R 在循环中动态命名变量以创建30个GGPLOT

我有一个包含30列的数据框，我想基于这些列创建30个（gg）图。通过ggplot创建绘图时，必须创建一个变量，将绘图的所有信息添加到该变量中

有没有办法在for循环中创建30个这样的变量名（这样我就不必在本地创建和存储它们）

在前面的代码中，我重复了以下步骤30次：

在前面的代码中，我有以下内容：

a1 = ggplot(data = results_round_one,
            aes(results_round_one$`R-0,01`)) 
a1 = a1 + geom_histogram()
a1 = a1 + xlim(0.46, 0.55)
a1 = a1 + geom_vline(xintercept= mean(results_round_one$`R-0,01`),
                     col = 'blue')
a1 = a1 + geom_vline(xintercept = max(results_round_one$`R-0,01`),
                     col = 'red')
a1= a1 + labs(y = 'Frequency', 
              x= 'Validated accuracy', 
              title = 'Optimizer = RMSProp', 
              subtitle = 'Learning rate = 0.01')

---

但是，由于我只需要更改aes和标签，我认为我也应该能够在for循环中执行此过程。

您可以应用直方图函数：

getImage <- function(col){
  a1 = ggplot(data = results_round_one,
              aes(results_round_one[, col])) +
  geom_histogram() + 
  xlim(0.46, 0.55) +
  geom_vline(xintercept= mean(results_round_one[, col]),
                       col = 'blue') +
  labs(y = 'Frequency', 
                x= 'Validated accuracy', 
                title = 'Optimizer = RMSProp', 
                subtitle = 'Learning rate = 0.01')
  return(a1)
}

---

这将生成不同的图。

在缺少一些示例数据的情况下，下面是一些代码，可以循环通过

iris

列，创建密度图：

library(purrr)
library(dplyr)

df <- iris %>%
  select(Sepal.Length:Petal.Width)

df %>% 
  map2(names(df), ~ .x %>% 
         as.data.frame %>% 
         set_names(.y) %>% 
         ggplot(aes_string(.y)) + geom_density() + ggtitle(.y))

---

你能为你的想法提供一个简单的例子吗？在你的例子中变量（

a1

）而且频繁的重新分配根本没有必要，实际上有点混乱。此外，使用

aes

会产生微妙的次优结果。最好将

aes\u字符串

与列名称一起使用。我建议使用

@see-king\u of_knowledge绝对没有理由使用e> @KonradRudolph，是的，我很想听到一个合理的动机，为什么赋值运算符比等式符号好。@KonradRudolph，我同意在这种情况下，它不会有什么区别，除了一致性之外，实际上是无关紧要的。但是，可以找到细微的区别
library(purrr)
library(dplyr)

df <- iris %>%
  select(Sepal.Length:Petal.Width)

df %>% 
  map2(names(df), ~ .x %>% 
         as.data.frame %>% 
         set_names(.y) %>% 
         ggplot(aes_string(.y)) + geom_density() + ggtitle(.y))

results_round_one %>% 
  map2(names(results_round_one), ~ .x %>% 
         as.data.frame %>% 
         set_names(.y) %>% 
         ggplot(aes_string(.y)) +
           geom_histogram() +
           xlim(0.46, 0.55) +
           geom_vline(xintercept = mean(.x), col = 'blue') +
           geom_vline(xintercept = max(.x), col = 'red') +
           labs(y = 'Frequency', 
               x= 'Validated accuracy',
               title = 'Optimizer = RMSProp', 
               subtitle = 'Learning rate = 0.01'))