我正在尝试在同一图表中为不同级别的组var定制多个黄土图的外观.我查看了这篇文章,但无法使其发挥作用:

ggplot(iris, aes(x=Sepal.Length, y=Petal.Length, color=Species, linetype=Species)) + 
  stat_smooth(method = "loess")

我想改变每个乐队和乐队的颜色.

如何让ggplot始终对因子使用相同的颜色映射.例如:

library(ggplot)

## Filter for visual simplification
diamonds2 <- diamonds[1:10,]
ggplot(diamonds2, aes(carat, price, color = cut)) + geom_point()

## Now filtering removes some levels of cut
diamonds3 <- diamonds[1:5,]
ggplot(diamonds3, aes(carat, price, color = cut)) + geom_point()

在第一个散点图因子级别中,"Fair"为红色.在第二张图中,因子水平"好"变为红色.我希望保留映射,无论过滤是否删除因子级别,以便"Fair"始终映射为红色等等.

实际上我的ggplot要复杂得多.我的原始因素有11个级别.

MyPalette <- c("#5DD0B9", "#E1E7E9", "#1f78b4", "#a6cee3",  "#de77ae", "#c51b7d", "#8e0152", "#6a3d9a", "#fbdf6f", "#ff7f00", "#fff99")

我在ggplot中提到的

... scale_fill_manual(values = MyPalette, name="") + ...

我需要从 URL 下载一系列 Excel 文件，所有文件如下所示：

http://example.com/orResultsED.cfm?MODE=exED&ED=01&EventId=31\nhttp://example.com/orResultsED.cfm?MODE=exED&ED=02&EventId=31\n...\nhttp://example.com/orResultsED.cfm?MODE=exED&ED=87&EventId=31\n

\xc2\xa0

我在循环内有一些构建块，例如：

for(i in 1:87) {\n    url <- paste0("http://example.com/orResultsED.cfm?MODE=exED&ED=", i, "&EventId=31")\n    file <- paste0("Data/myExcel_", i, ".xlsx")\n    if (!file.exists(file)) download.file(url, file) \n}\n

\xc2\xa0

我的问题：

\n
1. 我需要在seq前面加上 0 （我尝试过sprintf但没有运气）
\n
2. 我还想导入 Excel 文件，跳过前两行并将它们附加到另一行之后（它们也具有相同的列）
\n

\xc2\xa0

更新

@akrun 解决方案效果很好。但事实证明，并非所有 Excel 文件都具有相同的列数：

map(files, ~read.xlsx(.x, \n                         colNames = FALSE,\n                         sheet = 1, \n                         startRow = 4,\n                         )) %>%\n  bind_rows\n\nError in bind_rows_(x, .id) : …

I'd like to expand observations from single row-per-id to multiple rows-per-id based on a given time interval:

> dput(df)
structure(list(id = c(123, 456, 789), gender = c(0, 1, 1), yr.start = c(2005, 
2010, 2000), yr.last = c(2007, 2012, 2000)), .Names = c("id", 
"gender", "yr.start", "yr.last"), class = c("tbl_df", "tbl", 
"data.frame"), row.names = c(NA, -3L))
> df
# A tibble: 3 x 4
     id gender yr.start yr.last
  <dbl>  <dbl>    <dbl>   <dbl>
1   123      0     2005    2007
2   456      1     2010    2012 …