将数据框分成两组答案

【问题标题】：Split dataframe into two groups将数据框分成两组
【发布时间】：2015-07-11 07:51:58
【问题描述】：

我已经模拟了这个data.frame：

library(plyr); library(ggplot2)
count <- rev(seq(0, 500, 20))
tide <- seq(0, 5, length.out = length(count))
df <- data.frame(count, tide)

count_sim <- unlist(llply(count, function(x) rnorm(20, x, 50)))
count_sim_df <- data.frame(tide=rep(tide,each=20), count_sim)

而且可以这样绘制：

ggplot(df, aes(tide, count)) + geom_jitter(data = count_sim_df, aes(tide, count_sim), position = position_jitter(width = 0.09)) + geom_line(color = "red")

我现在想将count_sim_df 分成两组：high 和low。当我绘制分割count_sim_df 时，它应该看起来像这样（绿色和蓝色的所有内容都经过了photoshop）。我发现棘手的一点是在high 和low 之间在tide 的中间值附近重叠。

这就是我想将count_sim_df 分成高低的方式：

将count_sim_df 的一半分配给high，将count_sim_df 的一半分配给low
重新分配count 的值，以在tide 的中间值附近创建high 和low 之间的重叠

【问题讨论】：

标签： r ggplot2 dataframe visualization

【解决方案1】：

这是我修改后的建议。我希望它有所帮助。

middle_tide <- mean(count_sim_df$tide)
hilo_margin <- 0.3
middle_df <- subset(count_sim_df,tide > (middle_tide * (1 - hilo_margin)))
middle_df <- subset(middle_df, tide < (middle_tide * (1 + hilo_margin)))
upper_df <- count_sim_df[count_sim_df$tide > (middle_tide * (1 + hilo_margin)),]
lower_df <- count_sim_df[count_sim_df$tide < (middle_tide * (1 - hilo_margin)),]
idx <- sample(2,nrow(middle_df), replace = T)
count_sim_high <- rbind(middle_df[idx==1,], upper_df)
count_sim_low <- rbind(middle_df[idx==2,], lower_df)
p <- ggplot(df, aes(tide, count)) + 
   geom_jitter(data = count_sim_high, aes(tide, count_sim), position = position_jitter(width = 0.09), alpha=0.4, col=3, size=3) + 
   geom_jitter(data = count_sim_low, aes(tide, count_sim), position = position_jitter(width = 0.09), alpha=0.4, col=4, size=3) + 
   geom_line(color = "red")

我可能还没有完全理解您拆分高低的过程，尤其是您所说的“重新分配计数值”的意思。在这种情况下，我在tide 的中间值周围定义了一个 30% 的重叠区域，并将该过渡区域内的一半点随机分配给“高”集，另一半分配给“低”集。

【讨论】：

已编辑问题以更清楚地说明如何创建重叠

【解决方案2】：

这是一种使用相对较少的代码和仅使用基础 R 生成示例数据集和分组的方法：

library(ggplot2)
count <- rev(seq(0, 500, 20))
tide <- seq(0, 5, length.out = length(count))
df <- data.frame(count, tide)

count_sim_df <- data.frame(tide = rep(tide,each=20),
                           count = rnorm(20 * nrow(df), rep(count, each = 20), 50))
margin <- 0.3
count_sim_df$`tide level` <-
  with(count_sim_df,
    factor((tide >= quantile(tide, 0.5 + margin / 2) |
           (tide >= quantile(tide, 0.5 - margin / 2) & sample(0:1, length(tide), TRUE))),
           labels = c("Low", "High")))
ggplot(df, aes(x = tide, y = count)) +
  geom_line(colour = "red") +
  geom_point(aes(colour = `tide level`), count_sim_df, position = "jitter") +
  scale_colour_manual(values = c(High = "green", Low = "blue"))

【讨论】：