多个模型上面板变量的双结果点图（R 中的点阵图）

Question

我正在尝试在几个类别的两个变量（匹配、不匹配）上生成点图，如下所示。以下代码大致完成了我想要的操作（使用虚拟数据）：

library(lattice)

# Generate dummy data that resembles my real data
dp0 <- data.frame(expand.grid(covariate=c("var1","var2"), semester=1:5,
                              treatment=LETTERS[1:3]), matched=runif(30),
                              unmatched=runif(30))

# Plot matched and unmatched (percentages) by several semester-level covariates
# across several treatments (models):
dotplot(semester ~ matched + unmatched | treatment + covariate, data=dp0)

它产生以下内容：

列标签 A、B 和 C 都很好（不需要跨行复制，也不需要可怕的桃色，但可以接受），但行标签（var2、var1）的重要性不如列标签。我设想的东西看起来像这样：

       |    A    |    B    |    C    |
var1:  |                             |
.... 1 | x  o    |   o   x |  ox     |
.... 2 |   ox    | x  o    |  o    x |
.... 3 |o     x  |     o  x| x o     |
.... 4 | x     o | x o     |  o  x   |
.... 5 |   o x   |     x o |    ox   |
       |         |         |         |
var2:...

例如，我试图扰乱团体，但这没有帮助。该图是正确的，只是它的显示方式具有误导性（换句话说，这是显示问题，而不是数据问题）。为了实现这一目标，我应该寻找哪些概念？任何想法表示赞赏。

基于@JPC答案的最终图表：

ma <- c("Unmatched", "Matched")
ma <- factor(ma, levels=ma, ordered=TRUE)
ggplot(dp0, aes(y=semester)) + geom_point(aes(x=unmatched, shape=ma[1], color=ma[1])) +
    geom_point(aes(x=matched, shape=ma[2], color=ma[2])) + facet_grid(covariate~treatment) +
    xlim(-1, 1) + labs(x=NULL,y=NULL) + scale_shape_discrete(name="") +
    scale_colour_discrete(name="", guide="legend") + theme(legend.position="bottom")

Answer 1

rjturn，我意识到你正在尝试用lattice来做到这一点，但我想我会分享ggplot2版本。我发现 ggplot2 确实更漂亮，更容易理解，因为有层的底层逻辑。

qplot(x=matched+unmatched, y=semester,data=dp0)+facet_grid(covariate~treatment)

您可能还想查看

reshape

库，它与

ggplot2

结合使用非常有用。请参阅下面的图形代码的简化。

library(reshape2)
flatdp0<-melt(data=dp0,id=c("covariate","semester","treatment"))

qplot(data=flatdp0,x=value, y=semester,color=variable, shape=variable)+
  facet_grid(covariate ~ treatment)+labs(color="",shape="",x="",y="")+
  theme(legend.position="bottom",axis.text.x=element_text(angle=90))

Answer 2

虽然这是一个较晚的答案，但它可能会帮助那些仍在使用

lattice

的人，并且它解决了已接受答案中的

qplot()

现已弃用的事实，以 鼓励用户学习

ggplot()

，因为它使创建更容易复杂的图形。我发现

ggplot

然后

ggplot2

的进化比我希望的要频繁。我用它来完成一些任务，但在投入时间学习

trellis

然后学习

lattice

之后，我发现

lattice

仍然相当有用。此外，最新版本的

lattice

使用比“可怕的桃色”更柔和的配色方案！

  library(latticeExtra) # need this support package
  obj <- dotplot(semester ~ matched + unmatched | treatment + covariate, dp0,
    scales = list(x = list(alternating = FALSE, tck = c(0.5, 0), rot = 90)))
  useOuterStrips(obj)