изменение точек на ggplot в цвета на основе категориального фактора - PullRequest
Новая
       6

изменение точек на ggplot в цвета на основе категориального фактора

0 голосов
/ 24 июня 2018

Я пытаюсь улучшить мой ggplot, созданный с помощью small_multiple из пакета dotwhisker.Я достаточно доволен сюжетом, как он есть, но хотел бы изменить цвета, чтобы указать значимость размеров эффекта и предоставить легенду.

Вот ссылка на фрейм данных, который я использую для построения https://drive.google.com/open?id=1gCpGtK8bJxZ_niMytXar5_mjEKh3ywo0

и вывода dput 

structure(list(term = structure(c(1L, 2L, 3L, 4L, 5L, 6L, 7L, 
1L, 2L, 3L, 4L, 5L, 6L, 7L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 1L, 2L, 
3L, 4L, 5L, 6L, 7L, 1L, 2L, 3L, 4L, 5L, 6L, 7L), .Label = c("Age of householder", 
"Resident", "Household size", "Receives remitances", "External income", 
"Number of Dependents", "Wealth Quartile (linear)"), class = "factor"), 
    estimate = c(-0.000810532238065848, 0.0254269932291557, 0.00151239486806329, 
    -0.00195137580266825, 0.0241145273101975, 7.89713470909372e-05, 
    0.0431864414315616, -0.000352189998018801, 0.0807237065792145, 
    0.00350237566205939, 0.0824016056908091, 0.000428245312902082, 
    0.00100203882798397, -0.00373159468619221, -0.00849653886442907, 
    -0.373953842018999, -0.0609596475582067, -0.36695400544924, 
    -0.203483373342371, 0.0235518405167902, 0.597075641980254, 
    0.000909859014488281, 0.0319827360659694, 0.00403573196123029, 
    0.0804028888279925, 0.0176817124413346, -0.00582802408980782, 
    -0.0118019232578557, -0.00183146459363335, 0.0525149485157465, 
    0.00288980763951367, 0.114589339700339, -0.148808706655833, 
    0.0256886983033479, -0.0347089125407724), std.error = c(0.000810654234866564, 
    0.0252884817638327, 0.00495624457235766, 0.02865293313387, 
    0.024633101790692, 0.0075249698129155, 0.011074940767766, 
    0.0015232885358452, 0.0483657672257486, 0.0107841171733555, 
    0.0465110585212233, 0.0453369280370182, 0.0159322010498352, 
    0.0229851941101918, 0.00503353340127795, 0.160380043957635, 
    0.0336136390831826, 0.177927931390999, 0.157637829739609, 
    0.0502799707398752, 0.0734336375273297, 0.00155887187625948, 
    0.0506436749394975, 0.00906123485748438, 0.0593975064913416, 
    0.0512499791059356, 0.0149811592829444, 0.0215922521880395, 
    0.00519154572969568, 0.168543739122589, 0.0312059226076805, 
    0.181305323277894, 0.172221721744089, 0.048730984968198, 
    0.0723545683575288), statistic = c(-0.999849508217599, 1.00547725508461, 
    0.305149361776521, -0.0681038759121512, 0.978948064076507, 
    0.0104945732746189, 3.89947380642044, -0.231203734375501, 
    1.66902566028642, 0.324771662414126, 1.77165621060223, 0.00944583877744019, 
    0.0628939356746528, -0.162347756051257, -1.68798698390914, 
    -2.3316731482988, -1.81353906393032, -2.06237437023226, -1.29082830992085, 
    0.468413966241872, 8.13081936405562, 0.583665039022637, 0.631524787728739, 
    0.445384323958546, 1.35364081048946, 0.345009163902015, -0.389023571523124, 
    -0.54658139202325, -0.352778283962203, 0.311580535646894, 
    0.0926044608853327, 0.632024132709568, -0.864053065715796, 
    0.527153274659078, -0.479705889049931), p.value = c(0.317383342554256, 
    0.314667096264215, 0.760252397576013, 0.945702944991097, 
    0.327605641839857, 0.991626695712718, 9.64019651538276e-05, 
    0.817156528984679, 0.0951122945259745, 0.745353893046104, 
    0.0764516427435714, 0.992463423149573, 0.949850963916399, 
    0.871032009571373, 0.0914137275496443, 0.0197178924481877, 
    0.0697487192470644, 0.0391721074734652, 0.196763218800044, 
    0.639488582387532, 4.26398344685646e-16, 0.559445693078128, 
    0.527697446929629, 0.656042038835549, 0.175851000195762, 
    0.730087481451201, 0.697258709585814, 0.584666355951097, 
    0.724254665274968, 0.755359328643605, 0.926217799705955, 
    0.527371108047216, 0.387558740148672, 0.598087153395465, 
    0.631436539811527), model = c("Dietary diversity", "Dietary diversity", 
    "Dietary diversity", "Dietary diversity", "Dietary diversity", 
    "Dietary diversity", "Dietary diversity", "Food security \n(Cond)", 
    "Food security \n(Cond)", "Food security \n(Cond)", "Food security \n(Cond)", 
    "Food security \n(Cond)", "Food security \n(Cond)", "Food security \n(Cond)", 
    "Food security \n(Zinf)", "Food security \n(Zinf)", "Food security \n(Zinf)", 
    "Food security \n(Zinf)", "Food security \n(Zinf)", "Food security \n(Zinf)", 
    "Food security \n(Zinf)", "Vegetable consumption \n(Cond)", 
    "Vegetable consumption \n(Cond)", "Vegetable consumption \n(Cond)", 
    "Vegetable consumption \n(Cond)", "Vegetable consumption \n(Cond)", 
    "Vegetable consumption \n(Cond)", "Vegetable consumption \n(Cond)", 
    "Vegetable consumption \n(Zinf)", "Vegetable consumption \n(Zinf)", 
    "Vegetable consumption \n(Zinf)", "Vegetable consumption \n(Zinf)", 
    "Vegetable consumption \n(Zinf)", "Vegetable consumption \n(Zinf)", 
    "Vegetable consumption \n(Zinf)"), Significance = c("non-significant", 
    "non-significant", "non-significant", "non-significant", 
    "non-significant", "non-significant", "< 0.05", "non-significant", 
    "< 0.1", "non-significant", "< 0.1", "non-significant", "non-significant", 
    "non-significant", "< 0.1", "< 0.05", "< 0.1", "< 0.05", 
    "non-significant", "non-significant", "< 0.05", "non-significant", 
    "non-significant", "non-significant", "non-significant", 
    "non-significant", "non-significant", "non-significant", 
    "non-significant", "non-significant", "non-significant", 
    "non-significant", "non-significant", "non-significant", 
    "non-significant")), row.names = c(NA, -35L), class = "data.frame", .Names = c("term", 
"estimate", "std.error", "statistic", "p.value", "model", "Significance"
))

Я думаю, что из того, что я прочитал,возможно, проблема в том, что у вас не может быть более одного эстетического или дискретного и непрерывного обозначения цвета на основе некоторых ошибок, с которыми я столкнулся при поиске обходного пути.

Вот код для генерациипока что сюжет 

small_multiple(stack_mods_dummys)+
ylab("Coefficient Estimate") +
geom_hline(yintercept = 0, colour = "grey60", linetype = 2) +
theme(axis.text.x  = element_text(angle = 90, hjust = 1,vjust = 0.5))+
facet_wrap(~term,nrow = 5, scales = "free_y")

По сути, я хочу, чтобы точки и усы были окрашены в соответствии с переменной Significance в кадре данных с легендой, показывающей три факторных уровня

Любая помощь будетЯ очень благодарен за то, что уже довольно долго бьюсь головой об стену, и я уверен, что там должно быть существующее решение.

...