r - 如何处理ggplot2和离散轴上的重叠标签

Question

ggplot2似乎没有内置的方法来处理scatter plots上的文本的过度绘图。但是，在另一种情况下，标签是离散轴上的标签，我想知道这里的人是否有比我以前做的更好的解决方案。

一些示例代码:

library(ggplot2)

#some example data
test.data = data.frame(text = c("A full commitment's what I'm thinking of",
                                "History quickly crashing through your veins",
                                "And I take A deep breath and I get real high",
                                "And again, the Internet is not something that you just dump something on. It's not a big truck."),
                       mean = c(3.5, 3, 5, 4),
                       CI.lower = c(4, 3.5, 5.5, 4.5),
                       CI.upper = c(3, 2.5, 4.5, 3.5))

#plot
ggplot(test.data, aes_string(x = "text", y = "mean")) +
  geom_point(stat="identity") +
  geom_errorbar(aes(ymax = CI.upper, ymin = CI.lower), width = .1) +
  scale_x_discrete(labels = test.data$text, name = "")

因此，我们看到x轴标签彼此重叠。有两种解决方案:1)缩写标签，以及2)在标签上添加换行符。在许多情况下(1)可以，但在某些情况下则无法做到。因此，我编写了一个函数，用于在字符串中每第n个字符添加换行符( \n)，以避免名称重叠:

library(ggplot2)

#Inserts newlines into strings every N interval
new_lines_adder = function(test.string, interval){
  #length of str
  string.length = nchar(test.string)
  #split by N char intervals
  split.starts = seq(1,string.length,interval)
  split.ends = c(split.starts[-1]-1,nchar(test.string))
  #split it
  test.string = substring(test.string, split.starts, split.ends)
  #put it back together with newlines
  test.string = paste0(test.string,collapse = "\n")
  return(test.string)
}

#a user-level wrapper that also works on character vectors, data.frames, matrices and factors
add_newlines = function(x, interval) {
  if (class(x) == "data.frame" | class(x) == "matrix" | class(x) == "factor") {
    x = as.vector(x)
  }

  if (length(x) == 1) {
    return(new_lines_adder(x, interval))
  } else {
    t = sapply(x, FUN = new_lines_adder, interval = interval) #apply splitter to each
    names(t) = NULL #remove names
    return(t)
  }
}

#plot again
ggplot(test.data, aes_string(x = "text", y = "mean")) +
  geom_point(stat="identity") +
  geom_errorbar(aes(ymax = CI.upper, ymin = CI.lower), width = .1) +
  scale_x_discrete(labels = add_newlines(test.data$text, 20), name = "")

输出为:

这样一来，您就可以花一些时间来处理间隔大小，以避免标签之间的空白过多。

如果标签的数量不同，则这种解决方案就不太理想，因为最佳间隔大小会发生变化。另外，由于普通字体不是等宽字体，因此标签文本也会对宽度产生影响，因此在选择合适的间隔时必须格外小心(可以通过使用等宽字体来避免这种情况) ，但它们特别宽)。最后， new_lines_adder()函数很愚蠢，它将以人类无法做到的愚蠢方式将单词分为两部分。例如。在上面，它将“呼吸”分为“br\nreath”。可以重新编写它以避免此问题。

也可以减小字体大小，但这是在可读性上的一种折衷，通常不必减小字体大小。

处理此类标签过度绘图的最佳方法是什么？

Answer 1

我试图将不同版本的new_lines_adder放在一起:

new_lines_adder = function(test.string, interval) {
   #split at spaces
   string.split = strsplit(test.string," ")[[1]]
   # get length of snippets, add one for space
   lens <- nchar(string.split) + 1
   # now the trick: split the text into lines with
   # length of at most interval + 1 (including the spaces)
   lines <- cumsum(lens) %/% (interval + 1)
   # construct the lines
   test.lines <- tapply(string.split,lines,function(line)
      paste0(paste(line,collapse=" "),"\n"),simplify = TRUE)
   # put everything into a single string
   result <- paste(test.lines,collapse="")
   return(result)
}

它仅在空格处分割行，并确保这些行最多包含 interval给定的字符数。这样，您的情节如下所示:

我不会声称这是最好的方法。它仍然忽略并非所有字符都具有相同的宽度。也许可以使用 strwidth达到更好的效果。

顺便说一句:您可以将 add_newlines简化为以下内容:

add_newlines = function(x, interval) {

   # make sure, x is a character array   
   x = as.character(x)
   # apply splitter to each
   t = sapply(x, FUN = new_lines_adder, interval = interval,USE.NAMES=FALSE)
   return(t)
}

首先， as.character确保您具有一个字符串。如果您已经有一个字符串，那么这样做也没有什么害处，因此不需要 if子句。

同样，下一个 if子句也是不必要的:如果x仅包含一个元素，则sapply可以完美地工作。而且，您可以通过设置 USE.NAMES=FALSE来隐藏名称，这样您就无需在其他行中删除名称。