基于R中mvpart的多元回归树叶子可视化及MVPARTwrap替代方案问询

要为每个叶子节点生成展示物种覆盖百分比的柱状图，核心是先提取样本所属的叶子分组，再针对每个分组的物种数据进行可视化。以下是两种可行方案：

方案1：使用ggplot2生成独立/分面柱状图 #

ggplot2能生成美观的可视化，适合批量处理：

# 假设你的MVRT模型对象为mvrt_tree，物种覆盖数据框为species_data
library(mvpart)
library(ggplot2)
library(tidyr)

# 提取每个样本对应的叶子节点
leaf_groups <- mvrt_tree$where
plot_data <- cbind(species_data, leaf = factor(leaf_groups))

# 转换为长格式（适配ggplot的分组绘图）
long_data <- pivot_longer(plot_data, cols = -leaf, names_to = "species", values_to = "coverage")

# 方式A：分面展示所有叶子的柱状图
ggplot(long_data, aes(x = species, y = coverage, fill = species)) +
  geom_col(stat = "identity", alpha = 0.8) +
  facet_wrap(~leaf, scales = "free_y") + # 每个叶子一个面板，y轴自适应
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        legend.position = "none") +
  labs(x = "底栖物种", y = "覆盖百分比")

# 方式B：生成独立的图并保存
unique_leaves <- unique(leaf_groups)
for (leaf_id in unique_leaves) {
  subset_data <- subset(long_data, leaf == leaf_id)
  p <- ggplot(subset_data, aes(x = species, y = coverage, fill = species)) +
    geom_col(stat = "identity") +
    ggtitle(paste("叶子节点", leaf_id)) +
    theme_bw() +
    theme(axis.text.x = element_text(angle = 60, hjust = 1))
  print(p)
  # 可选：保存为文件
  # ggsave(paste0("leaf_", leaf_id, "_barplot.png"), p, width = 7, height = 5)
}

注：建议对每个叶子内的样本取均值绘制柱状图（将aes(y = coverage)改为aes(y = mean(coverage))并配合stat_summary），避免样本过多导致图面杂乱。

方案2：使用Base R绘图 #

如果不想加载额外包，Base R也能快速实现：

# 计算每个叶子节点的物种覆盖均值
leaf_means <- tapply(1:nrow(species_data), leaf_groups, function(i) colMeans(species_data[i, ]))

# 批量绘制独立柱状图
par(mfrow = c(2, 2)) # 调整布局为2行2列，根据叶子数量修改
for (i in seq_along(leaf_means)) {
  barplot(leaf_means[[i]], 
          main = paste("叶子节点", names(leaf_means)[i]),
          las = 2, # 旋转x轴标签
          col = rainbow(ncol(species_data)),
          ylab = "平均覆盖百分比")
}

由于你使用的R 3.2.5版本较老旧，部分依赖包的最新版本无法兼容，可尝试以下替代方法：

方法1：安装适配R 3.2.5的旧版本依赖包 #

使用MRAN快照镜像（对应R 3.2.5发布时间的镜像）安装兼容版本的依赖：

# 设置2016年4月的CRAN快照（R 3.2.5发布于2016年4月）
options(repos = c(CRAN = "https://mran.microsoft.com/snapshot/2016-04-01/"))

# 依次安装缺失的依赖包
install.packages(c("Hmisc", "vegan", "fBasics", "ade4"))

# 再安装MVPARTwrap（若该包当时已在CRAN）
install.packages("MVPARTwrap")

方法2：自定义美化mvpart原生绘图 #

mvpart自带的plot.mvpart支持多种参数调整，可手动优化可视化效果：

# 绘制基础回归树
plot(mvrt_tree, 
     uniform = TRUE, # 统一分支长度
     branch = 0.6, # 分支弧度
     margin = 0.15, # 增加边缘空间
     col = "darkblue")

# 添加节点文本，优化样式
text(mvrt_tree, 
     cex = 0.75, # 字体大小
     col = "darkred",
     use.n = TRUE) # 显示节点样本量

# 可选：添加每个节点的物种覆盖统计信息
node_labels <- sapply(unique(mvrt_tree$where), function(x) {
  means <- round(colMeans(species_data[mvrt_tree$where == x, ]), 1)
  paste(names(means), means, collapse = "\n")
})
# 将统计标签添加到节点旁（需手动调整位置）
text(mvrt_tree$splits[,1], mvrt_tree$splits[,2], node_labels, cex = 0.6, pos = 4)

方法3：使用rpart.plot包兼容绘图 #

mvpart基于rpart开发，可尝试用rpart.plot生成更美观的树图：

# 安装适配R 3.2.5的rpart.plot版本
install.packages("rpart.plot", repos = "https://mran.microsoft.com/snapshot/2016-04-01/")
library(rpart.plot)

# 绘制优化后的树图
rpart.plot(mvrt_tree,
           type = 3, # 显示分支标签和节点标签
           extra = 101, # 显示节点样本量和均值
           cex = 0.8,
           box.col = "lightblue",
           branch.col = "gray")

内容的提问来源于stack exchange，提问作者Fabio Sanches