只是想後的你正在試圖做的,看看是否有可能爲你工作,以及什麼GGPLOT2版本。
我還展示了一個適用於每個方面內多個類的線的示例(取決於您正在進行的分析的複雜程度)。
首先安裝GGPLOT2如果你沒有它已經:
# install.packages('ggplot2')
library(ggplot2)
這裏我使用的是內置的虹膜數據集只設置了一些虛擬數據。我基本上試圖模擬有19個不同的數據集。
set.seed(1776)
samples <- list()
num_datasets <- 19
datasets <- list(num_datasets)
# dynamically create some samples
for(i in 1:num_datasets) {
samples[[i]] <- sample(1:nrow(iris), 20)
}
# dynamically assign to many data sets (keep only 2 numeric columns)
for(i in 1:num_datasets) {
datasets[[i]] <- cbind(iris[samples[[i]], c('Petal.Length', 'Petal.Width', 'Species')], dataset_id = i)
# assign(paste0("dataset_", i), iris[samples[[i]], c('Petal.Length', 'Petal.Width')])
}
do.call
是有點棘手,但它需要兩個參數,一個函數,參數列表適用於該功能。因此,我在我的datasets
對象(它是數據集列表)中的所有不同數據集上使用rbind()
。
combined_data <- do.call(rbind, datasets)
第一個圖是顯示數據的一個大散點圖。
# all data
ggplot(data=combined_data, aes(x=Petal.Length, y=Petal.Width)) +
geom_point(alpha = 0.2) +
ggtitle("All data")
接下來是19個單獨的「方面」的情節都在相同的規模和在同一個圖形窗口。面與最佳擬合線
# all data faceted by dataset_id
ggplot(data=combined_data, aes(x=Petal.Length, y=Petal.Width)) +
geom_point(alpha = 0.5) +
ggtitle("All data faceted by dataset") +
facet_wrap(~ dataset_id) +
geom_smooth(method='lm', se = F)
情節最後,數據方面再次繪製的,而是由鳶尾花的品種有色和每個物種都有自己最適合的路線。與類別
內最適合的方面的
# all data faceted by dataset_id
ggplot(data=combined_data, aes(x=Petal.Length, y=Petal.Width, color = Species)) +
geom_point(alpha = 0.5) +
ggtitle("All data faceted by dataset with best fit lines per species") +
facet_wrap(~ dataset_id) +
geom_smooth(method='lm', se = F)
情節我看到你所提到的,你有你自己的預先計算最佳擬合線,但是我覺得這個概念可能讓你更接近你需要呢?
乾杯!