将新值添加到通过管道创建的绘图中

如何解决将新值添加到通过管道创建的绘图中

请考虑以下数据框，其中有2个人的数据（ID == a和b）。

data <- data.frame(ID = rep(c("a","b"),each = 500),time = 1:500,val = rnorm(1000,mean=1,sd = 0.3))

我们将子集b的数据作为子集，并使用val和data_point绘制dplyr与ggplot2的散点图：

library(ggplot2)
library(dplyr)
data%>%
  filter(ID == "b")%>%
  mutate(data_point = c(1:500))%>%
  ggplot(.,)+
    geom_point(aes(x=data_point,y=val),size = 0.5)

假设这是时间序列数据，我们感兴趣的是了解不同的移动平均窗口大小如何影响散点图中的最后一个数据点的值（distance == 500）。假设我们要比较3、5、7和10点移动平均值。我们要获取每个移动平均值的最后一个数据点的值，并将它们添加到散点图中，并用不同的颜色标识该点属于哪个移动平均值。我们如何在管道内（如上图所示）执行此操作，而不必创建新对象来存储移动平均数据点的值？

解决方法

这可以通过管道完成或存储为变量。我将其存储为变量，以便逐步进行操作，如果您想使其保持%>%界，则交给您。

可复制的数据：

set.seed(42)
data <- data.frame(ID = rep(c("a","b"),each = 500),time = 1:500,val = rnorm(1000,mean=1,sd = 0.3))
head(data)
#   ID time       val
# 1  a    1 1.4112875
# 2  a    2 0.8305905
# 3  a    3 1.1089385
# 4  a    4 1.1898588
# 5  a    5 1.1212805
# 6  a    6 0.9681626

一组移动平均功能：

funcs <- setNames(
  lapply(c(3,5,7,10),function(wid) {
    function(x) zoo::rollapplyr(x,wid,mean,fill = NA)
  }),paste0("avg",c(3,10)))
data2 <- data %>%
  filter(ID == "b") %>%
  mutate(data_point = 1:500) %>%
  mutate_at(vars(val),funcs)
head(data2)
#   ID time       val data_point      avg3     avg5 avg7 avg10
# 1  b    1 1.3087422          1        NA       NA   NA    NA
# 2  b    2 1.2744325          2        NA       NA   NA    NA
# 3  b    3 0.9992631          3 1.1941459       NA   NA    NA
# 4  b    4 1.0408029          4 1.1048328       NA   NA    NA
# 5  b    5 0.7839539          5 0.9413400 1.081439   NA    NA
# 6  b    6 0.9405627          6 0.9217732 1.007803   NA    NA
tail(data2)
#     ID time       val data_point      avg3      avg5     avg7    avg10
# 495  b  495 1.3165332        495 1.1744507 1.1142967 1.165816 1.263729
# 496  b  496 1.1748916        496 1.2697909 1.1034455 1.151561 1.243861
# 497  b  497 0.7040298        497 1.0651515 1.0804547 1.064344 1.208823
# 498  b  498 1.5053865        498 1.1281027 1.2037578 1.103806 1.154502
# 499  b  499 0.5899477        499 0.9331213 1.0581578 1.071087 1.086029
# 500  b  500 0.8700357        500 0.9884566 0.9688583 1.068396 1.041577

还有一个情节：

# library(tidyr)
ggplot(data2,aes(x = data_point)) +
  geom_point(aes(y = val),size = 0.5) +
  geom_point(data = ~ tidyr::pivot_longer(tail(.,n=1),starts_with("avg")),aes(y = value,color = name),size = 5)

我将x美观性移至ggplot，因为它适用于所有数据，但将y=保留在每个几何区域内。此方法假定数据已适当排序；如果不采用顺序，则需要调整data=子集。