r - 如何将单独的coord_cartesian()应用于 "zoom in"到facet_grid()的各个面板中？

Question

受Q Finding the elbow/knee in a curve的启发，我开始玩smooth.spline()。

特别是，我想可视化参数df(自由度)如何影响近似值以及一阶和二阶导数。请注意，此Q值不是近似值，而是ggplot2可视化中的特定问题(或边缘情况)。

第一次尝试:简单的facet_grid()

library(ggplot2)
ggplot(ap, aes(x, y)) +
  geom_point(data = dp, alpha = 0.2) +
  geom_line() + 
  facet_grid(deriv ~ df, scales = "free_y", labeller = label_both) + 
  theme_bw()

dp是一个data.table，包含要寻找其近似值的数据点， ap是一个data.table，其中包含近似数据和导数(数据在下面给出)。

对于每一行， facet_grid()和 scales = "free_y"已选择一个显示所有数据的标度。不幸的是，一个面板具有某种“离群值”，这使得很难在其他面板中看到细节。所以，我想“放大”。

使用 coord_cartesian()“放大”

ggplot(ap, aes(x, y)) +
  geom_point(data = dp, alpha = 0.2) +
  geom_line() + 
  facet_grid(deriv ~ df, scales = "free_y", labeller = label_both) + 
  theme_bw() +
  coord_cartesian(ylim = c(-200, 50))

使用手动选择的范围，第3行的面板中的更多详细信息将变得可见。但是，该限制已应用于网格的所有面板。因此，在第1行中，几乎无法区分细节。

我正在寻找的是一种将带有特定参数的coord_cartesian()分别应用于网格的每个单独面板(或一组面板，例如按行)的方法。例如，之后是否可以操作ggplot对象？

解决方法:将单独的图与 cowplot合并

解决方法是，我们可以创建三个单独的图，然后使用 cowplot包将它们组合起来:

g0 <- ggplot(ap[deriv == 0], aes(x, y)) +
  geom_point(data = dp, alpha = 0.2) +
  geom_line() + 
  facet_grid(deriv ~ df, scales = "free_y", labeller = label_both) + 
  theme_bw()

g1 <- ggplot(ap[deriv == 1], aes(x, y)) +
  geom_line() + 
  facet_grid(deriv ~ df, scales = "free_y", labeller = label_both) + 
  theme_bw() +
  coord_cartesian(ylim = c(-50, 50))

g2 <- ggplot(ap[deriv == 2], aes(x, y)) +
  geom_line() + 
  facet_grid(deriv ~ df, scales = "free_y", labeller = label_both) + 
  theme_bw() +
  coord_cartesian(ylim = c(-200, 100))

cowplot::plot_grid(g0, g1, g2, ncol = 1, align = "v")

不幸的是，这种解决方案

需要编写代码来创建三个单独的图

复制 strip 和轴，并添加空白，这些空白不可用于显示数据。

facet_wrap()是否可以替代？

我们可以使用 facet_wrap()代替 facet_grid():

ggplot(ap, aes(x, y)) +
  # geom_point(data = dp, alpha = 0.2) + # this line causes error message
  geom_line() + 
  facet_wrap(~ deriv + df, scales = "free_y", labeller = label_both, nrow = 3) + 
  theme_bw()

现在，每个面板的y轴都按比例缩放，以显示某些面板的详细信息。不幸的是，我们仍然无法“放大”右下角的面板，因为使用 coord_cartesian()会影响所有面板。

另外，线

geom_point(data = dp, alpha = 0.2)

奇怪的原因

Error in gList(list(x = 0.5, y = 0.5, width = 1, height = 1, just = "centre", : only 'grobs' allowed in "gList"

我不得不对此行进行注释，因此不会显示要近似的数据点。

数据

library(data.table)
# data points
dp <- data.table(
  x = c(6.6260, 6.6234, 6.6206, 6.6008, 6.5568, 6.4953, 6.4441, 6.2186,
        6.0942, 5.8833, 5.7020, 5.4361, 5.0501, 4.7440, 4.1598, 3.9318,
        3.4479, 3.3462, 3.1080, 2.8468, 2.3365, 2.1574, 1.8990, 1.5644,
        1.3072, 1.1579, 0.95783, 0.82376, 0.67734, 0.34578, 0.27116, 0.058285),
  y = 1:32,
  deriv = 0)
# approximated data points and derivatives
ap <- rbindlist(
  lapply(seq(2, length(dp$x), length.out = 4),
         function(df) {
           rbindlist(
             lapply(0:2, 
                    function(deriv) {
                      result <- as.data.table(
                        predict(smooth.spline(dp$x, dp$y, df = df), deriv = deriv))
                      result[, c("df", "deriv") := list(df, deriv)]
                    })
           )
         })
)  

Answer 1

答案很晚，但是以下hack只是发生在我身上。它适用于您的用例吗？

步骤1 。创建预期图的替代版本，限制y值的范围，以便scales = "free_y"为每个构面行提供所需的比例范围。还要创建具有完整数据范围的预期构面图:

library(ggplot2)
library(dplyr)

# alternate plot version with truncated data range
p.alt <- ap %>%
  group_by(deriv) %>%
  mutate(upper = quantile(y, 0.75),
         lower = quantile(y, 0.25),
         IQR.multiplier = (upper - lower) * 10) %>%
  ungroup() %>%
  mutate(is.outlier = y < lower - IQR.multiplier | y > upper + IQR.multiplier) %>%
  mutate(y = ifelse(is.outlier, NA, y)) %>%

  ggplot(aes(x, y)) +
  geom_point(data = dp, alpha = 0.2) +
  geom_line() + 
  facet_grid(deriv ~ df, scales = "free_y", labeller = label_both) + 
  theme_bw()

# intended plot version with full data range
p <- p.alt %+% ap

步骤2 。使用 ggplot_build()生成两个ggplot对象的绘图数据。将alt版本的面板参数应用到预期版本:

p <- ggplot_build(p)
p.alt <- ggplot_build(p.alt)

p$layout$panel_params <- p.alt$layout$panel_params
rm(p.alt)

步骤3 。从修改后的绘图数据构建所需的绘图，并绘图结果:

p <- ggplot_gtable(p)

grid::grid.draw(p)

注意:在此示例中，我通过将每个构面行中距上/下四分位数超过10 * IQR的所有值都设置为NA来截断数据范围。可以用定义异常值的任何其他逻辑来代替。