多维散点图ggplot2中不同的x和y轴比例 [英] Different x and y axis scales in multifaceted scatter ggplot2
本文介绍了多维散点图ggplot2中不同的x和y轴比例的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我已将 lemon 包与 ggplot2 一起使用以下代码绘制具有回归和置信区间线的多面散点图
库(tidyverse)图书馆(柠檬)#绘图ggplot(data_calibration，aes(Observed，Predicted))+geom_point(color ="black"，alpha = 1/3)+facet_rep_grid(Station〜Method，scales ="free"，repeat.tick.labels =全部")+xlab("Measured")+ylab("Predicted")+ theme_bw()+geom_smooth(method ="lm") 我想同时获得x和y轴刻度.但是我只能得到免费的y轴刻度.另外，我想将预测间隔添加到绘图中.
这是 dput()格式的数据集.
data_calibration = structure(list(Observed = c(17229L，15964L，13373L，17749L，12457L，7166L，7842L，8675L，11718L，6049L，4232L，4126L，7197L，7220L，7284L，16410L，15772L，12166L，11997L，7827L，13034L，11465L，11409L，10165L，9702L，2942L，2940L，4361L，6197L，6144L，10759L，9720L，8631L，7354L，7640L，6653L，7551L，6791L，9093L，3183L，9078L，8688L，11023L，9000L，9001L，17229L，15964L，13373L，17749L，12457L，7166L，7842L，8675L，11718L，6049L，4232L，4126L，7197L，7220L，7284L，16410L，15772L，12166L，11997L，7827L，13034L，11465L，11409L，10165L，9702L，2942L，2940L，4361L，6197L，6144L，10759L，9720L，8631L，7354L，7640L，6653L，7551L，6791L，9093L，3183L，9078L，8688L，11023L，9000L，9001L，17229L，15964L，13373L，17749L，12457L，7166L，7842L，8675L，11718L，6049L，4232L，4126L，7197L，7220L，7284L，16410L，15772L，12166L，11997L，7827L，13034L，11465L，11409L，10165L，9702L，2942L，2940L，4361L，6197L，6144L，10759L，9720L，8631L，7354L，7640L，6653L，7551L，6791L，9093L，3183L，9078L，8688L，11023L，9000L，9001L，17229L，15964L，13373L，17749L，12457L，7166L，7842L，8675L，11718L，6049L，4232L，4126L，7197L，7220L，7284L，16410L，15772L，12166L，11997L，7827L，13034L，11465L，11409L，10165L，9702L，2942L，2940L，4361L，6197L，6144L，10759L，9720L，8631L，7354L，7640L，6653L，7551L，6791L，9093L，3183L，9078L，8688L，11023L，9000L，9001L，17229L，15964L，13373L，17749L，12457L，7166L，7842L，8675L，11718L，6049L，4232L，4126L，7197L，7220L，7284L，16410L，15772L，12166L，11997L，7827L，13034L，11465L，11409L，10165L，9702L，2942L，2940L，4361L，6197L，6144L，10759L，9720L，8631L，7354L，7640L，6653L，7551L，6791L，9093L，3183L，9078L，8688L，11023L，9000L，9001L，17229L，15964L，13373L，17749L，12457L，7166L，7842L，8675L，11718L，6049L，4232L，4126L，7197L，7220L，7284L，16410L，15772L，12166L，11997L，7827L，13034L，11465L，11409L，10165L，9702L，2942L，2940L，4361L，6197L，6144L，10759L，9720L，8631L，7354L，7640L，6653L，7551L，6791L，9093L，3183L，9078L，8688L，11023L，9000L，9001L)，站=结构(c(1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L)，. Label = c("Raigad"，"Ratnagiri"，"Thane")，类="factor")，方法=结构(c(6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L)，. Label = c("ANN"，"ELNET"，"LASSO"，"PCA-ANN"，"PCA-MLR"，"SMLR")，类="factor")，预计= c(14463L，14285L，14452L，12765L，11917L，8143L，11251L，8611L，6789L，2059L，2787L，2201L，3062L，4508L，4975L，15357L，15605L，12326L，10377L，9113L，13926L，13142L，11407L，8711L，7801L，2064L，4563L，4725L，6247L，7170L，9492L，8857L，10323L，7389L，6776L，7842L，8261L，6156L，8627L，4326L，8094L，8977L，10370L，10214L，8548L，16043L，16671L，15831L，13463L，11921L，10239L，9110L，8090L，10794L，5826L，3621L，5639L，7364L，8152L，5515L，15182L，14370L，13559L，12748L，11936L，11125L，10313L，9502L，8691L，7879L，7068L，6257L，5445L，4634L，3822L，10045L，9911L，11038L，9255L，8736L，8848L，8063L，7847L，8538L，6744L，9583L，10474L，8343L，10353L，8791L，13185L，13331L，13099L，12557L，11898L，10474L，11199L，10255L，9251L，6148L，6795L，6166L，7775L，8157L，7990L，14843L，15086L，12585L，10987L，10193L，13663L，11317L，11071L，9392L，6991L，4484L，4667L，4846L，5830L，6577L，9085L，8802L，9570L，7770L，7652L，8006L，7995L，6599L，9050L，4876L，8360L，8981L，9931L，9479L，8009L，13775L，13890L，13416L，12851L，12141L，10693L，10834L，10372L，9855L，5914L，5930L，5922L，7854L，7407L，7697L，14941L，15174L，12572L，10817L，10412L，13705L，11154L，10886L，9448L，7215L，4389L，4875L，4809L，5747L，6385L，9034L，8749L，9410L，7820L，7798L，7940L，7895L，6803L，8844L，5227L，8369L，8972L，9789L，9514L，7940L，15309L，14477L，14219L，18581L，12084L，10550L，8666L，8812L，11415L，5566L，3928L，4592L，7861L，7489L，6903L，12509L，13366L，11956L，11880L，8711L，12768L，11690L，10922L，4101L，10106L，2811L，2979L，4785L，5944L，5901L，10007L，8710L，8688L，7383L，7575L，8047L，7938L，6585L，9517L，3729L，8816L，8704L，10847L，8812L，8493L，18115L，15670L，15931L，16804L，12450L，7701L，7588L，8450L，9205L，5477L，4666L，4948L，8262L，7095L，6798L，12902L，12883L，12864L，12788L，12690L，12896L，12491L，12199L，11982L，5213L，5357L，5053L，5013L，5321L，5596L，9467L，8931L，9305L，7867L，8427L，8282L，7291L，6396L，9725L，5509L，8545L，8997L，10171L，10389L，8700L))，类="data.frame"，row.names = c(NA，-270L)) 预先感谢您的帮助.
解决方案
我从
添加右侧面板条
gt1 = gtable_add_cols(gt1，widths = gt1 $ widths [1]，pos = -1)panel_id<-gt1 $ layout [grep('panel-.+ 1 $'，gt1 $ layout $ name)，]gt.side1 = gtable_filter(gt2，'strip-r-1')gt.side2 = gtable_filter(gt2，'strip-r-2')gt.side3 = gtable_filter(gt2，'strip-r-3')gt1 = gtable_add_grob(gt1，zeroGrob()，t = 1，l = ncol(gt1)，b = nrow(gt1))gt1 = gtable_add_grob(gt1，gt.side1，t = panel_id $ t [1]，l = ncol(gt1))gt1 = gtable_add_grob(gt1，gt.side2，t = panel_id $ t [2]，l = ncol(gt1))gt1 = gtable_add_grob(gt1，gt.side3，t = panel_id $ t [3]，l = ncol(gt1))grid.newpage()grid.draw(gt1)
I have used lemon package with ggplot2 for plotting multifaceted scatter plot with regression and confidence interval line using the following code
library(tidyverse)
library(lemon)
#Plotting
ggplot(data_calibration, aes(Observed,Predicted))+
geom_point(color="black",alpha = 1/3) +
facet_rep_grid(Station ~ Method, scales="free",
repeat.tick.labels = "all")+
xlab("Measured") +
ylab("Predicted")+ theme_bw()+
geom_smooth(method="lm")
I want to have both x and y-axis scales to be free. But I am only getting free y-axis scale. Also, I want to add the prediction interval to the plots.
Here is the dataset in dput() format.
data_calibration = structure(list(Observed = c(17229L, 15964L, 13373L, 17749L, 12457L,
7166L, 7842L, 8675L, 11718L, 6049L, 4232L, 4126L, 7197L, 7220L,
7284L, 16410L, 15772L, 12166L, 11997L, 7827L, 13034L, 11465L,
11409L, 10165L, 9702L, 2942L, 2940L, 4361L, 6197L, 6144L, 10759L,
9720L, 8631L, 7354L, 7640L, 6653L, 7551L, 6791L, 9093L, 3183L,
9078L, 8688L, 11023L, 9000L, 9001L, 17229L, 15964L, 13373L, 17749L,
12457L, 7166L, 7842L, 8675L, 11718L, 6049L, 4232L, 4126L, 7197L,
7220L, 7284L, 16410L, 15772L, 12166L, 11997L, 7827L, 13034L,
11465L, 11409L, 10165L, 9702L, 2942L, 2940L, 4361L, 6197L, 6144L,
10759L, 9720L, 8631L, 7354L, 7640L, 6653L, 7551L, 6791L, 9093L,
3183L, 9078L, 8688L, 11023L, 9000L, 9001L, 17229L, 15964L, 13373L,
17749L, 12457L, 7166L, 7842L, 8675L, 11718L, 6049L, 4232L, 4126L,
7197L, 7220L, 7284L, 16410L, 15772L, 12166L, 11997L, 7827L, 13034L,
11465L, 11409L, 10165L, 9702L, 2942L, 2940L, 4361L, 6197L, 6144L,
10759L, 9720L, 8631L, 7354L, 7640L, 6653L, 7551L, 6791L, 9093L,
3183L, 9078L, 8688L, 11023L, 9000L, 9001L, 17229L, 15964L, 13373L,
17749L, 12457L, 7166L, 7842L, 8675L, 11718L, 6049L, 4232L, 4126L,
7197L, 7220L, 7284L, 16410L, 15772L, 12166L, 11997L, 7827L, 13034L,
11465L, 11409L, 10165L, 9702L, 2942L, 2940L, 4361L, 6197L, 6144L,
10759L, 9720L, 8631L, 7354L, 7640L, 6653L, 7551L, 6791L, 9093L,
3183L, 9078L, 8688L, 11023L, 9000L, 9001L, 17229L, 15964L, 13373L,
17749L, 12457L, 7166L, 7842L, 8675L, 11718L, 6049L, 4232L, 4126L,
7197L, 7220L, 7284L, 16410L, 15772L, 12166L, 11997L, 7827L, 13034L,
11465L, 11409L, 10165L, 9702L, 2942L, 2940L, 4361L, 6197L, 6144L,
10759L, 9720L, 8631L, 7354L, 7640L, 6653L, 7551L, 6791L, 9093L,
3183L, 9078L, 8688L, 11023L, 9000L, 9001L, 17229L, 15964L, 13373L,
17749L, 12457L, 7166L, 7842L, 8675L, 11718L, 6049L, 4232L, 4126L,
7197L, 7220L, 7284L, 16410L, 15772L, 12166L, 11997L, 7827L, 13034L,
11465L, 11409L, 10165L, 9702L, 2942L, 2940L, 4361L, 6197L, 6144L,
10759L, 9720L, 8631L, 7354L, 7640L, 6653L, 7551L, 6791L, 9093L,
3183L, 9078L, 8688L, 11023L, 9000L, 9001L), Station = structure(c(1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("Raigad",
"Ratnagiri", "Thane "), class = "factor"), Method = structure(c(6L,
6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L,
6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L,
6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 5L, 5L, 5L, 5L,
5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L,
5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L,
5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L,
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L,
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L), .Label = c("ANN",
"ELNET", "LASSO", "PCA-ANN", "PCA-MLR", "SMLR"), class = "factor"),
Predicted = c(14463L, 14285L, 14452L, 12765L, 11917L, 8143L,
11251L, 8611L, 6789L, 2059L, 2787L, 2201L, 3062L, 4508L,
4975L, 15357L, 15605L, 12326L, 10377L, 9113L, 13926L, 13142L,
11407L, 8711L, 7801L, 2064L, 4563L, 4725L, 6247L, 7170L,
9492L, 8857L, 10323L, 7389L, 6776L, 7842L, 8261L, 6156L,
8627L, 4326L, 8094L, 8897L, 10370L, 10214L, 8548L, 16043L,
16671L, 15831L, 13463L, 11921L, 10239L, 9110L, 8090L, 10794L,
5826L, 3621L, 5639L, 7364L, 8152L, 5515L, 15182L, 14370L,
13559L, 12748L, 11936L, 11125L, 10313L, 9502L, 8691L, 7879L,
7068L, 6257L, 5445L, 4634L, 3822L, 10045L, 9911L, 11038L,
9255L, 8736L, 8848L, 8063L, 7847L, 8538L, 6744L, 9583L, 10474L,
8343L, 10353L, 8791L, 13185L, 13331L, 13099L, 12557L, 11898L,
10474L, 11199L, 10255L, 9251L, 6148L, 6795L, 6166L, 7775L,
8157L, 7990L, 14843L, 15086L, 12585L, 10987L, 10193L, 13663L,
11317L, 11071L, 9392L, 6991L, 4484L, 4667L, 4846L, 5830L,
6577L, 9085L, 8802L, 9570L, 7770L, 7652L, 8006L, 7995L, 6599L,
9050L, 4876L, 8360L, 8981L, 9931L, 9479L, 8009L, 13775L,
13890L, 13416L, 12851L, 12141L, 10693L, 10834L, 10372L, 9585L,
5914L, 5930L, 5922L, 7854L, 7407L, 7697L, 14941L, 15174L,
12572L, 10817L, 10412L, 13705L, 11154L, 10886L, 9448L, 7215L,
4389L, 4875L, 4809L, 5747L, 6385L, 9034L, 8749L, 9410L, 7820L,
7798L, 7940L, 7957L, 6803L, 8844L, 5227L, 8369L, 8972L, 9789L,
9514L, 7940L, 15309L, 14477L, 14219L, 18581L, 12084L, 10550L,
8666L, 8812L, 11415L, 5566L, 3928L, 4592L, 7861L, 7489L,
6903L, 12509L, 13366L, 11956L, 11880L, 8711L, 12768L, 11690L,
10922L, 4101L, 10106L, 2811L, 2979L, 4785L, 5944L, 5901L,
10007L, 8710L, 8688L, 7383L, 7575L, 8047L, 7938L, 6585L,
9517L, 3729L, 8816L, 8704L, 10847L, 8812L, 8493L, 18115L,
15670L, 15931L, 16804L, 12450L, 7701L, 7588L, 8450L, 9205L,
5477L, 4666L, 4948L, 8262L, 7095L, 6798L, 12902L, 12883L,
12864L, 12788L, 12690L, 12896L, 12491L, 12199L, 11982L, 5213L,
5357L, 5053L, 5013L, 5321L, 5596L, 9467L, 8931L, 9305L, 7867L,
8427L, 8282L, 7291L, 6396L, 9725L, 5509L, 8545L, 8997L, 10171L,
10389L, 8700L)), class = "data.frame", row.names = c(NA,
-270L))
Thanks in advance for the help.
解决方案
I have solved this issue after taking help from this post.
First, create two plots using facet_grid and facet_wrap.
g1 = ggplot(data_calibration, aes(Observed,Predicted))+
geom_point(color="black",alpha = 1/3) +
facet_wrap(Station ~ Method, scales="free", ncol=6)+
xlab("Measured") +
ylab("Predicted")+ theme_bw()+
geom_smooth(method="lm")+
theme(strip.background = element_blank(),
strip.text = element_blank())
g2 = ggplot(data_calibration, aes(Observed,Predicted))+
geom_point(color="black",alpha = 1/3) +
facet_grid(Station ~ Method, scales="free")+
xlab("Measured") +
ylab("Predicted")+ theme_bw()+
geom_smooth(method="lm")
Now replace the top facet strips of g1 with those from g2
library(grid)
library(gtable)
gt1 = ggplot_gtable(ggplot_build(g1))
gt2 = ggplot_gtable(ggplot_build(g2))
gt1$grobs[grep('strip-t.+1$', gt1$layout$name)] = gt2$grobs[grep('strip-t', gt2$layout$name)]
grid.draw(gt1)
Add the right-hand panel strips
gt1 = gtable_add_cols(gt1, widths=gt1$widths[1], pos = -1)
panel_id <- gt1$layout[grep('panel-.+1$', gt1$layout$name),]
gt.side1 = gtable_filter(gt2, 'strip-r-1')
gt.side2 = gtable_filter(gt2, 'strip-r-2')
gt.side3 = gtable_filter(gt2, 'strip-r-3')
gt1 = gtable_add_grob(gt1, zeroGrob(), t = 1, l = ncol(gt1), b=nrow(gt1))
gt1 = gtable_add_grob(gt1, gt.side1, t = panel_id$t[1], l = ncol(gt1))
gt1 = gtable_add_grob(gt1, gt.side2, t = panel_id$t[2], l = ncol(gt1))
gt1 = gtable_add_grob(gt1, gt.side3, t = panel_id$t[3], l = ncol(gt1))
grid.newpage()
grid.draw(gt1)
这篇关于多维散点图ggplot2中不同的x和y轴比例的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
查看全文
