r - 带有 sec.axis 的 ggplot 的 Y 限制

Question

我需要使用 sec.axis 创建一个双 y 图，但无法让两个轴都正确缩放。

我一直在遵循此线程中的说明:ggplot with 2 y axes on each side and different scales

但是每次我将 ylim.prim 中的下限更改为 0 以外的任何值时，都会弄乱整个情节。出于可视化的原因，我需要两个轴的非常具体的 y 限制。此外，当我将 geom_col 更改为 geom_line 时，它​​也会弄乱辅助轴的限制。

climate <- tibble(
  Month = 1:12,
  Temp = c(23,23,24,24,24,23,23,23,23,23,23,23),
  Precip = c(101,105,100,101,102, 112, 101, 121, 107, 114, 108, 120)
  )

ylim.prim <- c(0, 125)   # in this example, precipitation
ylim.sec <- c(15, 30)    # in this example, temperature

b <- diff(ylim.prim)/diff(ylim.sec)
a <- b*(ylim.prim[1] - ylim.sec[1])

ggplot(climate, aes(Month, Precip)) +
  geom_col() +
  geom_line(aes(y = a + Temp*b), color = "red") +
  scale_y_continuous("Precipitation", sec.axis = sec_axis(~ (. - a)/b, name = "Temperature"),) +
  scale_x_continuous("Month", breaks = 1:12)  

ylim.prim <- c(0, 125)   # in this example, precipitation
ylim.sec <- c(15, 30)    # in this example, temperature

b <- diff(ylim.prim)/diff(ylim.sec)
a <- b*(ylim.prim[1] - ylim.sec[1])

ggplot(climate, aes(Month, Precip)) +
  geom_line() +
  geom_line(aes(y = a + Temp*b), color = "red") +
  scale_y_continuous("Precipitation", sec.axis = sec_axis(~ (. - a)/b, name = "Temperature"),) +
  scale_x_continuous("Month", breaks = 1:12)  

ylim.prim <- c(95, 125)   # in this example, precipitation
ylim.sec <- c(15, 30)    # in this example, temperature

b <- diff(ylim.prim)/diff(ylim.sec)
a <- b*(ylim.prim[1] - ylim.sec[1])

ggplot(climate, aes(Month, Precip)) +
  geom_line() +
  geom_line(aes(y = a + Temp*b), color = "red") +
  scale_y_continuous("Precipitation", sec.axis = sec_axis(~ (. - a)/b, name = "Temperature"),) +
  scale_x_continuous("Month", breaks = 1:12)  

Answer 1

从我在代码中看到的，您在两个比例之间的转换有点太简单了。
为了得到我认为你想要的结果，有必要对温度数据进行归一化(这样你可以改变传播和均值，并使其适合你的主要 y 尺度)，然后计算反向归一化次要 y 轴。
归一化我的意思是:(Temp - mean(TEMP))/sd(TEMP) , 其中 TEMP是一个包含所有值的数组，而 Temp是要绘制的特定值。EDIT:由于 ggplot2 只允许对原始比例进行变换，并且没有为辅助轴设置唯一限制的选项，因此没有简单的选项来设置 ylim次 y 轴。但是，有一种方法可以做到这一点，这很hacky，但我会在这里展示。
通过使用简单的线性模型(或任何其他求解方法)求解两个边界的归一化，可以进行次要 y 轴的变换以匹配唯一的限制。
我使用的线性变换引入了两个变量 a和 s . s是结果乘以的比例因子，它允许改变绘制数据相对于主 y 轴的分布。变量 a沿 y 轴移动生成的变换。
变换是:

y = a + (Temp - mean(TEMP))/sd(TEMP)) * s

计算过程如下:

climate <- tibble(
  Month = 1:12,
  Temp = c(23,23,24,24,24,23,23,23,23,23,23,23),
  Precip = c(101,105,100,101,102, 112, 101, 121, 107, 114, 108, 120)
  )

ylim.prim <- c(95, 125)   # in this example, precipitation
ylim.sec <- c(15, 30)    # in this example, temperature

TEMP <- climate$Temp #needed for coherent normalisation

# This is quite hacky, but it works if you want to set a boundary for the secondary y-axis
fit = lm(b ~ . + 0, 
   tibble::tribble(
     ~a, ~s,  ~b,
      1,  (ylim.sec[1] - mean(TEMP))/sd(TEMP),  ylim.prim[1],
      1,  (ylim.sec[2] - mean(TEMP))/sd(TEMP), ylim.prim[2]))

a <- fit$coefficients['a']
s <- fit$coefficients['s']

要将辅助 y 轴比例调整回您的值，只需反向执行计算中的每一步。
通过这种方式，您可以对两个时间序列进行漂亮且可调整的叠加:

ggplot(climate, aes(Month, Precip)) +
  geom_line() + 
  geom_line(aes(y = (a + ((Temp - mean(TEMP))/sd(TEMP)) * s) ), color = "red") +
  scale_y_continuous("Precipitation", 
                     limits=ylim.prim,
                     sec.axis = sec_axis(~ (. - a) / s * sd(TEMP) + mean(TEMP), name = "Temperature"),) +
  scale_x_continuous("Month", breaks = 1:12) +
  theme(axis.title.y.right = element_text(colour = "red"))