Analiza histogramu 2-czynnikowego

Question

Długo szukałem odpowiedzi na ten problem i nie byłem w stanie znaleźć odpowiedzi.

Oto problem: Mam data frame z następującymi zmiennymi: natężenie przepływu 1 (CH_SONAR), natężenie przepływu 2 (CH_SONAR_2T), gęstość (CH_DENSITY) i różnica procentowa między dwoma natężeniami przepływu (per_diff). Stworzyłem 5-poziomowy współczynnik dla natężenia przepływu 1 i kolejny 5-poziomowy współczynnik gęstości.

f.factor <- cut(p.pipeline$CH_SONAR_2T, 5, labels = c('Very Low','Low', 'Medium', 'High', 'Very High')) 

d.factor <- cut(p.pipeline$CH_DENSITY, 5, labels = c('Water', 'Very Sparce', 'Sparce', 'Dense', 'Very Dense')) 

Mam kreślone przy użyciu zarówno przy użyciu ggplot2 każdy czynnik jako zmiennej Wypełnienie:

qplot(per_diff, data = p.pipeline, geom = "histogram", binwidth = 1, xlim = c(-5, 15), fill = f.factor) 

qplot(per_diff, data = p.pipeline, geom = "histogram", binwidth = 1, xlim = c(-5, 15), fill = d.factor) 

Teraz chciałbym, aby utworzyć histogram z ggplot który pozwala mi zobaczyć zależność między natężeniem przepływu i gęstości (Woda i bardzo niska, bardzo mała i niska, mała i niska itp. Dla wszystkich 25 możliwych kombinacji). Próbowałem tworzyć nowe czynniki, wiążąc czynnik D i czynnik f z ramą danych, wiążąc oba czynniki razem itd. I bez rezultatów, czy macie jakiś pomysł, jak się do tego podejść?

Próbowałem w tym histogramy, które wyprodukowałem, ale nie sądzę, że mam wystarczająco dużo reputacji, aby to zrobić.

Dzięki za pomoc!

Answer 1

Można użyć fill=interaction(f.factor, d.factor). Kombinacje, które nie pojawiają się w legendzie, takie jak "Low.Very Sparce" wskazują, że nie ma obserwacji należących do obu tych kategorii.

Jeśli chcesz kolory sąsiadujących poziomów do standout więcej, jedno można zrobić, to wygenerować kolory z rainbow, następnie zamienić każdy inny kolor z jego przeciwieństwem na kole.

col <- rainbow(length(levels(interaction(f.factor, d.factor))), v=.75, s=.5) 
col.index <- ifelse(seq(col) %% 2, 
        seq(col), 
        (seq(ceiling(length(col)/2), length.out=length(col)) %% length(col)) + 1) 
mixed <- col[col.index] 
qplot(per_diff, data = p.pipeline, 
     geom = "histogram", binwidth = 1, xlim = c(-5, 15), 
     fill = interaction(f.factor, d.factor)) + scale_fill_manual(values=mixed)