Наложение двух разных форматов qplots в ggplot2

Question

У меня есть два графика рассеяния, основанных на разных, но связанных данных, созданных с помощью qplot() из ggplot2. (Учусь ggplot не было приоритетом, потому что qplot до сих пор было достаточно для моих нужд). То, что я хочу сделать, это наложить / наложить две диаграммы так, чтобы данные x,y для каждой были нанесены в одном и том же пространстве графика. Сложность в том, что я хочу, чтобы каждый сюжет сохранил свое форматирование / эстетику.

Эти данные представляют собой оценки по строкам и столбцам из анализа соответствия - corresp() от MASS - поэтому количество строк данных (то есть выборок или таксонов) отличается между двумя наборами данных. Я могу легко составить два набора партитур. Либо путем объединения двух наборов данных, либо, что еще проще, просто с помощью biplot() функция.

Однако я использовал qplot, чтобы графики выглядели именно так, как мне нужно; с образцами, нанесенными в виде цветных символов и таксонов в качестве меток:

PlotSample <- qplot(DataCorresp$rscore[,1], DataCorresp$rscore[,2], 
                    colour=factor(DataAll$ColourCode)) + 
  scale_colour_manual(values = c("black","darkgoldenrod2",
                                 "deepskyblue2","deeppink2"))

а также

PlotTaxa <- qplot(DataCorresp$cscore[,1], DataCorresp$cscore[,2], 
                  label=colnames(DataCorresp), size=10, geom=“text”)

Может кто-нибудь предложить способ, по которому либо

• два участка (PlotSample а также PlotTaxa) могут накладываться друг на друга,
• два набора данных (DataCorresp$rscore а также DataCorresp$cscore) могут быть построены вместе, но отформатированы по-разному, или
• другая функция (например, biplot()) что может быть использовано для достижения моей цели.

Пример рабочего процесса с использованием чрезвычайно упрощенного и готового набора данных:

> require(MASS)
> require(ggplot2)
> alldata<-read.csv("Fake data.csv",header=T,row.name=1)
> selectdata<-alldata[,2:10]
> alldata
          Period Species.1 Species.2 Species.3 Species.4 Species.5 Species.6
Sample-1   Early        50        87        97        12        60        49
Sample-2   Early        41        90        36        52        36        27
Sample-3   Early        87        56        82        45        56        13
Sample-4   Early        37        47        78        29        53        34
Sample-5   Early        58        70        34        35         8        21
Sample-6   Early        94        82        48        16        27        26
Sample-7   Early        91        69        50        57        24        13
Sample-8   Early        63        38        86        20        28        11
Sample-9  Middle         4        19        55        99        86        38
Sample-10 Middle        29        25        10        93        37        54
Sample-11 Middle        48        12        59        73        39        92
Sample-12 Middle        31         6        34        81        39        54
Sample-13 Middle        29        40        26        52        34        84
Sample-14 Middle         1        46        15        97        67        41
Sample-15   Late        43        47        30        18        60        23
Sample-16   Late        45        10        49         2         2        45
Sample-17   Late        14         8        51        36        58        51
Sample-18   Late        41        51        32        47        23        43
Sample-19   Late        43        17         6        54         4        12
Sample-20   Late        20        25         1        29        35         2
          Species.7 Species.8 Species.9
Sample-1         41        39        57
Sample-2         59         4        45
Sample-3         10        56         5
Sample-4         59        30        39
Sample-5          9        29        57
Sample-6         29        24        35
Sample-7         22         4        42
Sample-8         31        19        40
Sample-9         17         7        57
Sample-10         6         9        29
Sample-11        34        20         0
Sample-12        56        41        59
Sample-13         6        31        13
Sample-14        25        12        28
Sample-15        60        75        84
Sample-16        32        69        34
Sample-17        48        53        56
Sample-18        80        86        46
Sample-19        50        70        82
Sample-20        57        84        70
> biplot(selectca,cex=c(0.6,0.6))
> selectca<-corresp(selectdata,nf=5)
> PlotSample <- qplot(selectca$rscore[,1], selectca$rscore[,2], colour=factor(alldata$Period) )
> PlotTaxa<-qplot(selectca$cscore[,1], selectca$cscore[,2], label=colnames(selectdata), size=10, geom="text") 

Биплот создаст этот участок: /r/10wk1a8/5

Образец PlotSample выглядит так: /r/i29cba/5

PlotTaxa выглядит так: /r/245bl9d/5

РЕДАКТИРОВАТЬ, поэтому не хватает представителя, чтобы публиковать фотографии и крошечные ссылки не принимаются (несмотря на https://meta.stackexchange.com/questions/60563/how-to-upload-images-on-stack-overflow). Так что, если вы добавите URL tinypic в начало этих кодов выше, вы попадете туда.

По сути, я хочу создать график биплота, но с цветовой кодировкой сэмплов, как в PlotSample.

Answer 1

Взгляните на ggvegan-пакет Гэвина Симпсона!

require(vegan)
require(ggvegan)
# some data
data(dune)

# CA
mod <- cca(dune)

# plot
autoplot(mod, geom = 'text')

Для более точного контроля (или если вы хотите придерживаться corresp()Вы также можете взглянуть на код двух задействованных функций fortify.cca (который оборачивает данные в объектах cca в удобный для ggplot формат) и autoplot.cca для создания графика.

Если вы хотите сделать это с нуля, вам придется объединить обе оценки (сайты и виды) в один data.frame (см. Как fortify.cca делает это и извлечь соответствующие значения из corresp() объект) и использовать это, чтобы построить сюжет.