ggplot2的多個時間序列

Question

我需要爲工作制作一些圖，並且我一直在學習使用ggplot2，但我無法弄清楚如何讓它與我使用的數據集一起工作。我不能在這裏發佈我的實際數據，但可以給出一個簡短的例子。我有兩個主要的數據框;一個包含各公司的季度總收入，另一個包含每個公司內各個部門的季度收入。例如：

Quarter, CompA, CompB, CompC... 
2011.0, 1, 2, 3... 
2011.25, 2, 3, 4... 
2011.5, 3, 4, 5... 
2011.75, 4, 5, 6... 
2012.0, 5, 6, 7... 

和

Quarter, CompA_Footwear, CompA_Apparel, CompB_Wholesale... 
2011.0, 1, 2, 3... 
2011.25, 2, 3, 4... 
2011.5, 3, 4, 5... 
2011.75, 4, 5, 6... 
2012.0, 5, 6, 7... 

我已經在第一個表通過每個公司建設循環和使用select（）來獲取所有列在第二個表，所以腳本對於這個問題，忘記其他公司，並假定第一個表只是CompA，第二個表是CompA的所有不同部分。

我想要做的是爲每個細分市場創建一個線條圖，該線圖既包含公司總收入，又包含隨時間變化的細分市場收入。像this就是它的樣子。理想情況下，我希望能夠使用facet_wrap（）或其他方法來一次爲每個分段創建所有不同的圖形，但這不是絕對必要的。爲了澄清，每個圖表應該只有兩行：整個公司和一個特定的細分市場。

我很好，不必以任何必要的方式重組我的數據。有誰知道我可以如何讓這個工作？

Answer 1

我認爲下面應該工作。請注意，您需要圍繞公平的位移動數據。

# Load packages 
library(dplyr) 
library(ggplot2) 
library(reshape2) 
library(tidyr) 

做一個可重複的數據集：

# Create companies 
# Could pull this from column names in your data 
companies <- paste0("Comp",LETTERS[1:4]) 

set.seed(12345) 

sepData <- 
    lapply(companies, function(thisComp){ 
    nDiv <- sample(3:6,1) 
    temp <- 
     sapply(1:nDiv,function(idx){ 
     round(rnorm(24, rnorm(1,100,25), 6)) 
     }) %>% 
     as.data.frame() %>% 
     setNames(paste(thisComp,sample(letters,nDiv), sep = "_")) 
    }) %>% 
    bind_cols() 

sepData$Quarter <- 
    rep(2010:2015 
     , each = 4) + 
    (0:3)/4 

meltedSep <- 
    melt(sepData, id.vars = "Quarter" 
     , value.name = "Revenue") %>% 
    separate(variable 
      , c("Company","Division") 
      , sep = "_") %>% 
    mutate(Division = factor(Division 
          , levels = c(sort(unique(Division)) 
             , "Total"))) 

fullCompany <- 
    meltedSep %>% 
    group_by(Company, Quarter) %>% 
    summarise(Revenue = sum(Revenue)) %>% 
    mutate(Division = factor("Total" 
          , levels = levels(meltedSep$Division))) 

你說你想情節是在這裏。請注意，您需要設置Divison = NULL防止總無法顯示在自己的小了起來：

theme_set(theme_minimal()) 

catch <- lapply(companies, function(thisCompany){ 
    tempPlot <- 
    meltedSep %>% 
    filter(Company == thisCompany) %>% 
    ggplot(aes(y = Revenue 
       , x = Quarter)) + 
    geom_line(aes(col = "Division")) + 
    facet_wrap(~Division) + 
    geom_line(aes(col = "Total") 
       , fullCompany %>% 
       filter(Company == thisCompany) %>% 
       mutate(Division = NULL) 
      ) + 
    ggtitle(thisCompany) + 
    scale_color_manual(values = c(Division = "darkblue" 
            , Total = "green3")) 
    print(tempPlot) 
}) 

輸出的例子：然而

注意的是，這看起來有點可怕。 「總計」和任何一個部門之間的差異總是很大。相反，你可能只想繪製一個陰謀所有部門：

allData <- 
    bind_rows(meltedSep, fullCompany) 

catch <- lapply(companies, function(thisCompany){ 
    tempPlot <- 
    allData %>% 
    filter(Company == thisCompany) %>% 
    ggplot(aes(y = Revenue 
       , x = Quarter 
       , col = Division)) + 
    geom_line() + 
    ggtitle(thisCompany) 
    # I would add manual colors here, assigned so that, e.g. "Clothes" is always the same 
    print(tempPlot) 
}) 

例子：

總之間的區別和各自仍然很大，但至少你可以比較分歧。

如果這是我的作品，我可能會做兩個情節。一個與每家公司（刻面），每個部門和一個與總計：

meltedSep %>% 
    ggplot(aes(y = Revenue 
      , x = Quarter 
      , col = Division)) + 
    geom_line() + 
    facet_wrap(~Company) 

fullCompany %>% 
    ggplot(aes(y = Revenue 
      , x = Quarter 
      , col = Company)) + 
    geom_line() 

Answer 2

還有其他兩種方式我能想到它使用facet_wrap()這樣做是更加裸露的骨頭：

• 使用annotate()在ggplot2（簡單的方法）
• 每家公司加倍您的數據幀（還是比較簡單的，只是更容易出錯）

無論哪種方式，我們將重新創建你的兩個數據幀，以便我們能夠重現你的榜樣：

首先創建 「總公司收入」 的數據幀：

Quarter <- seq(2011, 2012, by = .25) 
CompA <- as.integer(runif(5, 5, 15)) 
CompB <- as.integer(runif(5, 6, 16)) 
CompC <- as.integer(runif(5, 7, 17)) 
df1 <- data.frame(Quarter, CompA, CompB, CompC) 

接着，公司A的 「段收入」 的數據幀：

CompA_Footwear <- as.integer(runif(5, 0, 5)) 
CompA_Apparel <- as.integer(runif(5,1 , 6)) 
CompA_Wholesale <- as.integer(runif(5, 2, 7)) 
df2 <- data.frame(Quarter, CompA_Footwear, CompA_Apparel, CompA_Wholesale) 

現在，我們將從reshape2

require(reshape2) 
melt.df1 <- melt(df1, id = "Quarter") 
melt.df2 <- melt(df2, id = "Quarter") 
df <- rbind(melt.df1, melt.df2) 

重新arrage你的數據有什麼東西更容易識別使用melt()ggplot2我們大多是準備現在圖表。例如起見，我只專注於「A公司」

---

---

使用annotate()

子集的數據，使其只包含「段收入」爲公司A

CompA.df2 <- df[grep("CompA_", df$variable),] 

這假定您的所有細分收入均以「CompA_ *」開頭。您必須根據您的數據進行分組。

現在劇情：

require(ggplot2) 
ggplot(data = CompA.df2, aes(x = Quarter, y = value, 
          group = variable, colour = variable)) + 
    geom_line() + 
    geom_point() + 
    theme(axis.text.x = element_text(angle = 90, hjust = 1)) + 
    facet_wrap(~variable) + # Facets by segment 
    # Next, adds the total revenue data as an annotation 
    annotate(geom = "line", x = Quarter, y = df1$CompA) + 
    annotate(geom = "point", x = Quarter, y = df1$CompA) 

基本上，我們只是註釋與公司A的線和點，從我們原來的「總收入的公司」數據幀圖中的主要缺點是這種缺乏一個傳奇。

第二種方法會產生一個傳奇的所有值

---

---

複製數據

方式facet_wrap（）的作品，我們需要定義相同的面每個面上每個預期繪製線的變量。因此，我們將爲每個「細分收入」級別複製我們的總收入，並將這些對中的每個分組在一起。

使用與上述相同的數據幀，我們要分開了整個公司收入和公司的分部收入

CompA.df1 <- df[which(df$variable == "CompA"),] # Total Company A Revenue 
CompA.df2 <- droplevels(df[grep("CompA_", df$variable),]) # Segment Revenue of Company A 

現在重複根據如何對A公司的總收入數據幀多層次的，我們有針對「分部收入」

rep.CompA.df1 <- CompA.df1[rep(seq_len(nrow(CompA.df1)), nlevels(CompA.df2$variable)), ] 

這可能是容易出錯，如果你有NA's或NaN's

現在合併重複的數據框，並添加一個facet變量（facet.var在這裏）將它們組合在一起。

CompA.df3 <- rbind(rep.CompA.df1, CompA.df2) 
CompA.df3$facet.var <- rep(CompA.df2$variable,2) 

現在您已準備好繪製圖表。您仍然可以定義group = variable，但這次我們將設置facet_wrap()到新創建的facet.var

require(ggplot2) 
ggplot(data = CompA.df3, aes(x = Quarter, y = value, 
          group = variable, colour = variable)) + 
    geom_line() + 
    geom_point() + 
    theme(axis.text.x = element_text(angle = 90, hjust = 1)) + 
    facet_wrap(~facet.var) 

正如你所看到的，我們現在有我們的「總收入」加到傳說：

這個情節真的很漂亮