1. 長數據是什么鬼？

之前介紹了如何將多個性狀的箱線圖放在一個圖上，比如learnasreml包中的fm數據，它有h1~h5五年的株高數據，想對它進行作圖。

「數據預覽：」

>?library(learnasreml)
>?data(fm)
>?head(fm)
??TreeID?Spacing?Rep???Fam?Plot????dj????dm????wd?h1??h2??h3??h4??h5
1??80001???????3???1?70048????1?0.334?0.405?0.358?29?130?239?420?630
2??80002???????3???1?70048????2?0.348?0.393?0.365?24?107?242?410?600
3??80004???????3???1?70048????4?0.354?0.429?0.379?19??82?180?300?500
4??80005???????3???1?70017????1?0.335?0.408?0.363?46?168?301?510?700
5??80008???????3???1?70017????4?0.322?0.372?0.332?33?135?271?470?670
6??80026???????3???1?70002????2?0.359?0.450?0.392?30?132?258?390?570

這里，相對h1,h2,h3,h4,h5這五個性狀進行作圖，我們可以將其轉化為「長數據」！

問題來了，什么是「長數據」，什么是「寬數據」(不是短數據，這不是反義詞，謝謝)

「寬數據：」

?

即變量是多列數據，每一列都是一個值，比如株高數據，第一年的株高是一列，第二年的株高是一列，第三年的株高是一列，這些數據就是寬數據。

?ID2018height2019height2020heightt

ID001	12	14	18
ID002	11	14	19
ID003	14	15	16

「長數據：」

?

即變量是，數據都在一列，比如株高數據，第一列是ID，第二列是年份，第三列是株高，這種數據叫長數據。

?ID年份株高

ID001	2018	12
ID001	2019	14
ID001	2020	18
ID002	2018	11
ID002	2019	14
ID002	2020	19
ID003	2018	14
ID003	2019	15
ID003	2020	16

「tidyverse」系列包，喜歡長數據，無論是清洗數據，還是匯總統計，還是ggplot2可視化，都喜歡長數據。

?

飛哥注：我今天明白了這個道理，即tidyverse系列喜歡長數據，感覺打開了任督二脈，對于數據處理又有了新的理解。

?

2. 怎么轉化為長數據

我知道三種方法：

• reshape2的melt函數，現在還知道這個包的人，R齡應該在5年以上了，反正我一直都用，很好用，但是被作者嫌棄了，現在被很多人嫌棄了……
• data.table的metlt函數，和reshape2包的函數同名，用法也相似，可以對DT數據處理，很快。現在我用melt函數時，就不用載入reshape2了，直接用data.table包就行
• tidyverse中的tidyr中的pivot_longer函數，這個更簡單，用過這個函數，再也沒有迷路過。因為melt函數語法比較復雜，經常需要查看幫助文檔或者以前的筆記。

看一下最簡單的方法吧，看一下數據：

>?dd?=?fm[,c(1,9:13)]
>?head(dd)
??TreeID?h1??h2??h3??h4??h5
1??80001?29?130?239?420?630
2??80002?24?107?242?410?600
3??80004?19??82?180?300?500
4??80005?46?168?301?510?700
5??80008?33?135?271?470?670
6??80026?30?132?258?390?570

然后用pivot_longer函數，將其轉化為長數據：

>?re?=?dd?%>%?pivot_longer(.,-1,names_to?=?"Year",values_to?=?"Height")?
>?head(re)
#?A?tibble:?6?x?3
??TreeID?Year??Height
??????
1?80001??h1????????29
2?80001??h2???????130
3?80001??h3???????239
4?80001??h4???????420
5?80001??h5???????630
6?80002??h1????????24

代碼解釋：

• 我用了管道符%/%，將數據傳遞給pivot_longer
• 第二個-1，意思是除了第一個不處理，其它都處理，也可以用2:6表示第二到第六列處理
• 第三個names_to是變量的名稱，這里定義為Year
• 第四個values_to是保存的性狀名，這里是Height

可以看到，長數據有3列，分別是：

• TreeID
• Year
• Height

3. ggplot2作圖怎么搞

之前我使用ggplot2作圖時，想做什么圖，就在網上copy代碼，然后根據自己的數據名稱，修改代碼，然后運行代碼。一次性代碼，用過就忘，半吊子水平，一直很穩定。

當我知道了ggplot2用長數據之后，又是另一種理解：

library(ggplot2)
re?%>%?ggplot(.,aes(x?=?Year,?y?=?Height,?colour?=?Year))?+?geom_boxplot()

先看圖片：

成功了，圖片比較滿意，第一個是h1的株高，第二個是h2的株高，依次類推。但是代碼是什么意思呢？

我看了ggplot2的入門，畫圖分為三個部分：

• 數據在哪里：re是數據
• x軸，y軸在哪里：x軸是Year，y軸是Height
• 畫什么類型的圖：這里是箱線圖，所以是geom_boxplot

「如果是畫分組散點圖：」

re?%>%?ggplot(.,aes(x?=?Year,?y?=?Height,?colour?=?Year))?+?geom_point()

「如果是畫分組分散的散點圖：」

re?%>%?ggplot(.,aes(x?=?Year,?y?=?Height,?colour?=?Year))?+?geom_jitter()

4. 所以散點圖和箱線圖結合呢？

直接用+連接就行了，感覺到了畫家作圖的快樂，算是丫丫學徒吧，哈哈

re?%>%?ggplot(.,aes(x?=?Year,?y?=?Height,?colour?=?Year))?+??geom_jitter()?+?geom_boxplot()

5. 感受

所以，這就是學習的快樂了!

R語言進階筆記1 | 深挖一門語言的必要性

總結

以上是生活随笔為你收集整理的ggplot2箱式图两两比较_R语言进阶笔记2 | 长数据与ggplot2的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。