R问题｜数值模拟流程记录和分享

2022-05-21 119

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 最近在做论文模拟实验并将实验结果进行可视化。下面是我这阶段的一些经验总结，在此记录下，也希望能够帮助到你。

简介

最近在做论文模拟实验并将实验结果进行可视化。下面是我这阶段的一些经验总结，在此记录下，也希望能够帮助到你。

方法不一定最优，也欢迎批评指正。由于工作还在继续，完整代码现阶段不会公开，下面给出部分代码和代码编写思路。

整个工作流程：由于参数不同，会得到不同的结果。我的目标是将不同参数模拟的结果最后通过一副图进行可视化。

难点：每个脚本代码量较大，模拟时间较长（10h+），为了方便起见，我将不同参数单独构建成一个脚本，然后开启多个Rstudio，进行“人工”并行运算并保存各个脚本的 Rdata 和数据集。最后新建一个 R 脚本，加载参数模拟结果并绘图。最终可视化结果如下：

)S2){~)C01G8A}PV9L}`@QT.jpg

这里的每行图形来自一个Rdata（一组参数），整幅图中包含了三组不同参数的结果。

首先看下我每个脚本中的代码缩略图以及部分脚本：

代码缩略图

CFBRH7IHF%K[{L}52ZMPE3S.png

部分脚本

注意： 为了方便查看，我将自己论文所需函数都放到了all_function.r脚本中，然后使用source()将其进行加载。脚本中参数修改主要是numbers，sigma，nums和it。

B84C~2(C7V1FU]U[94TMQ_V.png all_function.r缩略图

工作流程

接下来给出操作流程：

1.打开多个 Rstudio并运行

每个 Rstudio 中运行一个脚本代码。

I`Y]L0{ZGQ2EFX4EY$3M@5H.png

2. 在每个 R 脚本中存储所有 Rdata 和数据集

代码如下：

write.xlsx(sheets, paste("./data/latex/sigma",sigma,"new2/R",numbers,"_",nums,"_",it,".xlsx",sep=""),
           colNames = T, rowNames = T)
save.image(paste("./data/latex/sigma",sigma,"new2/R",numbers,"_",nums,"_",it,".Rdata",sep=""))

注意： 这里有个小技巧，使用 paste() 函数，自动根据参数不同（这里是 sigma，numbers，nums，it），改变路径和文件名称（文件夹要提前建立好）。

这是运行完的结果如下。

H25PY5)IZZ~$47](SUY]53A.png

3. 新建了一个R脚本,绘制图形

文件名叫 plot_all.r。主要功能是将刚才每个不同参数的脚本得到的数据绘制图形，然后使用相应的包将他们合成一个图。代码缩略图可见文末，这里先介绍各个函数的功能。如果对ggplot2绘制还存在一定难度的朋友，可以在公众号输入[可视化文稿]得到教程文稿，再结合我的b站（账号：庄闪闪）“R可视化教程”，进行快速的入门学习。

plot_5_methods功能：使用 ggplot2 包绘制一个数据集中某一列参数（b/c/d/sigma）的图形。

plot_5_methods = function(dat = b_data){
  plot_5 = ggplot(dat,aes(class,value,fill = class)) + 
    geom_boxplot(na.rm = T) + 
    # scale_fill_viridis(discrete = TRUE, alpha=0.6) +
    stat_summary(fun.y=mean, na.rm=T, geom="point", shape=21, size=2, fill="red",color="red") +
    # geom_jitter(color="black", size=0.4, alpha=0.9) +
    # geom_hline(yintercept = yline) +
    theme_bw() +
    theme(
      legend.position="none",
      panel.grid.major = element_blank(),
      panel.grid.minor = element_blank(),
      plot.title = element_text(size=11)
    ) +
    ylab("") + 
    xlab("") 
  return(plot_5)
}

2NLX6QSGQ)@Z@AZL{8@P63B.png

all_plot_compare 功能：绘制一个数据集所有列，并将其横向合并，结果如下所示：

all_plot_compare = function(data1 = all_data_0.3,str1 = c(0, 3.5,0, 1,0, 10,0, 1.5)){
  ## b 
  b_data = data.frame("class" = factor(rep(c("GH","TS","BT","Pooled","Fixed"),each = dim1),
                                       levels = c("GH","TS","BT","Pooled","Fixed")),
                      "value" = c(data1[,1],data1[,5],data1[,9],data1[,13],data1[,17]))
  b_plot = plot_5_methods(dat = b_data) +
    geom_hline(yintercept = b,linetype = 3) +
    scale_y_continuous(limits = str1[1:2]) + 
    xlab(expression(b)) + 
    scale_fill_manual(values = col1) 
  ## c 
  c_data = data.frame("class" = factor(rep(c("GH","TS","BT","Pooled","Fixed"),each = dim1),
                                       levels = c("GH","TS","BT","Pooled","Fixed")),
                      "value" = c(data1[,2],data1[,6],data1[,10],data1[,14],data1[,18]))
  c_plot = plot_5_methods(dat = c_data) + 
    geom_hline(yintercept = c,linetype = 3) +
    scale_y_continuous(limits = str1[3:4]) + 
    xlab(expression(c)) + 
    scale_fill_manual(values = col1) 
  ## d
  d_data = data.frame("class" = factor(rep(c("GH","TS","BT","Pooled","Fixed"),each = dim1),
                                       levels = c("GH","TS","BT","Pooled","Fixed")),
                      "value" = c(data1[,3],data1[,7],data1[,11],data1[,15],data1[,19]))
  d_plot = plot_5_methods(dat = d_data) +
    geom_hline(yintercept = d,linetype = 3) +
    scale_y_continuous(limits = str1[5:6]) + 
    xlab(expression(d)) +  
    scale_fill_manual(values = col1) 
  ## sigma
  sigma_data = data.frame("class" = factor(rep(c("GH","TS","BT"),each = dim1),
                                           levels = c("GH","TS","BT")),
                          "value" = c(data1[,4],data1[,8],data1[,12]))
  sigma_plot = plot_5_methods(dat = sigma_data) +
    geom_hline(yintercept = sigma,linetype = 3) +
    scale_y_continuous(limits = str1[7:8]) + 
    xlab(expression(sigma)) + 
    scale_fill_manual(values = col1[1:3])  
  return(plot_grid(b_plot,c_plot,d_plot,sigma_plot,ncol = 4,nrow = 1))
}

注意：这里我将每个参数的 ylim 都放到 str1 参数中，方便人工修改。all_data_0.3 表示某个脚本得到的数据集。期间还加了一些 ggplot 参数，修改了颜色和加入 x 轴标题等（看个人喜好添加）。

all_plot_compare函数结果

加载Rdata并绘制图形

前面两函数基本可以绘制一个数据集的所有图形了，之后我要将不同数据集加载进来（例如：load("~/Desktop/2021.06.06/data/latex/plot_data/R11_500_200_0.3.Rdata")），然后内部关键数据集（point_final）进行重新定义，并通过前面写的函数进行绘制，并保存到变量中（p_0.3）。

# sigma0.3
load("~/Desktop/2021.06.06/data/latex/plot_data/R11_500_200_0.3.Rdata")
all_data_0.3 = point_final
dim1 = nrow(all_data_0.3) 
p_0.3 = all_plot_compare(data1 = all_data_0.3)

最后使用ggpubr包中的annotate_figure()加入图片的标签，再使用cowplot包中的plot_grid()将图片进行合并。具体教程参考：R语言统计与绘图：给组合图形添加ABCD小标签；R可视乎｜合并多幅图形；R语言ggplot2作图一些好看的颜色搭配；paletteer包：拥有2100多个调色板！

代码如下：

fig11 = annotate_figure(p_0.3,
                        top = text_grob(bquote("("*sigma==0.3*")"),
                                        color = "black", size = 12))
fig21 = annotate_figure(p_0.5,
                        top = text_grob(bquote("("*sigma==0.5*")"),
                                        color = "black", size = 12))
fig31 = annotate_figure(p_0.8,
                        top = text_grob(bquote("("*sigma==0.8*")"),
                                        color = "black", size = 12))
plot_grid(fig11,fig21,fig31,ncol = 1,nrow = 3)