R 使用雷达/极坐标图描绘单个数据点
以下是我以前的帖子: 我现在想做的是,在一个完全独立的散点图中使用生成的雷达图作为数据点,或者保存对象,然后在图形上使用它来描述实际数据的形状 我有很多文件,它们通常是这样的。它们的列数范围从1到多,分数总是以降序格式。ie#1在任何给定的文件中总是贡献最大R 使用雷达/极坐标图描绘单个数据点,r,plot,ggplot2,visualization,radar-chart,R,Plot,Ggplot2,Visualization,Radar Chart,以下是我以前的帖子: 我现在想做的是,在一个完全独立的散点图中使用生成的雷达图作为数据点,或者保存对象,然后在图形上使用它来描述实际数据的形状 我有很多文件,它们通常是这样的。它们的列数范围从1到多,分数总是以降序格式。ie#1在任何给定的文件中总是贡献最大 myfile 01 0.31707317 02 0.12195122 03 0.09756098 04 0.07317073 05 0.07317073 06 0.07317073 07 0.07317073 08 0.07317073 0
myfile
01 0.31707317
02 0.12195122
03 0.09756098
04 0.07317073
05 0.07317073
06 0.07317073
07 0.07317073
08 0.07317073
09 0.04878049
10 0.04878049
在这里,我想分别为每个文件绘制一个雷达图,并只获得周围没有网格的形状。ggradar是我发现的最接近和最好的
ggradar(as.matrix(t(radar)), group.point.size = 2, grid.line.width = 0, grid.max = 1.0, grid.mid = 0,
grid.min = 0, axis.line.colour = "white", axis.label.size = 0, grid.label.size = 0,
centre.y = 0, background.circle.colour = "white", group.colours = "black", group.line.width = 1)
现在,当我想使用这些形状作为数据点时,问题就开始了
@布赖恩善意地评论并暗示了如何处理这一问题
受这些评论的启发,我现在可以将绘图与文件名一起保存为一列,并使用相同的管道不断添加新文件
for (file in file_list){
#eliminate the empty files (they contain only the header)
if (file.size(file) > 420){
# if the merged dataset does exist, append to it
if (exists("dfradar")){
radarfile <-read.table(file, header=TRUE, sep="\t")
radarfile1 <- as.data.frame(as.numeric(radarfile[,3]))
rownames(radarfile1) <- c(1:nrow(radarfile))
dfradar1 <- ggradar(t(radarfile1), group.point.size = 1, grid.line.width = 0, grid.max = 1, grid.mid = 0,
grid.min = 0, axis.line.colour = "white", axis.label.size = 0, grid.label.size = 0,
centre.y = 0, background.circle.colour = "white", group.colours = "black", group.line.width = 0.5) +
theme(legend.position = "none")
dfradar1 <- cbind(substring(file,11), dfradar1)
dfradar <- rbind(dfradar, dfradar1)
}
# if the merged dataset doesn't exist, create it
if (!exists("dfradar")){
radarfile <- read.table(file, header=TRUE, sep="\t")
radarfile1 <- as.data.frame(as.numeric(radarfile[,3]))
rownames(radarfile1) <- c(1:nrow(radarfile))
dfradar <- ggradar(t(radarfile1), group.point.size = 1, grid.line.width = 0, grid.max = 1, grid.mid = 0,
grid.min = 0, axis.line.colour = "white", axis.label.size = 0, grid.label.size = 0,
centre.y = 0, background.circle.colour = "white", group.colours = "black", group.line.width = 0.5) +
theme(legend.position = "none")
dfradar <- cbind(substring(file,11), dfradar)
rm(radarfile)
rm(radarfile1)
}
} }
for(文件列表中的文件){
#消除空文件(它们只包含标题)
if(file.size(file)>420){
#如果合并的数据集确实存在,请附加到该数据集
如果(存在(“DFR”)){
radarfile我想到了以下想法。我使用ggradar包创建了一个图形。然后,我使用ggplot_build()查看了图形后面的数据帧
。图形后面似乎有13个列表。我需要调查哪个列表是包含多边形数据的正确列表。我发现第6个列表是您要提取并保存以供将来使用的列表。让我向您展示我所做的工作
library(dplyr)
library(ggradar)
library(scales)
# I modified the code from https://github.com/ricardo-bion/ggradar to get a graphic.
mtcars %>%
mutate_all(rescale) %>%
mutate(group = rownames(mtcars)) %>%
slice(5:9) %>%
select(1:4) -> mtcars_radar
g <- ggradar(mtcars_radar)
让我们确认这些数据是否再现了GGR雷达图中的五个三角形
gg <- ggplot(data = mydf, aes(x = x, y = y, group = group, color = factor(group))) +
geom_path(show.legend = FALSE) +
theme_bw()
gg
foo <- ggplot_build(g)$data
# This is the 6th list in foo.
$ :'data.frame': 20 obs. of 8 variables:
..$ colour : chr [1:20] "#FF5A5F" "#FF5A5F" "#FF5A5F" "#FF5A5F" ...
..$ x : num [1:20] 0 0.72 -0.687 0 0 ...
..$ y : num [1:20] 1.111 -0.416 -0.397 1.111 0.611 ...
..$ group : atomic [1:20] 1 1 1 1 2 2 2 2 3 3 ...
.. ..- attr(*, "n")= int 5
..$ PANEL : Factor w/ 1 level "1": 1 1 1 1 1 1 1 1 1 1 ...
..$ size : num [1:20] 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 ...
..$ linetype: num [1:20] 1 1 1 1 1 1 1 1 1 1 ...
..$ alpha : logi [1:20] NA NA NA NA NA NA ...
mydf <- foo[[6]]
colour x y group PANEL size linetype alpha
1 #FF5A5F 0.0000000 1.1111111 1 1 1.5 1 NA
2 #FF5A5F 0.7203077 -0.4158698 1 1 1.5 1 NA
3 #FF5A5F -0.6868360 -0.3965450 1 1 1.5 1 NA
4 #FF5A5F 0.0000000 1.1111111 1 1 1.5 1 NA
5 #FFB400 0.0000000 0.6111111 2 1 1.5 1 NA
6 #FFB400 0.4286803 -0.2474987 2 1 1.5 1 NA
7 #FFB400 -0.2584135 -0.1491951 2 1 1.5 1 NA
8 #FFB400 0.0000000 0.6111111 2 1 1.5 1 NA
9 #007A87 0.0000000 1.1111111 3 1 1.5 1 NA
10 #007A87 0.7203077 -0.4158698 3 1 1.5 1 NA
11 #007A87 -0.4726248 -0.2728700 3 1 1.5 1 NA
12 #007A87 0.0000000 1.1111111 3 1 1.5 1 NA
13 #8CE071 0.0000000 0.1111111 4 1 1.5 1 NA
14 #8CE071 0.2467912 -0.1424850 4 1 1.5 1 NA
15 #8CE071 -0.2278119 -0.1315273 4 1 1.5 1 NA
16 #8CE071 0.0000000 0.1111111 4 1 1.5 1 NA
17 #7B0051 0.0000000 0.1111111 5 1 1.5 1 NA
18 #7B0051 0.2595364 -0.1498434 5 1 1.5 1 NA
19 #7B0051 -0.1268266 -0.0732234 5 1 1.5 1 NA
20 #7B0051 0.0000000 0.1111111 5 1 1.5 1 NA
gg <- ggplot(data = mydf, aes(x = x, y = y, group = group, color = factor(group))) +
geom_path(show.legend = FALSE) +
theme_bw()