r - 使用 gridExtra 和 annotation_custom() 向 ggplot 添加表格会更改 y 轴限制

Question

我尝试在我用 ggplot2::ggplot() 创建的图中添加一个小汇总表。 .该表是通过 gridExtra::tableGrob() 添加的到保存的 ggplot 对象。

我的问题是这似乎改变了我原来的情节的 y 限制。
有没有办法避免这种情况，而不必通过 ylim() 再次指定限制？ ?

以下是使用 ChickWeight 数据集的问题的最小示例:

# load packages
require(ggplot2)
require(gridExtra)

# create plot
plot1 = ggplot(data = ChickWeight, aes(x = Time, y = weight, color = Diet)) +
        stat_summary(fun.data = "mean_cl_boot", size = 1, alpha = .5) 
plot1
# create table to add to the plot
sum_table = aggregate(ChickWeight$weight, 
                      by=list(ChickWeight$Diet), 
                      FUN = mean)
names(sum_table) = c('Diet', 'Mean')
sum_table = tableGrob(sum_table)

# insert table into plot
plot1 + annotation_custom(sum_table)

编辑:
我刚刚发现这似乎是 stat_summary() 的问题。 .当我使用另一个 geom/layer 时，限制保持在原始图中。另一个例子:

plot2 = ggplot(data = ChickWeight, aes(x = Time, y = weight, color = Diet)) +
        geom_jitter() 
plot2
plot2 + annotation_custom(sum_table)

Answer 1

plot1 的 y 范围与 plot2 不同，原因是 annotation_custom从原始的美学中汲取灵感 aes语句，而不是 stat_summary() 使用的修改后的数据框.要使两个图的 y 范围相同(或大致相同 - 见下文)，请停止 annotation_custom从原始数据中获取其美学。即移动aes()内stat_summary() .

# load packages
require(ggplot2)
require(gridExtra)

# create plot
plot1 = ggplot(data = ChickWeight) +
        stat_summary(aes(x = Time, y = weight, color = Diet), fun.data = "mean_cl_boot", size = 1, alpha = .5) 
plot1

# create table to add to the plot
sum_table = aggregate(ChickWeight$weight, 
                      by=list(ChickWeight$Diet), 
                      FUN = mean)
names(sum_table) = c('Diet', 'Mean')
sum_table = tableGrob(sum_table)

# insert table into plot
plot2 = plot1 + annotation_custom(sum_table, xmin = 10, xmax = 10, ymin = 200, ymax = 200) 
plot2

顺便说一下，这两个图不会给出完全相同的 y 范围的原因是因为 stat_summary() 中的 bootstrap 函数.事实上，重复绘制 p1，您可能会注意到 y 范围的细微变化。或者检查构建数据中的 y 范围。

编辑 更新到 ggplot2 ver 3.0.0

ggplot_build(plot1)$layout$panel_params[[1]]$y.range
ggplot_build(plot2)$layout$panel_params[[1]]$y.range

回想一下 ggplot 在绘制时间之前不会评估函数 - 每次绘制 p1 或 p2 时，都会选择一个新的引导样本。