ggplot2（9） 数据操作

9.1 plyr包简介

ddply {plyr}: Split data frame, apply function, and return results in a data frame.

ddply(.data, .variables, .fun = NULL, ..., .progress = "none", .inform = FALSE, .drop = TRUE, .parallel = FALSE, .paropts = NULL)

• .data：用来作图的数据。
• .variables：对数据取子集的分组变量，形式是 .(var1, var2) ，为了与图形保持一致，该变量必须包含所有在画图过程中用到的分组变量和分面变量。
• .fun：要在各个子集上运行的统计汇总函数。
• .inform：产生信息丰富的错误消息?这在默认情况下是关闭的，因为它大大降低了处理速度，但是对于调试非常有用。

# 选取各个颜色里最小的钻石
ddply(diamonds, .(color), subset, carat == min(carat))
# 选取最小的两颗钻石
ddply(diamonds, .(color), subset, order(carat) <= 2)
# 选取每组里大小为前1%的钻石
ddply(diamonds, .(color), subset, carat > quantile(carat, 0.99))
# 选出所有比组平均值大的钻石
ddply(diamonds, .(color), subset, price > mean(price))

transform {base}: Transform an Object, for Example a Data Frame.

transform(`_data`, ...)

transform()是进行数据变换的函数，与ddply()结合可以计算分组统计量。

# 把每个颜色组里钻石的价格标准化，使其均值为0，方差为1
ddply(diamonds, .(color), transform, price = scale(price))

colwise {plyr}: Column-wise function.

colwise用来向量化一个函数，能把原本只接受向量输入的函数变成可以接受数据框输入的函数。

要注意colwise返回的是一个新的函数，而不是函数运行的结果。

下面例子中nmissing()计算向量里缺失值的数目，用colwise()向量化后，可以应用到数据框，计算数据框中各列的缺失值数目。

nmissing <- function(x) sum(is.na(x))

nmissing_df <- colwise(nmissing)
nmissing_df(msleep)

# This is shorthand for the previous two steps
colwise(nmissing)(msleep)

 

numcolwise()和catcolwise()是colwise()的特殊版本，功能类似，但numcolwise()只对数值类型的列操作，catcolwise()只对分类类型的列操作。

我们也可以编写编写的函数，只要他能够接受、输出数据框就可以。下面的例子计算价格和克拉的秩相关关系。

my_summary <- function(df) {
    with(df, data.frame(pc_cor = cor(price, carat, method = "spearman"), lpc_cor = cor(log(price), 
        log(carat))))
}
ddply(diamonds, .(cut), my_summary)

ddply(diamonds, .(color), my_summary)

拟合多个模型：

dense <- subset(diamonds, carat < 2)
qplot(carat, price, data = dense, geom = "smooth", colour = color, fullrange = TRUE)

library(mgcv)
library(plyr)
smooth <- function(df) {
    mod <- gam(price ~ s(carat, bs = "cs"), data = df)
    grid <- data.frame(carat = seq(0.2, 2, length = 50))
    pred <- predict(mod, grid, se = T)
    grid$price <- pred$fit
    grid$se <- pred$se.fit
    grid
}
smoothes <- ddply(dense, .(color), smooth)
qplot(carat, price, data = smoothes, colour = color, geom = "line")
qplot(carat, price, data = smoothes, colour = color, geom = "smooth", ymax = price + 
    2 * se, ymin = price - 2 * se)

9.2 数据化“宽”为“长”

melt {reshape2}: Convert an object into a molten data frame.

melt(data, ..., na.rm = FALSE, value.name = "value")

• data：待变形的原数据；
• id.vars：依旧放在列上、位置保持不变的变量；
• measure.vars：需要被放进同一列的变量。

示例：

https://www.cnblogs.com/dingdangsunny/p/12482067.html#_label3

多重时间序列：

emp <- melt(economics, id = "date", measure = c("unemploy", "uempmed"))
qplot(date, value, data = emp, geom = "line") + facet_grid(variable ~ ., scales = "free_y")

ggplot2不允许绘制带有两个不同坐标轴的图，因为这样的图具有误导性。可以使用自由标度的分面图形表达有量级差的变量。

总结