ggplot2箱式图两两比较_R语言进阶笔记2

1. 长数据是什么鬼？

之前介绍了如何将多个性状的箱线图放在一个图上，比如learnasreml包中的fm数据，它有h1~h5五年的株高数据，想对它进行作图。

「数据预览：」

> library(learnasreml)> data(fm)> head(fm)  TreeID Spacing Rep   Fam Plot    dj    dm    wd h1  h2  h3  h4  h51  80001       3   1 70048    1 0.334 0.405 0.358 29 130 239 420 6302  80002       3   1 70048    2 0.348 0.393 0.365 24 107 242 410 6003  80004       3   1 70048    4 0.354 0.429 0.379 19  82 180 300 5004  80005       3   1 70017    1 0.335 0.408 0.363 46 168 301 510 7005  80008       3   1 70017    4 0.322 0.372 0.332 33 135 271 470 6706  80026       3   1 70002    2 0.359 0.450 0.392 30 132 258 390 570

这里，相对h1,h2,h3,h4,h5这五个性状进行作图，我们可以将其转化为「长数据」！

问题来了，什么是「长数据」，什么是「宽数据」(不是短数据，这不是反义词，谢谢)

「宽数据：」

❝

即变量是多列数据，每一列都是一个值，比如株高数据，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，这些数据就是宽数据。

❞

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

「长数据：」

❝

即变量是，数据都在一列，比如株高数据，第一列是ID，第二列是年份，第三列是株高，这种数据叫长数据。

❞

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，喜欢长数据，无论是清洗数据，还是汇总统计，还是ggplot2可视化，都喜欢长数据。

❝

飞哥注：我今天明白了这个道理，即tidyverse系列喜欢长数据，感觉打开了任督二脉，对于数据处理又有了新的理解。

❞

2. 怎么转化为长数据

我知道三种方法：

reshape2的melt函数，现在还知道这个包的人，R龄应该在5年以上了，反正我一直都用，很好用，但是被作者嫌弃了，现在被很多人嫌弃了……
data.table的metlt函数，和reshape2包的函数同名，用法也相似，可以对DT数据处理，很快。现在我用melt函数时，就不用载入reshape2了，直接用data.table包就行
tidyverse中的tidyr中的pivot_longer函数，这个更简单，用过这个函数，再也没有迷路过。因为melt函数语法比较复杂，经常需要查看帮助文档或者以前的笔记。

看一下最简单的方法吧，看一下数据：

> dd = fm[,c(1,9:13)]> head(dd)  TreeID h1  h2  h3  h4  h51  80001 29 130 239 420 6302  80002 24 107 242 410 6003  80004 19  82 180 300 5004  80005 46 168 301 510 7005  80008 33 135 271 470 6706  80026 30 132 258 390 570

然后用pivot_longer函数，将其转化为长数据：

> re = dd %>% pivot_longer(.,-1,names_to = "Year",values_to = "Height") > head(re)# A tibble: 6 x 3  TreeID Year  Height

1 80001  h1        292 80001  h2       1303 80001  h3       2394 80001  h4       4205 80001  h5       6306 80002  h1        24

代码解释：

我用了管道符%/%，将数据传递给pivot_longer
第二个-1，意思是除了第一个不处理，其它都处理，也可以用2:6表示第二到第六列处理
第三个names_to是变量的名称，这里定义为Year
第四个values_to是保存的性状名，这里是Height

可以看到，长数据有3列，分别是：

TreeID
Year
Height

3. ggplot2作图怎么搞

之前我使用ggplot2作图时，想做什么图，就在网上copy代码，然后根据自己的数据名称，修改代码，然后运行代码。一次性代码，用过就忘，半吊子水平，一直很稳定。

当我知道了ggplot2用长数据之后，又是另一种理解：

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

先看图片：

成功了，图片比较满意，第一个是h1的株高，第二个是h2的株高，依次类推。但是代码是什么意思呢？

我看了ggplot2的入门，画图分为三个部分：

数据在哪里：re是数据
x轴，y轴在哪里：x轴是Year，y轴是Height
画什么类型的图：这里是箱线图，所以是geom_boxplot

「如果是画分组散点图：」

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

「如果是画分组分散的散点图：」

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

4. 所以散点图和箱线图结合呢？

直接用+连接就行了，感觉到了画家作图的快乐，算是丫丫学徒吧，哈哈

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

5. 感受

所以，这就是学习的快乐了!

R语言进阶笔记1 | 深挖一门语言的必要性