇心。它询问如
我是一名优秀的程序员,十分优秀!