如何在ggplot2中使用面处理应用after_stat？

我正在使用移动平均法来消除疫苗分发中的一周中的一天影响，以查看按各种因素分层的总体趋势。我可以创建滚动平均值的条形图，以正确显示总体数据。但当我分层或创建刻面时，引入阶段会出现高度递减的“幽灵”条（应该没有条）。我怎样才能避免呢

正确的图形（无分层）：g

移动平均线引入期中带有“鬼”条的图形：g+小平面网格（race~，scales=“free\u y”）

我的代码

---

问题是，在计算统计数据之后，统计数据之后发生的任何计算都不一定要考虑面板。这给

zoo:：rollmean

带来了问题，因为它只看到一个值向量。因此，您必须按面板循环数据

库（tidyverse）
nPerDay与@teunbrand的方法类似（他对这个问题的简明解释值得赞扬，我没有什么要补充的），但是利用
dplyr
和一个助手函数，你可以达到你想要的结果，如下所示：

库（tidyverse）
种子（42）
#伪造数据：计算70天内每天的剂量，在70天内增加，每周每天变化50%
nPerDay%
拉（滚）
}
#将上一个图中的条形图更改为滚动7天平均值，但将该行保留为每日总计数。
g警告：删除了包含缺失值的30行（位置\u堆栈）。

我会把它作为一个中间环节来做（更容易看到数据并找出错误），然后将其传输到ggplot…谢谢@teunbrand。我的目标是创建一个ggplot对象“g”，它具有
fill=whichDose
，并且我可以向其中添加我想要的任何方面变量。我删除了
doges$race，
从
订单（doges$race，doges$Admin\u date）
，将
fill=whichDose
添加到
ggplot（…aes（））
，并将
split（count，PANEL）
更改为
split（count，list（fill，PANEL）
。效果很好，但
…list（PANEL，fill）
没有-很明显，面板与填充的顺序很重要。我的问题是：除了尝试和错误之外，我如何计算出正确的顺序？面板这个术语记录在哪里，或者是计数、填充和面板的这种用法呢？
面板
变量是一个列，它在内部添加到数据中，以便在面板上分割数据。我在这里使用的方法有点像黑客。正确的方法是在没有这种黑客的情况下进行转换。记录的位在
？stat
之后，你会在
？stat\u bin
“computed variables”部分找到
count
。谢谢@stefan。根据我对@teunbrand的评论，要按填充进行分层，我将将
fill=whichDose
添加到
ggplot（aes（））
，并将
.PANEL..
更改为
交互（fill，…PANEL..）
。这很有效，与@teunbrand的
lapply方法不同，（fill，PANEL）顺序似乎并不重要（
交互（…PANEL..，fill）
）.很好，但很混乱。我想原因可能在我的脑海里。
library(tidyverse)
# Make fake data: count of doses per day for 70 days, increasing over the 70 days, with a 50% variance per day-of-week
nPerDay <- floor(sample(5:10, 70, replace=T) * (1 + ((1:70)*3/70)) * (.5 + (.5*(1:70 %% 7)/6)))
# Use that to create a data frame where one record is the administration of one dose, giving the dose, vaccine brand, 1st or 2nd dose, pt race, & pt gender
doses <- data.frame(Admin_date = rep(as.Date("2020-12-31") + 1:70, nPerDay)
                    , whichDose = factor(c(rep(1,sum(nPerDay[1:30])), sample(1:2, sum(nPerDay[31:70]), replace=T)))
                    , gender=sample(c("F", "M"), sum(nPerDay), replace=T)
                    , race=sample(LETTERS[1:5], sum(nPerDay), c(.45, .25, .15, .1, .05), replace=T)
                    , brand=sample(c("Pf", "Mo"), sum(nPerDay), replace=T)
)

# plot the doses administered each day, with stacked bars', with bars' color indicating # of 1st or second dose
(ggplot(data=doses, mapping=aes(x=Admin_date))#, fill=whichDose))
  + geom_bar(position = "stack")
  + geom_line(aes(y=..count.., fill=NULL), stat = "bin", binwidth=1)
)

# Change the bars in the prior plot into rolling 7-day averages, but keep the line as a daily total count.
g <- (
  ggplot(data=doses, mapping=aes(x=Admin_date))#, fill=whichDose)) 
  + geom_bar(position = "stack"
             , mapping = aes(y=zoo::rollmean(..count.., 7, align="right", fill=NA))
             , stat="bin", binwidth=1
  )
  + geom_line(aes(y=..count.., fill=NULL), stat = "bin", binwidth=1)
  + labs(y="doses", fill="Which dose,\n7d avg count")
)
g # display this base graph

# explore tha data
g + facet_grid(race~., scales="free_y") # See if the increasing trend and 1st vs 2nd dose porportions or similar across races.

# look at other stratifications
g + facet_grid(gender, scales="free_y")
g + facet_grid(race~brand, scales="free_y")
g + facet_grid(race~gender, scales="free_y")