在R中的HeatMap GGPLOT2中使用之前有条件地对列进行求和？

Question

我正在使用 R 中的 ggplot2 从大约 7000 个条目的数据集在 R 中创建一个 HeatMap，但我对结果感到不舒服，因为我的情节图例说明了我知道单个实例具有的“Vol”值，而且我我想绘制月份/星期组合的总交易量。

所以我的新手假设是 ggplot2 不会自动聚合值，或者我在绘图之前遗漏了一些东西。

基本上，我希望在绘图时或之前在所有 217 个单元格上完成类似于 Excel 中的以下操作。

=SUMIFS(C2:C9999,D2:D9999,"1",F2:F9999,"Wed")

当月的第一天是星期三，例如 Excel 声明它是“6098822”，而“6756753”是星期四的一个月的第一天；超过下方 HeatMap 的最大密度。

很可能我只是缺少一个基本的聚合函数来生成正确的聚合组合。

有人可以指出我应该做什么并准确解释 GGPLOT2 在下面做什么，例如它是否使用它为情节找到的第一个组合？

注意：DoY ->1,365 DofM->1-31 DofW->Sun-Sat

我的数据如下所示：

> head(AC3,10)
   DD     Date   Vol DofM DoY DofW
1   1 01/01/97 28857    1   1  Wed
2   2 01/02/97 37757    2   2  Thu
3   3 01/03/97 41394    3   3  Fri
4   4 01/04/97 39614    4   4  Sat
5   5 01/05/97 32735    5   5  Sun
6   6 01/06/97 33536    6   6  Mon
7   7 01/07/97 33547    7   7  Tue
8   8 01/08/97 34205    8   8  Wed
9   9 01/09/97 35804    9   9  Thu
10 10 01/10/97 42895   10  10  Fri


>p<-ggplot(AC3,aes(DofM,DofW))
>p + geom_tile(aes(fill=Vol)) + scale_fill_gradient(low="white",   high="darkblue") + xlab("Day of Month") + ylab("Day of Week")

这会产生图表：

Answer 1

您可以通过设计数据来测试ggplot 的行为，以便轻松了解ggplot 的处理方式。

例如，下面是创建数据集的 R 代码，该数据集在最后四行重复前 4 行。但是，在重复的底部 4 行中，Vol 值是负数。运行这个看看：

# take in data similar to what was show in question
AC3<-scan(what=list(id=0,DD=0,Date="",Vol=0,DofM=0,DoY=0,DofW=""))
1   1 01/01/97 28857    1   1  Wed
2   2 01/02/97 37757    2   2  Thu
3   3 01/03/97 41394    3   3  Fri
4   4 01/04/97 39614    4   4  Sat
5   5 01/01/97 -8857    1   1  Wed
6   6 01/02/97 -7757    2   2  Thu
7   7 01/03/97 -1394    3   3  Fri
8   8 01/04/97 -9614    4   4  Sat

#turn into data.frame for ggplot
AC3<-as.data.frame(AC3)

# do the plottin'
require(ggplot2)
ggp2 <- ggplot(AC3,aes(DofM,DofW))
ggp2 <- ggp2 + geom_tile(aes(fill=Vol)) 
ggp2 <- ggp2 + scale_fill_gradient(low="white",high="darkblue") 
ggp2 <- ggp2 + xlab("Day of Month") 
ggp2 <- ggp2 + ylab("Day of Week")
print(ggp2)

您可以看到 ggplot 仅使用组合 DofM,DofW 的最后一个 Vol 值。现在要了解您真正想做的事情，总结 DofM,DofW 组合的重复 Vol 值。我选择的武器是R 库sqldf（SQL 数据框）。这是在 R 中使用 SQL 的一种方式。

# need to install sqldf: install.packages("sqldf",dep=TRUE)
require(sqldf)
# sql query to add all Vol values for unique DofM, DofW combinations
AC4<-sqldf(paste("select DofM, DofW, sum(Vol) as newvol"
                ,"from AC3"
                ,"group by DofM, DofW"
                ))
# see if you agree with the output:
print(AC4)