在line.color是加权函数的情况下制作成对绘图？

我有一些治疗前后的数据，想看看配对数据，所以我转向

ggpaired

。我能够让它与我的数据一起正常工作。（我模拟了一些与我正在使用的数据相似的数据，以便其他人可以随意处理。）

这将生成图像：

这很好，但我有很多值，比如说，前处理值为2，后处理值为1，你不能用线的颜色真实地想象它。在谷歌搜索时，我发现，我想这不是我所需要的。我不知道用什么方式来表达这个问题，并不断地寻找网络边缘线宽的结果

基本上，我想做的是：如果我有11个从3到2的观察值，我希望从3到2的线比，比如说，从1到0的线更暗，它只有3个观察值，有点像我在绘画中做的这个非常快速的模型：

---

我希望可以使用

line.color

（或者使用

line.weight

？）实现类似的功能，并通过权重（或者更具体地说，计数的数量）为线条着色，但我不是R的最佳选择（而且对它来说是新手），因此，如果有任何帮助，我将不胜感激，因为我不知道如何开始做类似的事情，我在谷歌上搜索的关于这个主题的一切似乎都与网络图有关。

你想要什么当然是可能的，但使用

ggpaired

可能不是最直接的方法（免责声明：我不太使用ggpubr包。）

ggplot2

基本上是一个包裹在底层

ggplot2

包函数周围的包。如果您想更改操作方式，那么在底层函数中进行更改是一种干净的方法。（如果你打算在将来使用R，那么深入学习黄铜大头钉也是一个很好的学习方法。）

下面是我如何做的，从原始数据帧开始

df.t

：

library(dplyr)

df.t %>%
  mutate(pair.order = rep(seq(1, n()/2), times = 2)) %>% # add new column to keep track of pairs
  tidyr::pivot_longer(cols = A:P, names_to = "facet") %>% # convert data to long form so all 
                                                          # values are captured in one variable
  ggplot(aes(x = V, y = value, fill = V)) +
  geom_boxplot() +  
  geom_line(data = . %>%                             # further data manipulation for line layer
              tidyr::pivot_wider(names_from = V) %>% # arrange values in pairs
              count(facet, D, F) %>%                 # & aggregate them for each treatment
              mutate(n = cut(n, breaks = c(0, 5, 10, Inf),
                             labels = c("n \u2264 5", "6 < n \u2264 10", "n > 10"))) %>%
              mutate(line.group = seq(1, n())) %>%   # add grouping identifier for line
              tidyr::pivot_longer(cols = D:F, names_to = "V"),  # return to long form
            aes(group = line.group, 
                colour = forcats::fct_rev(n)), # reverse category order for count
            size = 2) +                        # increase line size for easier comparison
  
  facet_wrap(~facet,     # split into 4 plot facets, one for each treatment
             labeller = labeller(facet = function(x) paste("Paired boxplot of", x, "ratings"))) +
  scale_x_discrete(labels = c("draft", "final")) +
  labs(y = "rating", colour = "Number of\ncounts") +
  ggsci::scale_fill_jco(guide = FALSE) + # not showing legend since it's the same as x-axis
  scale_colour_grey() +
  theme_pubr() +
  theme(legend.position = "right",
        axis.title.x = element_blank())

库（dplyr）
df.t%>%
mutate（pair.order=rep（seq（1，n（）/2），times=2））%>%#添加新列以跟踪对
tidyr:：pivot_longer（cols=A:P，names_to=“facet”）%>%#将数据转换为长格式，以便所有
#值被捕获到一个变量中
ggplot（aes（x=V，y=value，fill=V））+
geom_箱线图（）+
geom_线（数据=.%>%#线层的进一步数据操作
tidyr:：pivot_更宽（name_from=V）%>%#成对排列值
计数（刻面、D、F）%>%#并为每种处理将其聚合
突变（n=cut（n，breaks=c（0，5，10，Inf），
标签=c（“n\u2264 5”、“610”））%%>
mutate（line.group=seq（1，n（））%>%#为行添加分组标识符
tidyr:：pivot_longer（cols=D:F，name_to=“V”），#返回到long形式
aes（组=line.group，
颜色=猫：：fct#U版本（n）），与计数的类别顺序相反
大小=2）+增加行大小以便于比较
面_包裹（~facet，#分为4个绘图面，每个处理一个
贴标机=贴标机（刻面=功能（x）粘贴（“x、评级的成对箱线图”））+
比例x离散（标签=c（“草稿”、“最终”））+
实验室（y=“评级”，color=“数量”）+
ggsci:：scale_fill_jco（guide=FALSE）+#不显示图例，因为它与x轴相同
比例\颜色\灰色（）+
主题_pubr（）+
主题（legend.position=“right”，
axis.title.x=元素_blank（））

---

您想要什么当然是可能的，但是使用

ggpaired

可能不是最简单的方法（免责声明：我不太使用ggpubr包。）

ggplot2

基本上是一个包裹在底层

ggplot2

包函数周围的包。如果您想更改操作方式，那么在底层函数中进行更改是一种干净的方法。（如果你打算在将来使用R，那么深入学习黄铜大头钉也是一个很好的学习方法。）

下面是我如何做的，从原始数据帧开始

df.t

：

library(dplyr)

df.t %>%
  mutate(pair.order = rep(seq(1, n()/2), times = 2)) %>% # add new column to keep track of pairs
  tidyr::pivot_longer(cols = A:P, names_to = "facet") %>% # convert data to long form so all 
                                                          # values are captured in one variable
  ggplot(aes(x = V, y = value, fill = V)) +
  geom_boxplot() +  
  geom_line(data = . %>%                             # further data manipulation for line layer
              tidyr::pivot_wider(names_from = V) %>% # arrange values in pairs
              count(facet, D, F) %>%                 # & aggregate them for each treatment
              mutate(n = cut(n, breaks = c(0, 5, 10, Inf),
                             labels = c("n \u2264 5", "6 < n \u2264 10", "n > 10"))) %>%
              mutate(line.group = seq(1, n())) %>%   # add grouping identifier for line
              tidyr::pivot_longer(cols = D:F, names_to = "V"),  # return to long form
            aes(group = line.group, 
                colour = forcats::fct_rev(n)), # reverse category order for count
            size = 2) +                        # increase line size for easier comparison
  
  facet_wrap(~facet,     # split into 4 plot facets, one for each treatment
             labeller = labeller(facet = function(x) paste("Paired boxplot of", x, "ratings"))) +
  scale_x_discrete(labels = c("draft", "final")) +
  labs(y = "rating", colour = "Number of\ncounts") +
  ggsci::scale_fill_jco(guide = FALSE) + # not showing legend since it's the same as x-axis
  scale_colour_grey() +
  theme_pubr() +
  theme(legend.position = "right",
        axis.title.x = element_blank())

库（dplyr）
df.t%>%
mutate（pair.order=rep（seq（1，n（）/2），times=2））%>%#添加新列以跟踪对
tidyr:：pivot_longer（cols=A:P，names_to=“facet”）%>%#将数据转换为长格式，以便所有
#值被捕获到一个变量中
ggplot（aes（x=V，y=value，fill=V））+
geom_箱线图（）+
geom_线（数据=.%>%#线层的进一步数据操作
tidyr:：pivot_更宽（name_from=V）%>%#成对排列值
计数（刻面、D、F）%>%#并为每种处理将其聚合
突变（n=cut（n，breaks=c（0，5，10，Inf），
标签=c（“n\u2264 5”、“610”））%%>
mutate（line.group=seq（1，n（））%>%#为行添加分组标识符
tidyr:：pivot_longer（cols=D:F，name_to=“V”），#返回到long形式
aes（组=line.group，
颜色=猫：：fct#U版本（n）），与计数的类别顺序相反
大小=2）+增加行大小以便于比较
面_包裹（~facet，#分为4个绘图面，每个处理一个
贴标机=贴标机（刻面=功能（x）粘贴（“x、评级的成对箱线图”））+
比例x离散（标签=c（“草稿”、“最终”））+
实验室（y=“评级”，color=“数量”）+
ggsci:：scale_fill_jco（guide=FALSE）+#不显示图例，因为它与x轴相同
比例\颜色\灰色(
library(dplyr)

df.t %>%
  mutate(pair.order = rep(seq(1, n()/2), times = 2)) %>% # add new column to keep track of pairs
  tidyr::pivot_longer(cols = A:P, names_to = "facet") %>% # convert data to long form so all 
                                                          # values are captured in one variable
  ggplot(aes(x = V, y = value, fill = V)) +
  geom_boxplot() +  
  geom_line(data = . %>%                             # further data manipulation for line layer
              tidyr::pivot_wider(names_from = V) %>% # arrange values in pairs
              count(facet, D, F) %>%                 # & aggregate them for each treatment
              mutate(n = cut(n, breaks = c(0, 5, 10, Inf),
                             labels = c("n \u2264 5", "6 < n \u2264 10", "n > 10"))) %>%
              mutate(line.group = seq(1, n())) %>%   # add grouping identifier for line
              tidyr::pivot_longer(cols = D:F, names_to = "V"),  # return to long form
            aes(group = line.group, 
                colour = forcats::fct_rev(n)), # reverse category order for count
            size = 2) +                        # increase line size for easier comparison
  
  facet_wrap(~facet,     # split into 4 plot facets, one for each treatment
             labeller = labeller(facet = function(x) paste("Paired boxplot of", x, "ratings"))) +
  scale_x_discrete(labels = c("draft", "final")) +
  labs(y = "rating", colour = "Number of\ncounts") +
  ggsci::scale_fill_jco(guide = FALSE) + # not showing legend since it's the same as x-axis
  scale_colour_grey() +
  theme_pubr() +
  theme(legend.position = "right",
        axis.title.x = element_blank())