我想看看因子值在哪里变成数字值。我试图通过简单地在任何地方添加print语句来实现这一目标......
geom_tile2 <- function(mapping = NULL, data = NULL,
stat = "identity2", position = "identity",
...,
na.rm = FALSE,
show.legend = NA,
inherit.aes = TRUE) {
layer(
data = data,
mapping = mapping,
stat = stat,
geom = GeomTile2,
position = position,
show.legend = show.legend,
inherit.aes = inherit.aes,
params = list(
na.rm = na.rm,
...
)
)
}
GeomTile2 <- ggproto("GeomTile2", GeomRect,
extra_params = c("na.rm", "width", "height"),
setup_data = function(data, params) {
print(data)
data$width <- data$width %||% params$width %||% resolution(data$x, FALSE)
data$height <- data$height %||% params$height %||% resolution(data$y, FALSE)
transform(data,
xmin = x - width / 2, xmax = x + width / 2, width = NULL,
ymin = y - height / 2, ymax = y + height / 2, height = NULL
)
},
default_aes = aes(fill = "grey20", colour = NA, size = 0.1, linetype = 1,
alpha = NA),
required_aes = c("x", "y"),
draw_key = draw_key_polygon
)
和
stat_identity2 <- function(mapping = NULL, data = NULL,
geom = "point", position = "identity",
...,
show.legend = NA,
inherit.aes = TRUE) {
layer(
data = data,
mapping = mapping,
stat = StatIdentity2,
geom = geom,
position = position,
show.legend = show.legend,
inherit.aes = inherit.aes,
params = list(
na.rm = FALSE,
...
)
)
}
StatIdentity2 <- ggproto("StatIdentity2", Stat,
setup_data = function(data, params) {
print(data)
data
},
compute_layer = function(data, scales, params) {
print(data)
print("stat end")
data
}
)
但是当我运行例如
ggplot(data.frame(x = rep(c("y", "n"), 6), y = rep(c("y", "n"), each = 6)),
aes(x = x, y = y)) +
geom_tile2()
x和y是stat及以后的setup_data函数的数字。浏览包的 Github 存储库，我似乎找不到这种到坐标的转换实际发生在哪里？
TL;博士
x/y 从因子到数字尺度的转换由ggplot2:::Layout$map_position()函数完成，当前代码在这里：layout.r
详细解释
我通常会想到使用ggplot2包创建绘图所涉及的步骤分为两个阶段：
- 地块建设。这是当一个新的ggplot对象(通过
ggplot()初始化)和添加到其中的所有geom_*/stat_*/facet_*/scale_*/coord_*层被组合成一个ggplot对象时。如果我们写类似的东西p <- ggplot(mpg, aes(class)) + geom_bar()，我们停在这里。GH代码在这里：plot-construction.r - 绘图渲染。这是当组合的ggplot对象被转换为可以渲染的对象(通过
ggplot_build())并进一步转换为grobs的gtable(通过ggplot_gtable())。这通常是通过 ggplot 对象的 print/plot 方法触发的(见这里)，但我们也可以使用ggplotGrob()，它直接返回转换后的 gtable 对象，减去打印步骤。ggplot_build/ggplot_gtable的GH代码在这里：plot-build.r
根据我的经验，我们可能有兴趣调整的大多数步骤都是在绘图渲染阶段中的步骤，并且在ggplot2:::ggplot_build.ggplot/ggplot2:::ggplot_gtable.ggplot_built上运行调试是找出事情发生位置的良好第一步。
在这种情况下，运行后
debugonce(ggplot2:::ggplot_build.ggplot)
ggplot(data.frame(x = rep(c("y", "n"), 6),
y = rep(c("y", "n"), each = 6)),
aes(x = x, y = y)) +
geom_tile() # no need to use the self-defined geom_tile2 here
我们开始逐步完成该函数：
> ggplot2:::ggplot_build.ggplot
function (plot)
{
plot <- plot_clone(plot)
if (length(plot$layers) == 0) {
plot <- plot + geom_blank()
}
layers <- plot$layers
layer_data <- lapply(layers, function(y) y$layer_data(plot$data))
scales <- plot$scales
by_layer <- function(f) {
out <- vector("list", length(data))
for (i in seq_along(data)) {
out[[i]] <- f(l = layers[[i]], d = data[[i]])
}
out
}
data <- layer_data
data <- by_layer(function(l, d) l$setup_layer(d, plot))
layout <- create_layout(plot$facet, plot$coordinates)
data <- layout$setup(data, plot$data, plot$plot_env)
data <- by_layer(function(l, d) l$compute_aesthetics(d, plot))
data <- lapply(data, scales_transform_df, scales = scales)
scale_x <- function() scales$get_scales("x")
scale_y <- function() scales$get_scales("y")
layout$train_position(data, scale_x(), scale_y())
data <- layout$map_position(data)
data <- by_layer(function(l, d) l$compute_statistic(d, layout))
data <- by_layer(function(l, d) l$map_statistic(d, plot))
scales_add_missing(plot, c("x", "y"), plot$plot_env)
data <- by_layer(function(l, d) l$compute_geom_1(d))
data <- by_layer(function(l, d) l$compute_position(d, layout))
layout$reset_scales()
layout$train_position(data, scale_x(), scale_y())
layout$setup_panel_params()
data <- layout$map_position(data)
npscales <- scales$non_position_scales()
if (npscales$n() > 0) {
lapply(data, scales_train_df, scales = npscales)
data <- lapply(data, scales_map_df, scales = npscales)
}
data <- by_layer(function(l, d) l$compute_geom_2(d))
data <- by_layer(function(l, d) l$finish_statistics(d))
data <- layout$finish_data(data)
structure(list(data = data, layout = layout, plot = plot),
class = "ggplot_built")
}
在调试模式下，我们可以在每个步骤后检查str(data[[i]])，以检查与 ggplot 对象的层i相关的数据(在本例中为i= 1，因为只有 1 个几何层)。
Browse[2]>
debug: data <- lapply(data, scales_transform_df, scales = scales)
Browse[2]>
debug: scale_x <- function() scales$get_scales("x")
Browse[2]> str(data[[1]]) # still factor after scale_transform_df step
'data.frame': 12 obs. of 4 variables:
$ x : Factor w/ 2 levels "n","y": 2 1 2 1 2 1 2 1 2 1 ...
$ y : Factor w/ 2 levels "n","y": 2 2 2 2 2 2 1 1 1 1 ...
$ PANEL: Factor w/ 1 level "1": 1 1 1 1 1 1 1 1 1 1 ...
$ group: int 4 2 4 2 4 2 3 1 3 1 ...
..- attr(*, "n")= int 4
# ... omitted
debug: data <- layout$map_position(data)
Browse[2]>
debug: data <- by_layer(function(l, d) l$compute_statistic(d, layout))
Browse[2]> str(data[[1]]) # numerical after map_position step
'data.frame': 12 obs. of 4 variables:
$ x : int 2 1 2 1 2 1 2 1 2 1 ...
$ y : int 2 2 2 2 2 2 1 1 1 1 ...
$ PANEL: Factor w/ 1 level "1": 1 1 1 1 1 1 1 1 1 1 ...
$ group: int 4 2 4 2 4 2 3 1 3 1 ...
..- attr(*, "n")= int 4
Stat*的setup_data由data <- by_layer(function(l, d) l$compute_statistic(d, layout))触发(请参阅此处ggplot2:::Layer$compute_statistic)，该步骤发生在此步骤之后。这就是为什么当您在StatIdentity2$setup_data中插入打印语句时，数据已经是数字形式。
(而Geom*的setup_data是由data <- by_layer(function(l, d) l$compute_geom_1(d))触发的，而甚至更晚。
在确定map_position是事情发生的步骤后，我们可以再次运行调试模式并单步进入此函数以准确查看发生了什么。在这一点上，恐怕我真的不知道你的用例是什么，所以我不得不把你留给你。