Как построить ответную переменную с 3 факторами в R?

Question

У меня есть следующая таблица в R:

ExperimentID clients connections msgSize  Mean Deviation  Error 
1    4  50   50  10 73.19379 21.313889 0.2263254 
2    5  50   10  10 73.25170 21.457139 0.2265276 
3    6  50   100  10 73.20642 21.396485 0.2261432 
4    7  50   50 1999 53.75247 11.863616 0.1695395 
5    8  50   10 1999 53.88464 12.778998 0.2234775 
6    9  50   100 1999 53.99422 11.947930 0.2085102 
7   10  10   50 1999 49.74034 9.296995 0.3855425 
8   11  10   10 1999 49.77624 8.639379 0.3566724 
9   12  10   100 1999 50.30912 10.800443 0.4442306 
10   13  10   50  10 68.80108 19.674006 0.5892552 
11   14  10   10  10 69.41143 19.671618 0.5845524 
12   15  10   100  10 69.09130 19.821473 0.5894541 
13   16  100   10 1999 56.32045 16.370877 0.1940681 
14   17  100   50 1999 55.93405 14.007772 0.2272496 

Теперь я хочу, чтобы построить колонку «Среднее» в зависимости от факторов: клиенты, связи и msgSize. Я думаю, что разумным способом сделать это было бы приготовление двух гистограмм, один для msgSize = 10, а другой для msgSize = 1999. В каждой из этих двух гистограмм я могу иметь число клиентов по оси x и на оси y. Для каждого тика по оси х (т. Е. Для конкретного значения клиентов) я могу иметь 3 бара (каждый соответствует среднему для 10, 50 или 100 подключений). Как я могу достичь этого в R?

P.S: Я новичок в R, поэтому немного подробный ответ был бы полезен. Если есть лучший ответ с ggplot, это тоже прекрасно.

Answer 1

data = read.csv(file="home",sep=",") 

df = data.frame(data) 
df 

    ExperimentID clients connections msgSize  Mean Deviation  Error 
1    4  50   50  10 73.19379 21.313889 0.2263254 
2    5  50   10  10 73.25170 21.457139 0.2265276 
3    6  50   100  10 73.20642 21.396485 0.2261432 
4    7  50   50 1999 53.75247 11.863616 0.1695395 
5    8  50   10 1999 53.88464 12.778998 0.2234775 
6    9  50   100 1999 53.99422 11.947930 0.2085102 
7   10  10   50 1999 49.74034 9.296995 0.3855425 
8   11  10   10 1999 49.77624 8.639379 0.3566724 
9   12  10   100 1999 50.30912 10.800443 0.4442306 
10   13  10   50  10 68.80108 19.674006 0.5892552 
11   14  10   10  10 69.41143 19.671618 0.5845524 
12   15  10   100  10 69.09130 19.821473 0.5894541 
13   16  100   10 1999 56.32045 16.370877 0.1940681 
14   17  100   50 1999 55.93405 14.007772 0.2272496 

par(mfrow=c(1,2)) #plot two graphs (Message Size = 10 and Message Size = 1999) side by side. 

msg_10 = subset(df, data_df$msgSize == 10) 
msg_10 

    ExperimentID clients connections msgSize  Mean Deviation  Error 
1    4  50   50  10 73.19379 21.31389 0.2263254 
2    5  50   10  10 73.25170 21.45714 0.2265276 
3    6  50   100  10 73.20642 21.39648 0.2261432 
10   13  10   50  10 68.80108 19.67401 0.5892552 
11   14  10   10  10 69.41143 19.67162 0.5845524 
12   15  10   100  10 69.09130 19.82147 0.5894541 


plot(msg_10$Mean ~ msg_10$clients, col=as.factor(msg_10$connections), pch=19, xlab="Clients", ylab="Mean", xlim=c(0,60), ylim=c(68,74), main="Message Size = 10",cex.main=0.85) 
legend("bottomright", legend=unique(msg_10$connections), col=as.factor(msg_10$connections),pch=19,title="connections") 

msg_1999 = subset(df, data_df$msgSize == 1999) 
msg_1999 

    ExperimentID clients connections msgSize  Mean Deviation  Error 
4    7  50   50 1999 53.75247 11.863616 0.1695395 
5    8  50   10 1999 53.88464 12.778998 0.2234775 
6    9  50   100 1999 53.99422 11.947930 0.2085102 
7   10  10   50 1999 49.74034 9.296995 0.3855425 
8   11  10   10 1999 49.77624 8.639379 0.3566724 
9   12  10   100 1999 50.30912 10.800443 0.4442306 
13   16  100   10 1999 56.32045 16.370877 0.1940681 
14   17  100   50 1999 55.93405 14.007772 0.2272496 


plot(msg_1999$Mean ~ msg_1999$clients, col=as.factor(msg_1999$connections), pch=19, xlab="Clients", ylab="Mean", xlim=c(0,100), ylim=c(48,58), main="Message Size = 1999",cex.main=0.85) 
legend("bottomright", legend=unique(msg_1999$connections), col=as.factor(msg_1999$connections),pch=19,title="connections") 

Вот результат:

Редактировать. Я пропустил тег ggplot2. Так вот еще один вариант:

библиотека (ggplot2)

#Message Size = 10 
ggplot(data=msg_10,aes(clients,Mean)) + geom_point(data=msg_10,aes(color=as.factor(connections)),size=5) + theme_bw() + labs(title="Message Size = 10", color="Connections") 

#Message Size = 1999 
ggplot(data=msg_1999,aes(clients,Mean)) + geom_point(data=msg_1999,aes(color=as.factor(connections)),size=5) + theme_bw() + labs(title="Message Size = 1999", color="Connections") 

Вторая диаграмма (размер сообщения = 1999) будет выглядеть следующим образом: