R 绘制2x2x2时间序列的原始值和预测值

这是我的数据样本

library(tidyr)
library(dplyr)
library(ggplot2)

resource <- c("good","good","bad","bad","good","good","bad","bad","good","good","bad","bad","good","good","bad","bad")

fertilizer <- c("none", "nitrogen","none","nitrogen","none", "nitrogen","none","nitrogen","none", "nitrogen","none","nitrogen","none", "nitrogen","none","nitrogen")

t0 <-  sample(1:20, 16)
t1 <-  sample(1:20, 16) 
t2 <-  sample(1:20, 16)
t3 <-  sample(1:20, 16)
t4 <-  sample(1:20, 16)
t5 <-  sample(1:20, 16)
t6 <-  sample(10:100, 16)
t7 <-  sample(10:100, 16)
t8 <-  sample(10:100, 16)
t9 <-  sample(10:100, 16)
t10 <-  sample(10:100, 16)

replicates <- c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16)

data <- data.frame(resource, fertilizer,replicates, t0,t1,t2,t3,t4,t5,t6,t7,t8,t9,t10)

data$resource <- as.factor(data$resource)
data$fertilizer <- as.factor(data$fertilizer)

data.melt <- data %>% ungroup %>% gather(time, value, -replicates, -resource, -fertilizer)

data.melt$predict <- sample(1:200, 176)

使用这个简单的代码，我仍然只能得到2个图形，而不是4个。此外，未绘制预测函数的平均值。我不知道如何将

值

和

预测值

以及相应的置信区间一起绘制

---

如果有人也能在一个图上展示所有四种处理方法的效果，如果我能将其应用到切面（如上所述）

我建议的解决方案是创建第二个data.frame，其中包含所有汇总统计数据，如平均预测值。我展示了一种通过

dplyr

包中的

groupby

和

summary

实现这一点的方法。摘要数据需要有与主数据匹配的列

资源

、

肥料

和

时间

。摘要数据也有附加

y

值的列

然后，主数据和摘要数据需要分别提供给相应的ggplot函数，但不能在main

ggplot（）调用中提供
facet_grid
可用于将数据拆分为四个图

# Convert time to factor, specifying correct order of time points.
data.melt$time = factor(data.melt$time, levels=paste("t", seq(0, 10), sep=""))

# Create an auxilliary data.frame containing summary data.
# I've used standard deviation as place-holder for confidence intervals;
# I'll let you calculate those on your own.
summary_dat = data.melt %>%
              group_by(resource, fertilizer, time) %>%
              summarise(mean_predicted=mean(predict),
                        upper_ci=mean(predict) + sd(predict),
                        lower_ci=mean(predict) - sd(predict))

p = ggplot() + 
    theme_bw() +
    geom_errorbar(data=summary_dat, aes(x=time, ymax=upper_ci, ymin=lower_ci),
                  width=0.3, size=0.7, colour="tomato") + 
    geom_point(data=data.melt, aes(x=time, y=value),
               size=1.6, colour="grey20", alpha=0.5) +
    geom_point(data=summary_dat, aes(x=time, y=mean_predicted),
               size=3, shape=21, fill="tomato", colour="grey20") +
    facet_grid(resource ~ fertilizer)

ggsave("plot.png", plot=p, height=4, width=6.5, units="in", dpi=150)

在进行否决投票之前，请告诉我问题出在哪里？不是否决投票人，而是一个你希望它看起来像什么的例子会有所帮助。即使是手绘的，也只是为了让回答者确信他们在帮忙。我已经尽力解释了。这有帮助吗？我稍微编辑了您的代码，将
data$nutrition
更改为
data$resource
。如果不正确，请重新更改或拒绝编辑。谢谢。这看起来不错，如果我不想用肥料来刻面，而是用不同的颜色来着色，我怎么能做到这一点呢？现在，在两个geompoints函数中的aes之后，我添加了color=infection added。无论哪里有西红柿，我都添加了c（“西红柿”，“蓝色”），并更改了facet_网格（参考资料~），但我在绘图上没有任何区别。facet_网格一直作为错误弹出在示例数据中没有名为
infection
的列。此外，为因子级别指定颜色与ggplot中的工作方式不同；我使用“西红柿”的例子是设置静态颜色。关于使用颜色而不是刻面来区分不同等级的肥料的问题，请查看这是否有助于开始：
ggplot（）+geom_point（data=data.melt，aes（x=time，y=value，group=fulture），position=position_dodge（width=0.5））+geom_errorbar（数据=汇总数据，aes（x=时间，ymax=上限ci，ymin=下限ci，组=肥料，颜色=肥料），位置=位置减淡（宽度=0.5），宽度=0.5）+几何点（数据=汇总数据，aes（x=时间，y=预测平均值，组=肥料，颜色=肥料），大小=3，位置=位置减淡（宽度=0.5）+面网格（资源~）
（1）很抱歉，评论（2）中的拼写错误帮了大忙。谢谢！
# Convert time to factor, specifying correct order of time points.
data.melt$time = factor(data.melt$time, levels=paste("t", seq(0, 10), sep=""))

# Create an auxilliary data.frame containing summary data.
# I've used standard deviation as place-holder for confidence intervals;
# I'll let you calculate those on your own.
summary_dat = data.melt %>%
              group_by(resource, fertilizer, time) %>%
              summarise(mean_predicted=mean(predict),
                        upper_ci=mean(predict) + sd(predict),
                        lower_ci=mean(predict) - sd(predict))

p = ggplot() + 
    theme_bw() +
    geom_errorbar(data=summary_dat, aes(x=time, ymax=upper_ci, ymin=lower_ci),
                  width=0.3, size=0.7, colour="tomato") + 
    geom_point(data=data.melt, aes(x=time, y=value),
               size=1.6, colour="grey20", alpha=0.5) +
    geom_point(data=summary_dat, aes(x=time, y=mean_predicted),
               size=3, shape=21, fill="tomato", colour="grey20") +
    facet_grid(resource ~ fertilizer)

ggsave("plot.png", plot=p, height=4, width=6.5, units="in", dpi=150)