R问题｜数值模拟流程记录和分享

简介

最近在做论文模拟实验并将实验结果进行可视化。下面是我的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：

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：

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。

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。

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。

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。

• 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)
}

• 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）。

• 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。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)

注意： 这里又有一个技巧：在标签中加入特殊符号，可以使用 expression() 函数，也可以使用我这里写的 bquote() 函数。

小编有话说

这里在做一些说明：

• 可以直接 viridis 包进行颜色填充，例如：scale_fill_viridis(discrete = TRUE, alpha=0.6)。我这里使用手动加载颜色：scale_fill_manual(values = col1)。

• 如果图形中包含中文，可以使用 showtext 包解决该问题，代码如下：

library(showtext)
showtext.auto()

• 整个流程还有一个思路：将所有函数构建成一个大的函数，只需要改变相应参数即可，这时代码量就会减少很多。

• 希望半年后后头看这篇推文会有不一样的想法。希望到时候觉得现在的思路很幼稚！????

最后

以上就是懵懂白开水为你收集整理的R问题｜数值模拟流程记录和分享的全部内容，希望文章能够帮你解决R问题｜数值模拟流程记录和分享所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。