本节来介绍如何编写函数来进行数据可视化，平时画图时我们经常会发现需要编写许多重复的代码来进行绘图，这样不仅使代码冗余也大大降低了代码的可阅读性，因此掌握如何编写函数来简化代码就显得尤为重要，下面通过企鹅数据集来进行一个简单小案例的演示
加载R包
library(tidyverse)
library(glue)
library(palmerpenguins)
使用企鹅数据集其中一个企鹅物种来绘制图
penguins %>%
filter(species == "Gentoo") %>%
ggplot() +
aes(bill_length_mm, body_mass_g, color=sex) +
geom_point() +
ggtitle("Species: Gentoo") +
xlab("bill length (mm)") +
ylab("body mass (g)") +
theme(plot.title.position = "plot")
如果想为不同的企鹅物种绘制了一个图。除了filter & ggtitle 函数处理的内容外，其他代码几乎相同
penguins %>%
filter(species == "Chinstrap") %>%
ggplot() +
aes(bill_length_mm, body_mass_g, color=sex) +
geom_point() +
ggtitle("Species: Chinstrap") +
xlab("bill length (mm)") +
ylab("body mass (g)") +
theme(plot.title.position = "plot")
我们用感兴趣的物种定义新变量"species_choice"
species_choice <- "Adelie"
penguins %>%
filter(species == species_choice)
species <- "Adelie"
使用.data访问数据中的物种变量,使用.env访问当前环境中的物种变量
penguins %>%
filter(.data$species == .env$species)
.data$species为我们获取数据框中的列，而.env$species是我们刚刚创建的本地环境中的变量
现在让我们来编写一个小函数，将物种名称作为输入并绘制图。使用glue来获取我们需要的变量名称
make_plot <- function(species) {
penguins %>%
filter(.data$species == .env$species) %>%
ggplot() +
aes(bill_length_mm, body_mass_g, color=sex) +
geom_point() +
ggtitle(glue("Species: {species}")) +
xlab("bill length (mm)") +
ylab("body mass (g)") +
theme(plot.title.position = "plot")
}
我们可以调用该函数来绘制单个物种的图
make_plot("Adelie")
现在我们可以轻松地为所有物种制作图，而不是重复的粘贴代码。使用map函数获取species中的每个元素并将其用作 make_plot() 的输入，结果图作为列表存储在变量中
species <- c("Adelie", "Chinstrap", "Gentoo")
plots <- map(species, make_plot)
现在我们可以从列表中获取图表，使用以下代码获取图表
plots[[1]]
plots[[2]]
