R将ggplot对象指定给循环中的列表

我正在使用

for循环

将ggplot分配给

列表

，然后将其传递给

plot\u grid（）

（包

cowplot

）<代码>绘图网格将多个GGPlot并排放置在一个图形中。手动操作效果很好，但当我将

用于循环

时，生成的最后一个绘图将在图形的每个子帧中重复（如下所示）。换句话说，所有子帧显示相同的ggplot

以下是一个玩具示例：

require(cowplot)

dfrm <- data.frame(A=1:10, B=10:1)

v <- c("A","B")
dfmsize <- nrow(dfrm)
myplots <- vector("list",2)

count = 1
for(i in v){
    myplots[[count]] <- ggplot(dfrm, aes(x=1:dfmsize, y=dfrm[,i])) + geom_point() + labs(y=i)
    count = count +1
}
plot_grid(plotlist=myplots)

但我得到了同样的结果

---

我认为问题在于循环赋值，而不是

plot\u grid（）

，但我看不出我做错了什么。

我认为

ggplot

会因为在

dfrm

中查找

x

和

y

变量而变得混乱，即使您实际上正在动态定义它们。如果您稍微更改

for

循环，以构建一个新的子

data.frame

作为第一行，它就可以正常工作

myplots <- list()
count = 1

for(i in v){
    df <- data.frame(x = 1:dfmsize, y = dfrm[,i])
    myplots[[count]] <- ggplot(df, aes(x=x, y=y)) + geom_point() + labs(y=i)
    count = count + 1
}
plot_grid(plotlist=myplots)

---

myplots对于ggplot2的延迟计算和[this answer]中的for循环，有一个很好的解释（

对于这种情况，我通常切换到
aes\u string
或
aes\u
，这样我就可以在ggplot2中将变量用作字符串

我发现
lappy
循环比
for
循环更容易，因为可以避免初始化列表和使用计数器

首先，我将x变量添加到数据集中

dfrm$index = 1:nrow(dfrm)

现在，
lappy
循环，循环通过
v
中的列

myplots = lapply(v, function(x) {
    ggplot(dfrm, aes_string(x = "index", y = x)) + 
        geom_point() +
        labs(y = x)
})

plot_grid(plotlist = myplots)

我认为这里的问题是，对
aes
方法的非标准评估会延迟评估
I
，直到实际绘制出绘图。绘制时，
I
是最后一个值（在玩具示例“B”中）因此，所有绘图的
y
美学映射引用最后一个值。同时，
labs
调用使用标准评估，因此标签正确引用循环中
i
的每个迭代

只需使用映射函数的标准求值版本，
aes\u q
，即可解决此问题：

require(cowplot)

dfrm <- data.frame(A=1:10, B=10:1)

v <- c("A","B")
dfmsize <- nrow(dfrm)
myplots <- vector("list",2)

count = 1
for(i in v){
    myplots[[count]] <- ggplot(dfrm, aes_q(x=1:dfmsize, y=dfrm[,i])) + geom_point() + labs(y=i)
    count = count +1
}
plot_grid(plotlist=myplots)

require（整流罩图）
dfrm到目前为止，答案非常接近，但在我看来并不令人满意。问题是以下问题-在您的
for
循环之后：

myplots[[1]]$mapping
#* x -> 1:dfmsize
#* y -> dfrm[, i]
myplots[[1]]$plot_env
#<environment: R_GlobalEnv>

myplots[[2]]$mapping
#* x -> 1:dfmsize
#* y -> dfrm[, i]
myplots[[2]]$plot_env
#<environment: R_GlobalEnv>

i
#[1] "B"

myplots[[1]]$mapping
#* x -> 1:dfmsize
#* y -> dfrm[, col]
myplots[[1]]$plot_env
#<environment: 0x000000000bc27b58>

myplots[[2]]$mapping
#* x -> 1:dfmsize
#* y -> dfrm[, col]
myplots[[2]]$plot_env
#<environment: 0x000000000af2ef40>

eval(quote(dfrm[, col]), env = myplots[[1]]$plot_env)
#[1]  1  2  3  4  5  6  7  8  9 10
eval(quote(dfrm[, col]), env = myplots[[2]]$plot_env)
#[1] 10  9  8  7  6  5  4  3  2  1

之所以这样做，是因为环境对于
lappy
循环中的每个值都是不同的：

myplots[[1]]$mapping
#* x -> 1:dfmsize
#* y -> dfrm[, i]
myplots[[1]]$plot_env
#<environment: R_GlobalEnv>

myplots[[2]]$mapping
#* x -> 1:dfmsize
#* y -> dfrm[, i]
myplots[[2]]$plot_env
#<environment: R_GlobalEnv>

i
#[1] "B"

myplots[[1]]$mapping
#* x -> 1:dfmsize
#* y -> dfrm[, col]
myplots[[1]]$plot_env
#<environment: 0x000000000bc27b58>

myplots[[2]]$mapping
#* x -> 1:dfmsize
#* y -> dfrm[, col]
myplots[[2]]$plot_env
#<environment: 0x000000000af2ef40>

eval(quote(dfrm[, col]), env = myplots[[1]]$plot_env)
#[1]  1  2  3  4  5  6  7  8  9 10
eval(quote(dfrm[, col]), env = myplots[[2]]$plot_env)
#[1] 10  9  8  7  6  5  4  3  2  1

详细介绍了ggplot2惰性评估的一些本质。我喜欢你明确提到NSE。在将绘图分配给列表之前，还可以通过在循环中实际打印绘图来验证NSE，这实际上给出了正确的输出（不同于在循环运行后打印）。我将eddi标记为最佳答案，因为通过映射，然后显示循环的每个迭代，
plot_env
，可以清楚地看到发生了什么。@jrandall:我没有意识到aes执行非标准评估，正如您所提到的，这就是为什么最好使用
aes_q.对其他人提到的
lapply`作为f的替代或循环。@eddi我试图说服
ggplot
在
for
循环期间，当我最终检查存储在绘图列表中的所有绘图时，遵守绘图生成时的变量值。您对此有何建议？
ls(myplots[[1]]$plot_env)
#[1] "col"