我在书堆里翻来覆去地寻找我的问题的答案; 这个解决了我的问题,但我未能成功修改代码来修复我的图表。
我有数据,以长格式重新整形,如下所示:
ID Var1 GenePosition ContinuousOutcomeVar
1 control X20068492 0.092813611
2 control X20068492 0.001746708
3 case X20068492 0.069251157
4 case X20068492 0.003639304
每个
ID
每个位置都有一个 ContinuousOutcomeVar
值,共有 86 个位置和 10 个 ID。我想绘制一个折线图,其中 x 轴为位置,y 轴为连续结果变量。我想要两组:病例组和对照组,因此每个位置应该有两个点:一个是病例的平均值,一个是对照的平均值。然后我想要一条连接外壳的线和一条连接控件的线。我知道这很简单,但我是 R 新手 - 我已经研究了 8 个小时,但还不能完全正确。以下是我所拥有的;我真的很感激一些见解。如果这存在于堆栈中的某个地方,我真的很抱歉......我老实说,我仔细查看并尝试修改很多代码,但仍然没有得到正确的结果。
我的代码: 此代码绘制每个位置处所有 ID 的所有值,并将它们连接到两个组。它在每个位置所有 10 个值的平均值处给了我一个黑点(我认为):
lineplot <- ggplot(data=seq.long, aes(x=Position, y=PMethyl,
group=CACO, colour=CACO)) +
stat_summary (fun.y=mean, geom="point", aes(group=1), color="black") +
geom_line() + geom_point()
我无法让 R 不绘制所有 10 个点;每个位置只有两个平均值(每个病例/对照组一个),病例和对照的值分别通过 x 轴上的一条线连接。
首先,调整原始样本数据以包含多个唯一的
GenePosition
。
dput(seq.long)
structure(list(ID = 1:8, Var1 = structure(c(2L, 2L, 1L, 1L, 2L,
2L, 1L, 1L), .Label = c("case", "control"), class = "factor"),
GenePosition = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L
), .Label = c("X20068492", "X20068493"), class = "factor"),
ContinuousOutcomeVar = c(0.092813611, 0.001746708, 0.069251157,
0.003639304, 0.112813611, 0.002746708, 0.089251157, 0.004639304
)), .Names = c("ID", "Var1", "GenePosition", "ContinuousOutcomeVar"
), class = "data.frame", row.names = c(NA, -8L))
如果您只想为每个
GenePosition
和 Var1
组合表示一个值,那么在绘图之前计算平均值会更容易。这可以通过库 ddply()
中的函数 plyr
来实现。
library(plyr)
seq.long.sum<-ddply(seq.long,.(Var1,GenePosition),
summarize, value = mean(ContinuousOutcomeVar))
seq.long.sum
Var1 GenePosition value
1 case X20068492 0.03644523
2 case X20068493 0.04694523
3 control X20068492 0.04728016
4 control X20068493 0.05778016
现在有了这个新的数据框,您只需给出
x
和 y
值。 Var1
应在colour=
和group=
中使用,以确保每组颜色不同且线条相连。
ggplot(seq.long.sum,aes(x=GenePosition,y=value,colour=Var1,group=Var1))+
geom_point()+geom_line()
您只需使用以下代码即可:
ggplot(data,aes(x=GenePosition,y=ContinuousOutcomeVar,color=Var1))+
stat_summary(geom = 'point')+
stat_summary(geom = 'line')