R ggplot通过分组变量进行动态计算

我经常想知道，您是否可以让

ggplot

通过绘图的面组以类似于使用

dplyr:：group_by

的方式进行动态计算。因此，在下面的示例中，是否可以计算每个不同类别的累计和，而不是在不改变

df

的情况下计算总累计和

library(ggplot2)

df <- data.frame(X = rep(1:20,2), Y = runif(40), category = rep(c("A","B"), each = 20))

ggplot(df, aes(x = X, y = cumsum(Y), colour = category))+geom_line()

---

编辑：（回答@42-评论）我主要是出于好奇问这是否可行，而不是因为替代方案不起作用。我还认为，如果我根据不同的列或在不同的数据集中对不同的变量进行求和（或其他类似的计算），而不是不断地分组、变异然后绘图，那么我的代码会更整洁。我可以编写一个函数来为我做这件事，但我认为这可能是我缺少的内置功能（ggplot帮助没有深入到真正的细节）

我已将

stat\u apply\u group（）

和

stat\u apply\u panel（）

添加到我的包“ggpmisc”的开发版本中。由于上一次更新刚刚被接受，因此需要一段时间才能将此更新发送到CRAN

目前，应该从Bitbucket安装“ggpmisc”，以获得新的统计数据

devtools::install_bitbucket("aphalo/ggpmisc", ref = "no-debug")

这就解决了问题：

library(ggplot2)
library(ggpmisc)
set.seed(123456)
df <- data.frame(X = rep(1:20,2),
                 Y = runif(40),
                 category = rep(c("A","B"), each = 20))
ggplot(df, aes(x = X, y = Y, colour = category)) +
  stat_apply_group(.fun.y = cumsum)

库（ggplot2）
图书馆（ggpmisc）
种子集（123456）
df似乎最好通过创建一个新的变量来处理这个问题，该变量是cumsum done group-wise。一点也不清楚为什么“替代方案”不那么理想。谢谢，我更新了一些关于为什么我要询问的解决方案是使用
compute\u组
函数而不是
compute\u面板
函数创建
ggplot2:：stat\u summary（）
的修改版本。另一种解决方案是编写一个新的统计数据，例如
stat\u apply\u group（）
（为什么不同时编写一个
stat\u apply\u panel（）
）来应用任何合适的函数。（令人有点惊讶的是，它们似乎还没有上市……）
library(ggplot2)
library(ggpmisc)
set.seed(123456)
df <- data.frame(X = rep(1:20,2),
                 Y = runif(40),
                 category = rep(c("A","B"), each = 20))
ggplot(df, aes(x = X, y = Y, colour = category)) +
  stat_apply_group(.fun.y = cumsum)