ggplot z 2 osiami po każdej stronie i różnymi skalami


231

Muszę wykreślić wykres słupkowy pokazujący liczby i wykres liniowy pokazujący szybkość wszystko na jednym wykresie, mogę zrobić oba z nich osobno, ale kiedy je złożę, skaluję pierwszą warstwę (tj. geom_bar) Nakłada się na drugą warstwa (tj. geom_line).

Czy mogę przesunąć oś geom_linew prawo?


5
Czy możesz zastosować podejście pokazane tutaj, rpubs.com/kohske/dual_axis_in_ggplot2 ?
Tom Wenseleers,


2
przewiń w dół, aby zobaczyć natywną ggplot2implementację wewnątrz scale_y_*, obecnie wywoływaną sec.axis.
PatrickT

Odpowiedzi:


106

Czasami klient chce dwóch skal y. Przekazanie im „wadliwej” mowy jest często bezcelowe. Ale podoba mi się naleganie ggplot2 na robienie rzeczy we właściwy sposób. Jestem pewien, że ggplot w rzeczywistości kształci przeciętnego użytkownika w zakresie prawidłowych technik wizualizacji.

Może możesz użyć facetingu i skalować za darmo, aby porównać dwie serie danych? - np. spójrz tutaj: https://github.com/hadley/ggplot2/wiki/Align-two-plots-on-a-page


30
Zgadzam się z Andreasem - czasami (jak teraz dla mnie) klient chce dwóch zestawów danych na tym samym wykresie i nie chce słyszeć, jak mówię o teorii plotkowania. Muszę ich przekonać, żeby już tego nie chcieli (nie zawsze bitwę, którą chcę toczyć), albo powiedzieć im, że „pakiet knowań, którego używam, nie obsługuje tego”. Więc odchodzę dziś od ggplot dla tego konkretnego projektu. = (
Ken Williams

58
dlaczego pakiet kreślarski musi wstawiać własne opinie na temat jego działania? Nie, dziękuję.
colin,

5
Twój link zgnił. Czy możesz edytować swoją odpowiedź i zamieścić podsumowanie tego, co kiedyś mówiła?
Zach

24
Nie mogę się zgodzić z tym komentarzem (dotyczy). Bardzo często (!) Zagęszczane są informacje w jak największym stopniu, np. Biorąc pod uwagę surowe ograniczenia nakładane przez czasopisma naukowe itp., Aby szybko przekazać wiadomość. Dlatego i tak dodaje się drugą oś y, a moim zdaniem ggplot powinien w tym pomóc.
Stingery

57
Zadziwiające, jak rzucane są bez wątpienia słowa takie jak „błędne” i „właściwa droga”, jak gdyby nie były oparte na teorii, która sama w sobie jest dość przekonana i dogmatyczna, ale jest bezmyślnie akceptowana przez zbyt wielu ludzi, co widać po fakt, że ta całkowicie niepomocna odpowiedź (która rzuca kość ogniwową) ma 72 pozytywne głosy w momencie pisania. Trakt porównywaniu szeregów czasowych, na przykład, może być nieocenionym mieć zarówno na tym samym wykresie, ponieważ korelacja z różnic jest znacznie łatwiejsze do wykrycia. Zapytaj tysiące dobrze wykształconych profesjonalistów finansowych, którzy robią to codziennie przez cały dzień.
Thomas Browne,

149

W ggplot2 nie jest to możliwe, ponieważ uważam, że wykresy z oddzielnymi skalami y (nie skalami y, które są wzajemnymi transformacjami) są zasadniczo wadliwe. Trochę problemów:

  • Nie są odwracalne: biorąc pod uwagę punkt w przestrzeni wydruku, nie można jednoznacznie odwzorować go z powrotem na punkt w przestrzeni danych.

  • Są stosunkowo trudne do odczytania poprawnie w porównaniu do innych opcji. Szczegółowe informacje można znaleźć w badaniu na temat wykresów danych w dwóch skalach autorstwa Petry Isenberg, Anastasii Bezerianos, Pierre Dragicevic i Jean-Daniel Fekete

  • Łatwo nimi manipulować w celu wprowadzenia w błąd: nie ma unikalnego sposobu określenia względnych skal osi, pozostawiając je otwartym na manipulację. Dwa przykłady z bloga Junkcharts: jeden , dwa

  • Są arbitralne: dlaczego mają tylko 2 skale, a nie 3, 4 lub dziesięć?

Warto również przeczytać obszerną dyskusję Stephena Few na temat podwójnie skalowanych osi na wykresach. Czy są one kiedykolwiek najlepszym rozwiązaniem? .


39
Czy mógłbyś opracować swoją opinię? Nie będąc oświeconym, myślę, że jest to raczej zwarty sposób kreślenia dwóch niezależnych zmiennych. Jest to również funkcja, o którą się prosi, i jest szeroko stosowana.
KarlP,

66
@ Hadley: W większości się zgadzam, ale istnieje prawdziwe zastosowanie dla wielu skal y - użycie 2 różnych jednostek dla tych samych danych, np. skali Celsjusza i Fahrenheita w szeregach czasowych temperatur.
Richie Cotton

11
@Hadley Twoim zdaniem. Nie u mnie, ani u wielu innych naukowców. Z pewnością można to osiągnąć, umieszczając drugą fabułę (z całkowicie przezroczystym tłem) bezpośrednio nad pierwszą, aby wyglądały jak jedna. Po prostu nie wiem, jak zapewnić, aby rogi obwiedni były wyrównane / zarejestrowane ze sobą.
Nicholas Hamilton

8
@hadley Na przykład na wykresach klimatycznych Walther-Lieth powszechnie stosuje się dwie osie y. Ponieważ istnieje ustalona recepta, jak to zrobić, możliwe zamieszanie jest minimalne ...
Sebschub,

32
@adley Przykro mi, nie widzę problemów z danym diagramem klimatycznym. Umieszczając temperaturę i opady na jednym schemacie (z ustaloną receptą), szybko można się domyślić, czy jest to wilgotny, czy suchy klimat. Albo na odwrót: jaki byłby lepszy sposób na wizualizację temperatury, opadów i ich „relacji”? W każdym razie wielkie dzięki za pracę w ggplot2!
sebschub,

121

Począwszy od ggplot2 2.2.0, możesz dodać oś pomocniczą w ten sposób (zaczerpniętą z ogłoszenia ggplot2 2.2.0 ):

ggplot(mpg, aes(displ, hwy)) + 
  geom_point() + 
  scale_y_continuous(
    "mpg (US)", 
    sec.axis = sec_axis(~ . * 1.20, name = "mpg (UK)")
  )

wprowadź opis zdjęcia tutaj


25
Minusem jest to, że może użyć tylko pewnej transformacji formuły bieżących osi, a nie nowej zmiennej, na przykład.
discipulus

41

Biorąc powyższe odpowiedzi i dopracowując (i cokolwiek warto), oto sposób na osiągnięcie dwóch skal poprzez sec_axis:

Załóżmy prosty (i czysto fikcyjny) zestaw danych dt: przez pięć dni śledzi liczbę przerw w porównaniu do wydajności:

        when numinter prod
1 2018-03-20        1 0.95
2 2018-03-21        5 0.50
3 2018-03-23        4 0.70
4 2018-03-24        3 0.75
5 2018-03-25        4 0.60

(zakresy obu kolumn różnią się około 5-krotnie).

Poniższy kod narysuje obie serie, które wykorzystują na całej osi Y:

ggplot() + 
  geom_bar(mapping = aes(x = dt$when, y = dt$numinter), stat = "identity", fill = "grey") +
  geom_line(mapping = aes(x = dt$when, y = dt$prod*5), size = 2, color = "blue") + 
  scale_x_date(name = "Day", labels = NULL) +
  scale_y_continuous(name = "Interruptions/day", 
    sec.axis = sec_axis(~./5, name = "Productivity % of best", 
      labels = function(b) { paste0(round(b * 100, 0), "%")})) + 
  theme(
      axis.title.y = element_text(color = "grey"),
      axis.title.y.right = element_text(color = "blue"))

Oto wynik (powyżej kodu + poprawianie kolorów):

dwie skale w jednym ggplot2

Chodzi o to (oprócz używania sec_axisprzy określaniu y_scale jest pomnożenie każdej wartości drugiej serii danych przy określaniu serii. Aby uzyskać etykiety bezpośrednio w definicji sec_axis, trzeba ją podzielić przez 5 (i formatowanie). Więc kluczową częścią powyższego kodu jest tak naprawdę *5geom_line i ~./5sec_axis (formuła dzieląca bieżącą wartość .przez 5).

Dla porównania (nie chcę tutaj oceniać podejść), tak wyglądają dwie wykresy jedna na drugiej:

dwie wykresy jedna nad drugą

Możesz sam ocenić, który z nich lepiej przekazuje wiadomość („Nie przeszkadzaj ludziom w pracy!”). To chyba sprawiedliwy sposób na decyzję.

Pełny kod obu obrazów (tak naprawdę nie jest więcej niż powyższy, po prostu kompletny i gotowy do uruchomienia) znajduje się tutaj: https://gist.github.com/sebastianrothbucher/de847063f32fdff02c83b75f59c36a7d Bardziej szczegółowe wyjaśnienie tutaj: https: // sebastianrothbucher. github.io/datascience/r/visualization/ggplot/2018/03/24/two-scales-ggplot-r.html


31

Istnieją wspólne przypadki użycia pojedynczych osi, np. Klimatograf pokazujący miesięczną temperaturę i opady. Oto proste rozwiązanie, uogólnione na podstawie rozwiązania Megatron, pozwalające ustawić dolną granicę zmiennych na wartość inną niż zero:

Przykładowe dane:

climate <- tibble(
  Month = 1:12,
  Temp = c(-4,-4,0,5,11,15,16,15,11,6,1,-3),
  Precip = c(49,36,47,41,53,65,81,89,90,84,73,55)
  )

Ustaw następujące dwie wartości na wartości bliskie limitom danych (możesz się nimi bawić, aby wyregulować pozycje wykresów; osie nadal będą poprawne):

ylim.prim <- c(0, 180)   # in this example, precipitation
ylim.sec <- c(-4, 18)    # in this example, temperature

Poniższe dokonuje niezbędnych obliczeń w oparciu o te granice i czyni sam wykres:

b <- diff(ylim.prim)/diff(ylim.sec)
a <- b*(ylim.prim[1] - ylim.sec[1])

ggplot(climate, aes(Month, Precip)) +
  geom_col() +
  geom_line(aes(y = a + Temp*b), color = "red") +
  scale_y_continuous("Precipitation", sec.axis = sec_axis(~ (. - a)/b, name = "Temperature")) +
  scale_x_continuous("Month", breaks = 1:12) +
  ggtitle("Climatogram for Oslo (1961-1990)")  

Klimatogram przedstawiający temperaturę jako linię i opady jako wykres słupkowy

Jeśli chcesz się upewnić, że czerwona linia odpowiada prawej osi Y, możesz dodać themezdanie do kodu:

ggplot(climate, aes(Month, Precip)) +
  geom_col() +
  geom_line(aes(y = a + Temp*b), color = "red") +
  scale_y_continuous("Precipitation", sec.axis = sec_axis(~ (. - a)/b, name = "Temperature")) +
  scale_x_continuous("Month", breaks = 1:12) +
  theme(axis.line.y.right = element_line(color = "red"), 
        axis.ticks.y.right = element_line(color = "red"),
        axis.text.y.right = element_text(color = "red"), 
        axis.title.y.right = element_text(color = "red")
        ) +
  ggtitle("Climatogram for Oslo (1961-1990)")

który koloruje prawą oś:

Klimatogram z czerwoną osią po prawej stronie


Uszkadza to przy niektórych wartościach ylim.primi ylim.sec.
Eric Krantz

5
To jest świetne. Dobry przykład sytuacji, gdy wykresy dwuosiowe nie są „wadliwe”. Część ogólnej mentalności polegającej na myśleniu, że wiedzą więcej o twojej pracy niż ty.
Leo Barlach

Kiedy wybieram określone granice osi (w moim przypadku ylim.prim <- c (90, 130) i ylim.sec <- c (15, 30)) nie stosuje go, ale wybiera dowolne limity, psując wszystkie skale . Nie jestem pewien, czego mi brakuje, kiedy skopiowałem powyższy kod i właśnie zmieniłem nazwy zmiennych i ograniczenia osi
Anke

@anke: tekst jest nieco niechlujny, gdy odnosi się do ylim.prim i ylim.sec. Nie odnoszą się one do granic osi, ale raczej do limitów danych. Po ustawieniu ylim.prim <- c (90, 130) i ylim.sec <- c (15, 30), jak wspomniałeś, wykres temperatury kończy się wysoko nad wykresem słupkowym (ponieważ oś temperatury zaczyna się od -75) , ale osie dla każdego wykresu są nadal poprawne.
Dag Hjermann

16

Możesz utworzyć współczynnik skalowania, który zostanie zastosowany do drugiej geom i prawej osi y. Wywodzi się to z rozwiązania Sebastiana.

library(ggplot2)

scaleFactor <- max(mtcars$cyl) / max(mtcars$hp)

ggplot(mtcars, aes(x=disp)) +
  geom_smooth(aes(y=cyl), method="loess", col="blue") +
  geom_smooth(aes(y=hp * scaleFactor), method="loess", col="red") +
  scale_y_continuous(name="cyl", sec.axis=sec_axis(~./scaleFactor, name="hp")) +
  theme(
    axis.title.y.left=element_text(color="blue"),
    axis.text.y.left=element_text(color="blue"),
    axis.title.y.right=element_text(color="red"),
    axis.text.y.right=element_text(color="red")
  )

wprowadź opis zdjęcia tutaj

Uwaga: za pomocą ggplot2 v3.0.0


14

Techniczny szkielet rozwiązania tego wyzwania został dostarczony przez Kohske około 3 lata temu [ KOHSKE ]. Temat i szczegóły techniczne jego rozwiązania zostały omówione w kilku przypadkach tutaj na Stackoverflow [ID: 18989001, 29235405, 21026598]. Dlatego przedstawię tylko konkretną odmianę i kilka objaśnień, używając powyższych rozwiązań.

Załóżmy, że mamy pewne dane y1 w grupie G1, z którymi niektóre dane y2 w grupie G2 są w jakiś sposób powiązane, np. Przekształcone zakres / skala lub z dodanym szumem. Tak więc chcemy wykreślić dane razem na jednym wykresie ze skalą y1 po lewej i y2 po prawej.

  df <- data.frame(item=LETTERS[1:n],  y1=c(-0.8684, 4.2242, -0.3181, 0.5797, -0.4875), y2=c(-5.719, 205.184, 4.781, 41.952, 9.911 )) # made up!

> df
  item      y1         y2
1    A -0.8684 -19.154567
2    B  4.2242 219.092499
3    C -0.3181  18.849686
4    D  0.5797  46.945161
5    E -0.4875  -4.721973

Jeśli teraz wykreślimy nasze dane razem z czymś takim

ggplot(data=df, aes(label=item)) +
  theme_bw() + 
  geom_segment(aes(x='G1', xend='G2', y=y1, yend=y2), color='grey')+
  geom_text(aes(x='G1', y=y1), color='blue') +
  geom_text(aes(x='G2', y=y2), color='red') +
  theme(legend.position='none', panel.grid=element_blank())

nie wyrównuje się ładnie, ponieważ mniejsza skala y1 oczywiście zapada się w wyniku większej skali y2 .

Sztuczka w celu sprostania wyzwaniu polega na technicznym wykreśleniu obu zestawów danych w stosunku do pierwszej skali y1, ale zgłoszenie drugiego w stosunku do osi pomocniczej z etykietami pokazującymi oryginalną skalę y2 .

Dlatego budujemy pierwszą funkcję pomocniczą CalcFudgeAxis, która oblicza i zbiera cechy nowej osi, która ma zostać pokazana. Funkcja może zostać zmieniona na lubianą (ta mapuje po prostu y2 na zakres y1 ).

CalcFudgeAxis = function( y1, y2=y1) {
  Cast2To1 = function(x) ((ylim1[2]-ylim1[1])/(ylim2[2]-ylim2[1])*x) # x gets mapped to range of ylim2
  ylim1 <- c(min(y1),max(y1))
  ylim2 <- c(min(y2),max(y2))    
  yf <- Cast2To1(y2)
  labelsyf <- pretty(y2)  
  return(list(
    yf=yf,
    labels=labelsyf,
    breaks=Cast2To1(labelsyf)
  ))
}

co daje niektóre:

> FudgeAxis <- CalcFudgeAxis( df$y1, df$y2 )

> FudgeAxis
$yf
[1] -0.4094344  4.6831656  0.4029175  1.0034664 -0.1009335

$labels
[1] -50   0  50 100 150 200 250

$breaks
[1] -1.068764  0.000000  1.068764  2.137529  3.206293  4.275058  5.343822


> cbind(df, FudgeAxis$yf)
  item      y1         y2 FudgeAxis$yf
1    A -0.8684 -19.154567   -0.4094344
2    B  4.2242 219.092499    4.6831656
3    C -0.3181  18.849686    0.4029175
4    D  0.5797  46.945161    1.0034664
5    E -0.4875  -4.721973   -0.1009335

Teraz zapakowałem rozwiązanie Kohske w drugiej funkcji pomocniczej PlotWithFudgeAxis (do której wrzucamy obiekt ggplot i obiekt pomocniczy nowej osi):

library(gtable)
library(grid)

PlotWithFudgeAxis = function( plot1, FudgeAxis) {
  # based on: https://rpubs.com/kohske/dual_axis_in_ggplot2
  plot2 <- plot1 + with(FudgeAxis, scale_y_continuous( breaks=breaks, labels=labels))

  #extract gtable
  g1<-ggplot_gtable(ggplot_build(plot1))
  g2<-ggplot_gtable(ggplot_build(plot2))

  #overlap the panel of the 2nd plot on that of the 1st plot
  pp<-c(subset(g1$layout, name=="panel", se=t:r))
  g<-gtable_add_grob(g1, g2$grobs[[which(g2$layout$name=="panel")]], pp$t, pp$l, pp$b,pp$l)

  ia <- which(g2$layout$name == "axis-l")
  ga <- g2$grobs[[ia]]
  ax <- ga$children[[2]]
  ax$widths <- rev(ax$widths)
  ax$grobs <- rev(ax$grobs)
  ax$grobs[[1]]$x <- ax$grobs[[1]]$x - unit(1, "npc") + unit(0.15, "cm")
  g <- gtable_add_cols(g, g2$widths[g2$layout[ia, ]$l], length(g$widths) - 1)
  g <- gtable_add_grob(g, ax, pp$t, length(g$widths) - 1, pp$b)

  grid.draw(g)
}

Teraz wszystko można złożyć razem: Poniższy kod pokazuje, w jaki sposób proponowane rozwiązanie można wykorzystać w codziennym środowisku . Wywołanie wydruku nie wykreśla już oryginalnych danych y2, ale sklonowaną wersję yf (przechowywaną wewnątrz wstępnie obliczonego obiektu pomocniczego FudgeAxis ), która działa w skali y1 . Oryginalny obggot objet jest następnie manipulowany za pomocą funkcji pomocniczej Kohske PlotWithFudgeAxis, aby dodać drugą oś zachowującą skale y2 . Przedstawia również wykres zmanipulowany.

FudgeAxis <- CalcFudgeAxis( df$y1, df$y2 )

tmpPlot <- ggplot(data=df, aes(label=item)) +
      theme_bw() + 
      geom_segment(aes(x='G1', xend='G2', y=y1, yend=FudgeAxis$yf), color='grey')+
      geom_text(aes(x='G1', y=y1), color='blue') +
      geom_text(aes(x='G2', y=FudgeAxis$yf), color='red') +
      theme(legend.position='none', panel.grid=element_blank())

PlotWithFudgeAxis(tmpPlot, FudgeAxis)

Teraz rysuje się zgodnie z potrzebami z dwiema osiami, y1 po lewej i y2 po prawej

2 osie

Powyższym rozwiązaniem jest, mówiąc krótko, ograniczony chwiejny hack. Kiedy gra z jądrem ggplot, wyświetli ostrzeżenia, że ​​wymieniamy skale post-the-fact itp. Należy się z tym obchodzić ostrożnie i może powodować niepożądane zachowanie w innym otoczeniu. Równie dobrze może być konieczne manipulowanie funkcjami pomocnika, aby uzyskać układ zgodnie z potrzebami. Umieszczenie legendy jest takim problemem (byłoby umieszczone między panelem a nową osią; dlatego ją upuściłem). Skalowanie / wyrównanie 2 osi jest również nieco trudne: powyższy kod działa dobrze, gdy obie skale zawierają „0”, w przeciwnym razie jedna oś zostanie przesunięta. Zdecydowanie z pewnymi możliwościami poprawy ...

Jeśli chcesz zapisać zdjęcie, musisz zawinąć połączenie w urządzenie otwierające / zamykające:

png(...)
PlotWithFudgeAxis(tmpPlot, FudgeAxis)
dev.off()

9

Poniższy artykuł pomógł mi połączyć dwa wykresy wygenerowane przez ggplot2 w jednym wierszu:

Wiele wykresów na jednej stronie (ggplot2) według Cookbook for R

A oto, jak może wyglądać kod w tym przypadku:

p1 <- 
  ggplot() + aes(mns)+ geom_histogram(aes(y=..density..), binwidth=0.01, colour="black", fill="white") + geom_vline(aes(xintercept=mean(mns, na.rm=T)), color="red", linetype="dashed", size=1) +  geom_density(alpha=.2)

p2 <- 
  ggplot() + aes(mns)+ geom_histogram( binwidth=0.01, colour="black", fill="white") + geom_vline(aes(xintercept=mean(mns, na.rm=T)), color="red", linetype="dashed", size=1)  

multiplot(p1,p2,cols=2)

Co się stało z funkcją Multiplot? Pojawia się błąd, że funkcja nie została znaleziona, mimo że mam zainstalowaną i załadowaną bibliotekę ggplot2.
Nneka

1
@Danka Funkcja mnożenia jest funkcją niestandardową (na dole połączonej strony).
Dribbel

Czy możesz dodać fabułę?
Sibo Jiang

Ostatnio istnieje wiele pakietów, które mają więcej opcji / funkcji niż multiplot stackoverflow.com/a/51220506
Tung

7

Dla mnie trudną częścią było ustalenie funkcji transformacji między dwiema osiami. Kiedyś myCurveFit za to.

> dput(combined_80_8192 %>% filter (time > 270, time < 280))
structure(list(run = c(268L, 268L, 268L, 268L, 268L, 268L, 268L, 
268L, 268L, 268L, 263L, 263L, 263L, 263L, 263L, 263L, 263L, 263L, 
263L, 263L, 269L, 269L, 269L, 269L, 269L, 269L, 269L, 269L, 269L, 
269L, 261L, 261L, 261L, 261L, 261L, 261L, 261L, 261L, 261L, 261L, 
267L, 267L, 267L, 267L, 267L, 267L, 267L, 267L, 267L, 267L, 265L, 
265L, 265L, 265L, 265L, 265L, 265L, 265L, 265L, 265L, 266L, 266L, 
266L, 266L, 266L, 266L, 266L, 266L, 266L, 266L, 262L, 262L, 262L, 
262L, 262L, 262L, 262L, 262L, 262L, 262L, 264L, 264L, 264L, 264L, 
264L, 264L, 264L, 264L, 264L, 264L, 260L, 260L, 260L, 260L, 260L, 
260L, 260L, 260L, 260L, 260L), repetition = c(8L, 8L, 8L, 8L, 
8L, 8L, 8L, 8L, 8L, 8L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 5L, 5L, 
5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 
6L, 6L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L
), module = structure(c(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, 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, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "scenario.node[0].nicVLCTail.phyVLC", class = "factor"), 
    configname = structure(c(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, 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, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L), .Label = "Road-Vlc", class = "factor"), packetByteLength = c(8192L, 
    8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 
    8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 
    8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 
    8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 
    8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 
    8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 
    8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 
    8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 
    8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 
    8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 
    8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L, 8192L
    ), numVehicles = c(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, 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, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L
    ), dDistance = c(80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 
    80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 
    80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 
    80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 
    80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 
    80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 
    80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 
    80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L, 
    80L, 80L, 80L, 80L, 80L, 80L, 80L, 80L), time = c(270.166006903445, 
    271.173853699836, 272.175873251122, 273.177524313334, 274.182946177105, 
    275.188959464989, 276.189675339937, 277.198250244799, 278.204619457189, 
    279.212562800009, 270.164199199177, 271.168527215152, 272.173072994958, 
    273.179210429715, 274.184351047337, 275.18980754378, 276.194816792995, 
    277.198598277809, 278.202398083519, 279.210634593917, 270.210674322891, 
    271.212395107473, 272.218871923292, 273.219060500457, 274.220486359614, 
    275.22401452372, 276.229646658839, 277.231060448138, 278.240407241942, 
    279.2437126347, 270.283554249858, 271.293168593832, 272.298574288769, 
    273.304413221348, 274.306272082517, 275.309023049011, 276.317805897347, 
    277.324403550028, 278.332855848701, 279.334046374594, 270.118608539613, 
    271.127947700074, 272.133887145863, 273.135726000491, 274.135994529981, 
    275.136563912708, 276.140120735361, 277.144298344151, 278.146885137621, 
    279.147552358659, 270.206015567272, 271.214618077209, 272.216566814903, 
    273.225435592582, 274.234014573683, 275.242949179958, 276.248417809711, 
    277.248800670023, 278.249750333404, 279.252926560188, 270.217182684494, 
    271.218357511397, 272.224698488895, 273.231112784327, 274.238740508457, 
    275.242715184122, 276.249053562718, 277.250325509798, 278.258488063493, 
    279.261141590137, 270.282904173953, 271.284689544638, 272.294220723234, 
    273.299749415592, 274.30628880553, 275.312075103126, 276.31579134717, 
    277.321905523606, 278.326305136748, 279.333056502253, 270.258991527456, 
    271.260224091407, 272.270076810133, 273.27052037648, 274.274119348094, 
    275.280808254502, 276.286353887245, 277.287064312339, 278.294444793276, 
    279.296772014594, 270.333066283904, 271.33877455992, 272.345842319903, 
    273.350858180493, 274.353972278505, 275.360454510107, 276.365088896161, 
    277.369166956941, 278.372571708911, 279.38017503079), distanceToTx = c(80.255266401689, 
    80.156059067023, 79.98823695539, 79.826647129071, 79.76678667135, 
    79.788239825292, 79.734539327997, 79.74766421514, 79.801243848241, 
    79.765920888341, 80.255266401689, 80.15850240049, 79.98823695539, 
    79.826647129071, 79.76678667135, 79.788239825292, 79.735078924078, 
    79.74766421514, 79.801243848241, 79.764622734914, 80.251248121732, 
    80.146436869316, 79.984682320466, 79.82292012342, 79.761908518748, 
    79.796988776281, 79.736920997657, 79.745038376718, 79.802638836686, 
    79.770029970452, 80.243475525691, 80.127918207499, 79.978303140866, 
    79.816259117883, 79.749322030693, 79.809916018889, 79.744456560867, 
    79.738655068783, 79.788697533211, 79.784288359619, 80.260412958482, 
    80.168426829066, 79.992034911214, 79.830845773284, 79.7756751763, 
    79.778156038931, 79.732399593756, 79.752769548846, 79.799967731078, 
    79.757585110481, 80.251248121732, 80.146436869316, 79.984682320466, 
    79.822062073459, 79.75884601899, 79.801590491435, 79.738335109094, 
    79.74347007248, 79.803215965043, 79.771471198955, 80.250257298678, 
    80.146436869316, 79.983831684476, 79.822062073459, 79.75884601899, 
    79.801590491435, 79.738335109094, 79.74347007248, 79.803849157574, 
    79.771471198955, 80.243475525691, 80.130180105198, 79.978303140866, 
    79.816881283718, 79.749322030693, 79.80984572883, 79.744456560867, 
    79.738655068783, 79.790548644175, 79.784288359619, 80.246349000313, 
    80.137056554491, 79.980581246037, 79.818924707937, 79.753176142361, 
    79.808777040341, 79.741609845588, 79.740770913572, 79.796316397253, 
    79.777593733292, 80.238796415443, 80.119021911134, 79.974810568944, 
    79.814065350562, 79.743657315504, 79.810146783217, 79.749945098869, 
    79.737122584544, 79.781650522348, 79.791554933936), headerNoError = c(0.99999999989702, 
    0.9999999999981, 0.99999999999946, 0.9999999928026, 0.99999873265475, 
    0.77080141574964, 0.99007491438593, 0.99994396605059, 0.45588747062284, 
    0.93484381262491, 0.99999999989702, 0.99999999999816, 0.99999999999946, 
    0.9999999928026, 0.99999873265475, 0.77080141574964, 0.99008458785106, 
    0.99994396605059, 0.45588747062284, 0.93480223051707, 0.99999999989735, 
    0.99999999999789, 0.99999999999946, 0.99999999287551, 0.99999876302649, 
    0.46903147501117, 0.98835168988253, 0.99994427085086, 0.45235035271542, 
    0.93496741877335, 0.99999999989803, 0.99999999999781, 0.99999999999948, 
    0.99999999318224, 0.99994254156311, 0.46891362282273, 0.93382613917348, 
    0.99994594904099, 0.93002915596843, 0.93569767251247, 0.99999999989658, 
    0.99999999998074, 0.99999999999946, 0.99999999272802, 0.99999871586781, 
    0.76935240919896, 0.99002587758346, 0.99999881589732, 0.46179415706093, 
    0.93417422376389, 0.99999999989735, 0.99999999999789, 0.99999999999946, 
    0.99999999289347, 0.99999876940486, 0.46930769326427, 0.98837353639905, 
    0.99994447154714, 0.16313586712094, 0.93500824170148, 0.99999999989744, 
    0.99999999999789, 0.99999999999946, 0.99999999289347, 0.99999876940486, 
    0.46930769326427, 0.98837353639905, 0.99994447154714, 0.16330039178981, 
    0.93500824170148, 0.99999999989803, 0.99999999999781, 0.99999999999948, 
    0.99999999316541, 0.99994254156311, 0.46794586553266, 0.93382613917348, 
    0.99994594904099, 0.9303627789484, 0.93569767251247, 0.99999999989778, 
    0.9999999999978, 0.99999999999948, 0.99999999311433, 0.99999878195152, 
    0.47101897739483, 0.93368891853679, 0.99994556595217, 0.7571113417265, 
    0.93553999975802, 0.99999999998191, 0.99999999999784, 0.99999999999971, 
    0.99999891129658, 0.99994309267792, 0.46510628979591, 0.93442584181035, 
    0.99894450514543, 0.99890078483692, 0.76933812306423), receivedPower_dbm = c(-93.023492290586, 
    -92.388378035287, -92.205716340607, -93.816400586752, -95.023489422885, 
    -100.86308557253, -98.464763536915, -96.175707680373, -102.06189538385, 
    -99.716653422746, -93.023492290586, -92.384760627397, -92.205716340607, 
    -93.816400586752, -95.023489422885, -100.86308557253, -98.464201120719, 
    -96.175707680373, -102.06189538385, -99.717150021506, -93.022927803442, 
    -92.404017215549, -92.204561341714, -93.814319484729, -95.016990717792, 
    -102.01669022332, -98.558088145955, -96.173817001483, -102.07406915124, 
    -99.71517574876, -93.021813165972, -92.409586309743, -92.20229160243, 
    -93.805335867418, -96.184419849593, -102.01709540787, -99.728735187547, 
    -96.163233028048, -99.772547164798, -99.706399753853, -93.024204617071, 
    -92.745813384859, -92.206884754512, -93.818508150122, -95.027018807793, 
    -100.87000577258, -98.467607232407, -95.005311380324, -102.04157607608, 
    -99.724619517, -93.022927803442, -92.404017215549, -92.204561341714, 
    -93.813803344588, -95.015606885523, -102.0157405687, -98.556982278361, 
    -96.172566862738, -103.21871579865, -99.714687230796, -93.022787428238, 
    -92.404017215549, -92.204274688493, -93.813803344588, -95.015606885523, 
    -102.0157405687, -98.556982278361, -96.172566862738, -103.21784988098, 
    -99.714687230796, -93.021813165972, -92.409950613665, -92.20229160243, 
    -93.805838770576, -96.184419849593, -102.02042267497, -99.728735187547, 
    -96.163233028048, -99.768774335378, -99.706399753853, -93.022228914406, 
    -92.411048503835, -92.203136463155, -93.807357409082, -95.012865008237, 
    -102.00985717796, -99.730352912911, -96.165675535906, -100.92744056572, 
    -99.708301333236, -92.735781110993, -92.408137395049, -92.119533319039, 
    -94.982938427575, -96.181073124017, -102.03018610927, -99.721633629806, 
    -97.32940323644, -97.347613268692, -100.87007386786), snr = c(49.848348091678, 
    57.698190927109, 60.17669971462, 41.529809724535, 31.452202106925, 
    8.1976890851341, 14.240447804094, 24.122884195464, 6.2202875499406, 
    10.674183333671, 49.848348091678, 57.746270018264, 60.17669971462, 
    41.529809724535, 31.452202106925, 8.1976890851341, 14.242292077376, 
    24.122884195464, 6.2202875499406, 10.672962852322, 49.854827699773, 
    57.49079026127, 60.192705735317, 41.549715223147, 31.499301851462, 
    6.2853718719014, 13.937702343688, 24.133388256416, 6.2028757927148, 
    10.677815810561, 49.867624820879, 57.417115267867, 60.224172277442, 
    41.635752021705, 24.074540962859, 6.2847854917092, 10.644529778044, 
    24.19227425387, 10.537686730745, 10.699414795917, 49.84017267426, 
    53.139646558768, 60.160512118809, 41.509660845114, 31.42665220053, 
    8.1846370024428, 14.231126423354, 31.584125885363, 6.2494585568733, 
    10.654622041348, 49.854827699773, 57.49079026127, 60.192705735317, 
    41.55465351989, 31.509340361646, 6.2867464196657, 13.941251828322, 
    24.140336174865, 4.765718874642, 10.679016976694, 49.856439162736, 
    57.49079026127, 60.196678846453, 41.55465351989, 31.509340361646, 
    6.2867464196657, 13.941251828322, 24.140336174865, 4.7666691818074, 
    10.679016976694, 49.867624820879, 57.412299088098, 60.224172277442, 
    41.630930975211, 24.074540962859, 6.279972363168, 10.644529778044, 
    24.19227425387, 10.546845071479, 10.699414795917, 49.862851240855, 
    57.397787176282, 60.212457625018, 41.61637603957, 31.529239767749, 
    6.2952688513108, 10.640565481982, 24.178672145334, 8.0771089950663, 
    10.694731030907, 53.262541905639, 57.43627424514, 61.382796189332, 
    31.747253311549, 24.093100244121, 6.2658701281075, 10.661949889074, 
    18.495227442305, 18.417839037171, 8.1845086722809), frameId = c(15051, 
    15106, 15165, 15220, 15279, 15330, 15385, 15452, 15511, 15566, 
    15019, 15074, 15129, 15184, 15239, 15298, 15353, 15412, 15471, 
    15526, 14947, 14994, 15057, 15112, 15171, 15226, 15281, 15332, 
    15391, 15442, 14971, 15030, 15085, 15144, 15203, 15262, 15321, 
    15380, 15435, 15490, 14915, 14978, 15033, 15092, 15147, 15198, 
    15257, 15312, 15371, 15430, 14975, 15034, 15089, 15140, 15195, 
    15254, 15313, 15368, 15427, 15478, 14987, 15046, 15105, 15160, 
    15215, 15274, 15329, 15384, 15447, 15506, 14943, 15002, 15061, 
    15116, 15171, 15230, 15285, 15344, 15399, 15454, 14971, 15026, 
    15081, 15136, 15195, 15258, 15313, 15368, 15423, 15478, 15039, 
    15094, 15149, 15204, 15263, 15314, 15369, 15428, 15487, 15546
    ), packetOkSinr = c(0.99999999314881, 0.9999999998736, 0.99999999996428, 
    0.99999952114066, 0.99991568416005, 3.00628034688444e-08, 
    0.51497487795954, 0.99627877136019, 0, 0.011303253101957, 
    0.99999999314881, 0.99999999987726, 0.99999999996428, 0.99999952114066, 
    0.99991568416005, 3.00628034688444e-08, 0.51530974419663, 
    0.99627877136019, 0, 0.011269851265775, 0.9999999931708, 
    0.99999999985986, 0.99999999996428, 0.99999952599145, 0.99991770469509, 
    0, 0.45861812482641, 0.99629897628155, 0, 0.011403119534097, 
    0.99999999321568, 0.99999999985437, 0.99999999996519, 0.99999954639936, 
    0.99618434878558, 0, 0.010513119213425, 0.99641022914441, 
    0.00801687746446111, 0.012011103529927, 0.9999999931195, 
    0.99999999871861, 0.99999999996428, 0.99999951617905, 0.99991456738049, 
    2.6525298291169e-08, 0.51328066587104, 0.9999212220316, 0, 
    0.010777054258914, 0.9999999931708, 0.99999999985986, 0.99999999996428, 
    0.99999952718674, 0.99991812902805, 0, 0.45929307038653, 
    0.99631228046814, 0, 0.011436292559188, 0.99999999317629, 
    0.99999999985986, 0.99999999996428, 0.99999952718674, 0.99991812902805, 
    0, 0.45929307038653, 0.99631228046814, 0, 0.011436292559188, 
    0.99999999321568, 0.99999999985437, 0.99999999996519, 0.99999954527918, 
    0.99618434878558, 0, 0.010513119213425, 0.99641022914441, 
    0.00821047996950475, 0.012011103529927, 0.99999999319919, 
    0.99999999985345, 0.99999999996519, 0.99999954188106, 0.99991896371849, 
    0, 0.010410830482692, 0.996384831822, 9.12484388049251e-09, 
    0.011877185067536, 0.99999999879646, 0.9999999998562, 0.99999999998077, 
    0.99992756868677, 0.9962208785486, 0, 0.010971897073662, 
    0.93214999078663, 0.92943956665979, 2.64925478221656e-08), 
    snir = c(49.848348091678, 57.698190927109, 60.17669971462, 
    41.529809724535, 31.452202106925, 8.1976890851341, 14.240447804094, 
    24.122884195464, 6.2202875499406, 10.674183333671, 49.848348091678, 
    57.746270018264, 60.17669971462, 41.529809724535, 31.452202106925, 
    8.1976890851341, 14.242292077376, 24.122884195464, 6.2202875499406, 
    10.672962852322, 49.854827699773, 57.49079026127, 60.192705735317, 
    41.549715223147, 31.499301851462, 6.2853718719014, 13.937702343688, 
    24.133388256416, 6.2028757927148, 10.677815810561, 49.867624820879, 
    57.417115267867, 60.224172277442, 41.635752021705, 24.074540962859, 
    6.2847854917092, 10.644529778044, 24.19227425387, 10.537686730745, 
    10.699414795917, 49.84017267426, 53.139646558768, 60.160512118809, 
    41.509660845114, 31.42665220053, 8.1846370024428, 14.231126423354, 
    31.584125885363, 6.2494585568733, 10.654622041348, 49.854827699773, 
    57.49079026127, 60.192705735317, 41.55465351989, 31.509340361646, 
    6.2867464196657, 13.941251828322, 24.140336174865, 4.765718874642, 
    10.679016976694, 49.856439162736, 57.49079026127, 60.196678846453, 
    41.55465351989, 31.509340361646, 6.2867464196657, 13.941251828322, 
    24.140336174865, 4.7666691818074, 10.679016976694, 49.867624820879, 
    57.412299088098, 60.224172277442, 41.630930975211, 24.074540962859, 
    6.279972363168, 10.644529778044, 24.19227425387, 10.546845071479, 
    10.699414795917, 49.862851240855, 57.397787176282, 60.212457625018, 
    41.61637603957, 31.529239767749, 6.2952688513108, 10.640565481982, 
    24.178672145334, 8.0771089950663, 10.694731030907, 53.262541905639, 
    57.43627424514, 61.382796189332, 31.747253311549, 24.093100244121, 
    6.2658701281075, 10.661949889074, 18.495227442305, 18.417839037171, 
    8.1845086722809), ookSnirBer = c(8.8808636558081e-24, 3.2219795637026e-27, 
    2.6468895519653e-28, 3.9807779074715e-20, 1.0849324265615e-15, 
    2.5705217057696e-05, 4.7313805615763e-08, 1.8800438086075e-12, 
    0.00021005320203921, 1.9147343768384e-06, 8.8808636558081e-24, 
    3.0694773489537e-27, 2.6468895519653e-28, 3.9807779074715e-20, 
    1.0849324265615e-15, 2.5705217057696e-05, 4.7223753038869e-08, 
    1.8800438086075e-12, 0.00021005320203921, 1.9171738578051e-06, 
    8.8229427230445e-24, 3.9715925056443e-27, 2.6045198111088e-28, 
    3.9014083702734e-20, 1.0342658440386e-15, 0.00019591630514278, 
    6.4692014108683e-08, 1.8600094209271e-12, 0.0002140067535655, 
    1.9074922485477e-06, 8.7096574467175e-24, 4.2779443633862e-27, 
    2.5231916788231e-28, 3.5761615214425e-20, 1.9750692814982e-12, 
    0.0001960392878411, 1.9748966344895e-06, 1.7515881895994e-12, 
    2.2078334799411e-06, 1.8649940680806e-06, 8.954486301678e-24, 
    3.2021085732779e-25, 2.690441113724e-28, 4.0627628846548e-20, 
    1.1134484878561e-15, 2.6061691733331e-05, 4.777159157954e-08, 
    9.4891388749738e-16, 0.00020359398491544, 1.9542110660398e-06, 
    8.8229427230445e-24, 3.9715925056443e-27, 2.6045198111088e-28, 
    3.8819641115984e-20, 1.0237769828158e-15, 0.00019562832342849, 
    6.4455095380046e-08, 1.8468752030971e-12, 0.0010099091367628, 
    1.9051035165106e-06, 8.8085966897635e-24, 3.9715925056443e-27, 
    2.594108048185e-28, 3.8819641115984e-20, 1.0237769828158e-15, 
    0.00019562832342849, 6.4455095380046e-08, 1.8468752030971e-12, 
    0.0010088638355194, 1.9051035165106e-06, 8.7096574467175e-24, 
    4.2987746909572e-27, 2.5231916788231e-28, 3.593647329558e-20, 
    1.9750692814982e-12, 0.00019705170257492, 1.9748966344895e-06, 
    1.7515881895994e-12, 2.1868296425817e-06, 1.8649940680806e-06, 
    8.7517439682173e-24, 4.3621551072316e-27, 2.553168170837e-28, 
    3.6469582463164e-20, 1.0032983660212e-15, 0.00019385229409318, 
    1.9830820164805e-06, 1.7760568361323e-12, 2.919419915209e-05, 
    1.8741284335866e-06, 2.8285944348148e-25, 4.1960751547207e-27, 
    7.8468215407139e-29, 8.0407329049747e-16, 1.9380328071065e-12, 
    0.00020004849911333, 1.9393279417733e-06, 5.9354475879597e-10, 
    6.4258355913627e-10, 2.6065221215415e-05), ookSnrBer = c(8.8808636558081e-24, 
    3.2219795637026e-27, 2.6468895519653e-28, 3.9807779074715e-20, 
    1.0849324265615e-15, 2.5705217057696e-05, 4.7313805615763e-08, 
    1.8800438086075e-12, 0.00021005320203921, 1.9147343768384e-06, 
    8.8808636558081e-24, 3.0694773489537e-27, 2.6468895519653e-28, 
    3.9807779074715e-20, 1.0849324265615e-15, 2.5705217057696e-05, 
    4.7223753038869e-08, 1.8800438086075e-12, 0.00021005320203921, 
    1.9171738578051e-06, 8.8229427230445e-24, 3.9715925056443e-27, 
    2.6045198111088e-28, 3.9014083702734e-20, 1.0342658440386e-15, 
    0.00019591630514278, 6.4692014108683e-08, 1.8600094209271e-12, 
    0.0002140067535655, 1.9074922485477e-06, 8.7096574467175e-24, 
    4.2779443633862e-27, 2.5231916788231e-28, 3.5761615214425e-20, 
    1.9750692814982e-12, 0.0001960392878411, 1.9748966344895e-06, 
    1.7515881895994e-12, 2.2078334799411e-06, 1.8649940680806e-06, 
    8.954486301678e-24, 3.2021085732779e-25, 2.690441113724e-28, 
    4.0627628846548e-20, 1.1134484878561e-15, 2.6061691733331e-05, 
    4.777159157954e-08, 9.4891388749738e-16, 0.00020359398491544, 
    1.9542110660398e-06, 8.8229427230445e-24, 3.9715925056443e-27, 
    2.6045198111088e-28, 3.8819641115984e-20, 1.0237769828158e-15, 
    0.00019562832342849, 6.4455095380046e-08, 1.8468752030971e-12, 
    0.0010099091367628, 1.9051035165106e-06, 8.8085966897635e-24, 
    3.9715925056443e-27, 2.594108048185e-28, 3.8819641115984e-20, 
    1.0237769828158e-15, 0.00019562832342849, 6.4455095380046e-08, 
    1.8468752030971e-12, 0.0010088638355194, 1.9051035165106e-06, 
    8.7096574467175e-24, 4.2987746909572e-27, 2.5231916788231e-28, 
    3.593647329558e-20, 1.9750692814982e-12, 0.00019705170257492, 
    1.9748966344895e-06, 1.7515881895994e-12, 2.1868296425817e-06, 
    1.8649940680806e-06, 8.7517439682173e-24, 4.3621551072316e-27, 
    2.553168170837e-28, 3.6469582463164e-20, 1.0032983660212e-15, 
    0.00019385229409318, 1.9830820164805e-06, 1.7760568361323e-12, 
    2.919419915209e-05, 1.8741284335866e-06, 2.8285944348148e-25, 
    4.1960751547207e-27, 7.8468215407139e-29, 8.0407329049747e-16, 
    1.9380328071065e-12, 0.00020004849911333, 1.9393279417733e-06, 
    5.9354475879597e-10, 6.4258355913627e-10, 2.6065221215415e-05
    )), class = "data.frame", row.names = c(NA, -100L), .Names = c("run", 
"repetition", "module", "configname", "packetByteLength", "numVehicles", 
"dDistance", "time", "distanceToTx", "headerNoError", "receivedPower_dbm", 
"snr", "frameId", "packetOkSinr", "snir", "ookSnirBer", "ookSnrBer"
))

Znalezienie funkcji transformacji

  1. y1 -> y2 Ta funkcja służy do transformacji danych wtórnej osi y, które mają być „znormalizowane” zgodnie z pierwszą osią y

wprowadź opis zdjęcia tutaj

funkcja transformacji: f(y1) = 0.025*x + 2.75


  1. y2 -> y1 Ta funkcja służy do przekształcania punktów przerwania pierwszej osi y na wartości drugiej osi y. Zauważ, że oś jest teraz zamieniona.

wprowadź opis zdjęcia tutaj

funkcja transformacji: f(y1) = 40*x - 110


Konspiratorstwo

Zwróć uwagę, w jaki sposób funkcje transformacji są używane w ggplotwywołaniu do przekształcania danych „w locie”

ggplot(data=combined_80_8192 %>% filter (time > 270, time < 280), aes(x=time) ) +
  stat_summary(aes(y=receivedPower_dbm ), fun.y=mean, geom="line", colour="black") +
  stat_summary(aes(y=packetOkSinr*40 - 110 ), fun.y=mean, geom="line", colour="black", position = position_dodge(width=10)) +
  scale_x_continuous() +
  scale_y_continuous(breaks = seq(-0,-110,-10), "y_first", sec.axis=sec_axis(~.*0.025+2.75, name="y_second") ) 

Pierwsze stat_summarywywołanie to takie, które ustawia podstawę dla pierwszej osi y. Drugie stat_summarypołączenie jest wywoływane w celu przekształcenia danych. Pamiętaj, że wszystkie dane przyjmą za podstawę pierwszą oś Y. Tak więc dane muszą zostać znormalizowane dla pierwszej osi Y. Aby to zrobić, używam funkcji transformacji danych:y=packetOkSinr*40 - 110

Teraz przekształcić drugą oś korzystać z funkcji w przeciwną scale_y_continuouspołączenia: sec.axis=sec_axis(~.*0.025+2.75, name="y_second").

wprowadź opis zdjęcia tutaj


2
R może zrobić coś takiego coef(lm(c(-70, -110) ~ c(1,0)))i coef(lm(c(1,0) ~ c(-70, -110))). Możesz zdefiniować funkcję pomocnika, taką jak equationise <- function(range = c(-70, -110), target = c(1,0)){ c = coef(lm(target ~ range)) as.formula(substitute(~ a*. + b, list(a=c[[2]], b=c[[1]]))) }
baptiste

tak, wiem ... właśnie pomyślałem, że strona będzie bardziej intuicyjna
użytkownik4786271

4

Zdecydowanie mógłby zbudować fabułę z podwójnymi Y osiach zastosowaniem zasady R funtion plot.

# pseudo dataset
df <- data.frame(x = seq(1, 1000, 1), y1 = sample.int(100, 1000, replace=T), y2 = sample(50, 1000, replace = T))

# plot first plot 
with(df, plot(y1 ~ x, col = "red"))

# set new plot
par(new = T) 

# plot second plot, but without axis
with(df, plot(y2 ~ x, type = "l", xaxt = "n", yaxt = "n", xlab = "", ylab = ""))

# define y-axis and put y-labs
axis(4)
with(df, mtext("y2", side = 4))

1

Możesz użyć facet_wrap(~ variable, ncol= )zmiennej, aby utworzyć nowe porównanie. Nie jest na tej samej osi, ale jest podobny.


1

Potwierdzam i zgadzam się z Hadleyem (i innymi), że osobne skale y są „zasadniczo wadliwe”. To powiedziawszy - często chciałbym ggplot2mieć tę funkcję - szczególnie, gdy dane są w formacie szerokim i szybko chcę je wizualizować lub sprawdzić (tj. Wyłącznie do użytku osobistego).

Chociaż tidyversebiblioteka ułatwia konwersję danych do formatu długiego (takiego, facet_grid()który zadziała), proces ten nadal nie jest trywialny, jak pokazano poniżej:

library(tidyverse)
df.wide %>%
    # Select only the columns you need for the plot.
    select(date, column1, column2, column3) %>%
    # Create an id column – needed in the `gather()` function.
    mutate(id = n()) %>%
    # The `gather()` function converts to long-format. 
    # In which the `type` column will contain three factors (column1, column2, column3),
    # and the `value` column will contain the respective values.
    # All the while we retain the `id` and `date` columns.
    gather(type, value, -id, -date) %>%
    # Create the plot according to your specifications
    ggplot(aes(x = date, y = value)) +
        geom_line() +
        # Create a panel for each `type` (ie. column1, column2, column3).
        # If the types have different scales, you can use the `scales="free"` option.
        facet_grid(type~., scales = "free")

W momencie pisania ggplot2 już to obsługiwał sec_axis.
Konrad Rudolph

0

Odpowiedź Hadleya zawiera interesujące odniesienie do raportu Stephena Fewa Osie z podwójną skalą na wykresach Czy są kiedykolwiek najlepszym rozwiązaniem? .

Nie wiem, co oznacza OP z „liczeniem” i „oceną”, ale szybkie wyszukiwanie daje mi Liczenie i stawki , więc otrzymuję dane o wypadkach w North American Mountaineering 1 :

Years<-c("1998","1999","2000","2001","2002","2003","2004")
Persons.Involved<-c(281,248,301,276,295,231,311)
Fatalities<-c(20,17,24,16,34,18,35)
rate=100*Fatalities/Persons.Involved
df<-data.frame(Years=Years,Persons.Involved=Persons.Involved,Fatalities=Fatalities,rate=rate)
print(df,row.names = FALSE)

 Years Persons.Involved Fatalities      rate
  1998              281         20  7.117438
  1999              248         17  6.854839
  2000              301         24  7.973422
  2001              276         16  5.797101
  2002              295         34 11.525424
  2003              231         18  7.792208
  2004              311         35 11.254019

A potem próbowałem zrobić wykres, jak sugeruje niewielu na stronie 7 wyżej wymienionego raportu (i zgodnie z prośbą OP o wykreślenie zliczeń jako wykresu słupkowego, a stawek jako wykresu liniowego):

Drugim mniej oczywistym rozwiązaniem, które działa tylko w przypadku szeregów czasowych, jest konwersja wszystkich zbiorów wartości na wspólną skalę ilościową poprzez wyświetlanie różnic procentowych między każdą wartością a wartością odniesienia (lub indeksu). Na przykład wybierz konkretny punkt w czasie, taki jak pierwszy przedział, który pojawia się na wykresie, i wyrażaj każdą kolejną wartość jako procentową różnicę między nią a wartością początkową. Odbywa się to poprzez podzielenie wartości w każdym punkcie czasu przez wartość początkowego punktu w czasie, a następnie pomnożenie jej przez 100, aby przekształcić współczynnik na procent, jak pokazano poniżej.

df2<-df
df2$Persons.Involved <- 100*df$Persons.Involved/df$Persons.Involved[1]
df2$rate <- 100*df$rate/df$rate[1]
plot(ggplot(df2)+
  geom_bar(aes(x=Years,weight=Persons.Involved))+
  geom_line(aes(x=Years,y=rate,group=1))+
  theme(text = element_text(size=30))
  )

I to jest wynik: wprowadź opis zdjęcia tutaj

Ale nie bardzo mi się to podoba i nie jestem w stanie łatwo napisać na nim legendy ...

1 WILLIAMSON, Jed i in. Wypadki w North American Mountaineering 2005. The Mountaineers Books, 2005.


0

Wydaje się, że jest to proste pytanie, ale porusza się wokół 2 podstawowych pytań. A) Jak radzić sobie z danymi wieloskalowymi podczas prezentacji na wykresie porównawczym, a po drugie, B) czy można tego dokonać bez pewnych praktyk dotyczących programowania R, takich jak i) topienie danych, ii) faceting, iii) dodawanie kolejna warstwa do istniejącej. Rozwiązanie podane poniżej spełnia oba powyższe warunki, ponieważ dotyczy danych bez konieczności ich ponownego skalowania, a po drugie, wspomniane techniki nie są stosowane.

Oto wynik lepszy i ulepszony

Jeśli chcesz dowiedzieć się więcej o tej metodzie, kliknij poniższy link. Jak wykreślić wykres osi 2-y z pasami obok siebie bez ponownego skalowania danych


0

Znalazłem tę odpowiedź , która najbardziej mi pomogła, ale okazało się, że były pewne przypadki krawędzi, które nie wydawały się poprawnie obsługiwane, w szczególności przypadki negatywne, a także przypadek, w którym moje granice miały 0 odległości (co może się zdarzyć, jeśli będziemy chwytać nasze limity od maks. / min danych). Testy wydają się wskazywać, że działa to konsekwentnie

Używam następującego kodu. Zakładam, że mamy [x1, x2], które chcemy przekształcić w [y1, y2]. Sposób, w jaki sobie z tym poradziłem, polegał na przekształceniu [x1, x2] na [0,1] (dość prosta transformaton), a następnie [0,1] na [y1, y2].

climate <- tibble(
  Month = 1:12,
  Temp = c(-4,-4,0,5,11,15,16,15,11,6,1,-3),
  Precip = c(49,36,47,41,53,65,81,89,90,84,73,55)
)
#Set the limits of each axis manually:

  ylim.prim <- c(0, 180)   # in this example, precipitation
ylim.sec <- c(-4, 18)    # in this example, temperature



  b <- diff(ylim.sec)/diff(ylim.prim)

#If all values are the same this messes up the transformation, so we need to modify it here
if(b==0){
  ylim.sec <- c(ylim.sec[1]-1, ylim.sec[2]+1)
  b <- diff(ylim.sec)/diff(ylim.prim)
}
if (is.na(b)){
  ylim.prim <- c(ylim.prim[1]-1, ylim.prim[2]+1)
  b <- diff(ylim.sec)/diff(ylim.prim)
}


ggplot(climate, aes(Month, Precip)) +
  geom_col() +
  geom_line(aes(y = ylim.prim[1]+(Temp-ylim.sec[1])/b), color = "red") +
  scale_y_continuous("Precipitation", sec.axis = sec_axis(~((.-ylim.prim[1]) *b  + ylim.sec[1]), name = "Temperature"), limits = ylim.prim) +
  scale_x_continuous("Month", breaks = 1:12) +
  ggtitle("Climatogram for Oslo (1961-1990)")  

Kluczowe są tutaj to, że transformujemy pomocniczą oś y za pomocą, ~((.-ylim.prim[1]) *b + ylim.sec[1])a następnie stosujemy odwrotność do rzeczywistych wartości y = ylim.prim[1]+(Temp-ylim.sec[1])/b). Powinniśmy również to zapewnić limits = ylim.prim.

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.