0

底部有不同的数据集。

1-1.数据集(cidf_min.csv)
姓名 数字 价值 样品 会议 降低 上 等级
苹果 1 0.056008 100 0.95 0.05458 0.059141 2
苹果 2 0.048256 100 0.95 0.046363 0.059142 2
苹果 3 0.042819 100 0.95 0.040164 0.059143 2
苹果 4 0.038663 100 0.95 0.035155 0.059144 2
苹果 5 0.035325 100 0.95 0.030146 0.059145 2
1-2.数据集(newdf_min.csv)
姓名 数字 价值 样品 会议 降低 上 等级 最大限度
苹果 2 0.01854 100 0.95 -0.06963 0.045235 2 2 
  '''code'''
  cidf<-read.csv("D:/cidf_min.csv")
  newdf<-read.csv("D:/newdf_min.csv")
  p_min<-ggplot(cidf, aes(x=number, y=value, group=name))+geom_line(aes(color=level))+geom_ribbon(aes(ymin=lower, ymax=upper, fill=level, group=name), alpha=0.3)+geom_text(data=newdf, aes(label=name, color=level), hjust=-0.2, vjust=0.5, size=3, show.legend=F)+coord_cartesian(xlim=c(0,max(cidf$number)*1.2))+xlab(~"Con (\u00D7"~C[max]*")")+ylab(~"score ("*mu*"C/"*mu*"F)")+theme_bw()
2-1.数据集(cidf_max.csv)
姓名 数字 价值 样品 会议 降低 上 等级
苹果 1 0.068832 100 0.95 0.061945 0.069416 2
苹果 2 0.065256 100 0.95 0.053687 0.065841 2
苹果 3 0.060492 100 0.95 0.046201 0.06155 2
苹果 4 0.05585 100 0.95 0.039848 0.058739 2
苹果 5 0.047585 100 0.95 0.033555 0.056066 2
2-2.数据集(newdf_max.csv)
姓名 数字 价值 样品 会议 降低 上 等级 最大限度
苹果 2 0.024221 100 0.95 -0.04546 0.076362 2 2 
  '''code'''
  cidf<-read.csv("D:/cidf_max.csv")
  newdf<-read.csv("D:/newdf_max.csv")
  p_max<-ggplot(cidf, aes(x=number, y=value, group=name))+geom_line(aes(color=level))+geom_ribbon(aes(ymin=lower, ymax=upper, fill=level, group=name), alpha=0.3)+geom_text(data=newdf, aes(label=name, color=level), hjust=-0.2, vjust=0.5, size=3, show.legend=F)+coord_cartesian(xlim=c(0,max(cidf$number)*1.2))+xlab(~"Con (\u00D7"~C[max]*")")+ylab(~"score ("*mu*"C/"*mu*"F)")+theme_bw()
3-1.数据集(cidf_mean.csv)
姓名 数字 价值 样品 会议 降低 上 等级
苹果 1 0.069673 100 0.95 0.069673 0.069673 2
苹果 2 0.06133 100 0.95 0.057955 0.062792 2
苹果 3 0.060497 100 0.95 0.046201 0.06155 2
苹果 4 0.054623 100 0.95 0.044241 0.058739 2
苹果 5 0.039852 100 0.95 0.031906 0.043719 2
3-2.数据集(newdf_mean.csv)
姓名 数字 价值 样品 会议 降低 上 等级 最大限度
苹果 2 0.014323 100 0.95 -0.06793 0.045717 2 2 
  '''code'''
  cidf<-read.csv("D:/cidf_mean.csv")
  newdf<-read.csv("D:/newdf_mean.csv")
  p_mean<-ggplot(cidf, aes(x=number, y=value, group=name))+geom_line(aes(color=level))+geom_ribbon(aes(ymin=lower, ymax=upper, fill=level, group=name), alpha=0.3)+geom_text(data=newdf, aes(label=name, color=level), hjust=-0.2, vjust=0.5, size=3, show.legend=F)+coord_cartesian(xlim=c(0,max(cidf$number)*1.2))+xlab(~"Con (\u00D7"~C[max]*")")+ylab(~"score ("*mu*"C/"*mu*"F)")+theme_bw()

ggplot我已经使用代码等绘制了 3 个geom_line图geom_ribbon。

  1. 我想合并和p_min的图。p_maxp_mean

  2. p_min,p_max并且p_mean必须位于 y 轴上。

  3. x 轴是数字（1,2,3,4,5）。

让我知道如何使用布局中的复变量绘制多个 y 轴的图。

4

1 回答 1

0

我所做的我首先将每个数据集重命名为 cidf1、cidf2 和 cidf3，这样它们就不会混合。newdf 也是如此。我添加了一个列，该列type基本上包含它是什么类型的图表的信息。我不确定你是否知道 tidyvesre，所以我使用基本 R 使用 $ 运算符添加列

#Set 1
cidf1 <- read.csv("cidf_min.csv")
cidf1$type ="P_min"
newdf1<-read.csv("newdf_min.csv")
newdf1$type ="P_min"
 
#Set 2
cidf2<-read.csv("cidf_max.csv")
cidf2$type ="P_max"
newdf2<-read.csv("newdf_max.csv")
newdf2$type ="P_max"

#Set 3
cidf3<-read.csv("cidf_mean.csv")
cidf3$type ="P_mean"
newdf3<-read.csv("newdf_mean.csv")
newdf3$type ="P_mean"

然后我将它们组合在一起：

cidf = rbind(cidf1,cidf2,cidf3)
newdf =rbind(newdf1,newdf2,newdf3)

并绘制它们，color=type根据数据集设置为每条线着色。我删除了您在 ggplot 中的其他内容，因为它们与您提出的问题无关。

ggplot(cidf, aes(x=X, y=value))+geom_line(aes(color=type)) +
  geom_ribbon(aes(ymin=lower, ymax=upper, fill=type), alpha=0.3) +
  xlab(~"Con (\u00D7"~C[max]*")")+ylab(~"score ("*mu*"C/"*mu*"F)")+theme_bw()

所以它非常接近你正在寻找的东西。如果我误解了您想要做的事情，请告诉我，我会更新我的代码

于 2021-05-07T07:35:37.297 回答