将堆栈和闪避与 ggplot2 中的条形图相结合

Question

我试图在没有可怕的 3d 条形图和不清晰的 x 轴的情况下重新创建这个图（这些是不同的时间点，很难说它们是什么时候）。

（来自 Science 291, no. 5513 (2001): 2606-8，否则是一篇好论文。）

我的第一直觉是做一些类似于他们所做的事情，使用 2d 条形图和不同的 x 轴标签，对基因型使用躲避条，然后堆叠条以在前面的条上获得黑白分割，但还有其他一些好的这里的问题说你不能这样做。

我的下一个方法是使用分面（下面的代码），它工作得相当好，但我很想看到一种更好的方法来做到这一点。有没有办法堆叠一些变量并避免其他变量？或者只是一个更好的方法来做到这一点？

编辑：为了澄清，我认为显示堆叠条形的总数（在这种情况下为 m 和 n，最初为黑色和白色）很重要，因为这代表一个测量数量，然后拆分是一个单独的测量。

library(tidyverse)
library(cowplot)

data = tribble(
  ~Timepoint, ~`Ancestral genotype`, ~Mutator, ~`Mean % of auxotrophs`,
  100, 'mutS-', 'o', 10.5,
  150, 'mutS-', 'o', 16,
  220, 'mutS-', 'o', NA,
  300, 'mutS-', 'o', 24.5,
  100, 'mutS+', 'n', 1,
  150, 'mutS+', 'n', NA,
  220, 'mutS+', 'n', 1,
  300, 'mutS+', 'n', 1,
  100, 'mutS+', 'm', 0,
  150, 'mutS+', 'm', NA,
  220, 'mutS+', 'm', 2,
  300, 'mutS+', 'm', 5
)

data <- data %>% mutate(Timepoint = as.character(Timepoint))

data %>% ggplot(aes(x = Timepoint, y = `Mean % of auxotrophs`)) +
  geom_col(aes(fill = Mutator), position = 'stack') + facet_grid(~`Ancestral genotype` ) +
  guides(fill=FALSE)

Answer 1

在我看来，线图在这里更直观：

 library(forcats)

 data %>% 
   filter(!is.na(`Mean % of auxotrophs`)) %>%
   ggplot(aes(x = Timepoint, y = `Mean % of auxotrophs`, 
              color = fct_relevel(Mutator, c("o","m","n")), linetype=`Ancestral genotype`)) +
   geom_line() +
   geom_point(size=4) + 
   labs(linetype="Ancestral\ngenotype", colour="Mutator")

回应您的评论：这是一种单独堆叠Ancestral genotype然后躲避每一对的黑客方法。mutS-我们分别为和绘制堆叠条形图mutS+，并通过向相反方向移动Timepoint少量来手动躲避条形图。将条设置width为等于移动量的两倍将导致条对相互接触。我添加了少量的额外移位（5.5 而不是 5），以在每对中的两个条之间创建微小的空间。

 ggplot() +
   geom_col(data=data %>% filter(`Ancestral genotype`=="mutS+"),
            aes(x = Timepoint + 5.5, y = `Mean % of auxotrophs`, fill=Mutator),
            width=10, colour="grey40", size=0.4) + 
   geom_col(data=data %>% filter(`Ancestral genotype`=="mutS-"),
            aes(x = Timepoint - 5.5, y = `Mean % of auxotrophs`, fill=Mutator), 
            width=10, colour="grey40", size=0.4) + 
   scale_fill_discrete(drop=FALSE) +
   scale_y_continuous(limits=c(0,26), expand=c(0,0)) +
   labs(x="Timepoint")

注意：在上面的两个示例中，我保留了Timepoint数字变量（即，我跳过了将其转换为字符的步骤），以确保 x 轴以时间单位计价，而不是转换它到分类轴。3D 绘图令人厌恶，不仅因为 3D 视角造成的失真，还因为它产生了每次测量都由相同时间间隔分隔的假象。