如何连接条形图，就像 geom_密度_ridges 对直方图所做的那样

Question

我在 R 中创建绘图时遇到麻烦。如果我有类似的数据

我想创建：

x 轴为萼片长度、萼片宽度、花瓣宽度、花瓣长度，y 轴为不同物种，高度为值。并根据 y 轴用不同的颜色填充每个条形图。

谢谢你！

到目前为止，我已经尝试过：

iris_mean <- aggregate(iris[,1:4], by=list(Species=iris$Species), FUN=mean) 
library(reshape2)
df_mean <- melt(iris_mean, id.vars=c("Species"), variable.name = "Samples", 
  value.name="Values")

ggplot(df_mean,aes(Samples,Values))+
geom_bar(aes(fill=Species),stat="identity")+
  facet_grid(Species~.,scale='free',space='free')+theme(panel.margin = unit(0.1, "lines"))


ggplot(df_mean,aes(x=Samples,y=Species,height =Values))+
  geom_density_ridges2(aes(fill=Species),stat='identity',
                       scale=1.5,
                       alpha=0.1,
                       lty = 1.1)

Answer 1

你的多面情节走在正确的轨道上。正如我在评论中所说，您试图显示值的分布，而不是值的平均值。您可以手动设置分隔符并计算要在 a 中显示的计数geom_bar，但这很容易变得非常复杂，特别是因为不同类型的度量具有不同的比例。我建议只使用简单的直方图。我使用gather而不是melt制作长数据\xe2\x80\x94，这只是偏好。

\n\n

除了您所拥有的之外，问题还在于 1. 使用发行版，2. 巧妙地利用主题。如果移动小面标签，旋转左侧条带，取出条带背景，并删除面板之间的垂直间距，您基本上就得到了山脊图。我不太熟悉ggridges，但我猜它会做类似的事情。从这里，您可以调整您认为合适的方式。

\n\n\n\n

library(tidyverse)\n\niris_long <- as_tibble(iris) %>%\n  gather(key = measure, value = value, -Species)\n\nggplot(iris_long, aes(x = value, fill = Species)) +\n  # geom_density_ridges() +\n  geom_histogram(show.legend = F) +\n  scale_y_continuous(breaks = NULL) +\n  labs(x = "Measure", y = "Species") +\n  facet_grid(Species ~ measure, scales = "free", switch = "both") +\n  theme(strip.background = element_blank(), strip.text.y = element_text(angle = 180), \n        strip.placement = "outside", panel.spacing.y = unit(0, "cm"))\n#> `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.\n

\n\n

\n\n

由reprex 包(v0.2.0) 于 2018-07-19 创建。

\n