如何对数据框每一行应用ggplot2可视化函数？——使用apply时遇类型错误的问题咨询

你猜的完全正确！apply()在处理数据框的行时，确实会偷偷把每一行转换成数值向量——哪怕你原数据框还是data.frame类型，传入到plot_data函数里的单个行已经变成了向量，这就是ggplot报错的核心原因：它要求data参数是数据框（或能被fortify()转换的对象），而不是普通数值向量。

验证问题 #

你可以在plot_data里加一行打印输入类型的代码，就能看到真相：

plot_data <- function(data) {
  print(class(data)) # 查看传入参数的类型
  ggplot(data) + geom_point(aes(x = data[, 1], y = data[, 2])) + xlim(-3, 3) + ylim(-3, 3) + theme_bw()
}
apply(points, 1, plot_data)

运行后会输出两次[1] "numeric"，明确证明传入函数的是向量而非数据框。

解决方案1：修改函数，把向量转回数据框 #

最简单的办法就是在plot_data里，先把传入的向量转换成1行的数据框：

plot_data <- function(data) {
  # 转置向量生成1行的数据框
  data_df <- as.data.frame(t(data))
  ggplot(data_df) + 
    geom_point(aes(x = V1, y = V2)) + 
    xlim(-3, 3) + 
    ylim(-3, 3) + 
    theme_bw()
}

myplots <- apply(points, 1, plot_data)

这样就能正常生成两个独立的散点图，每个图包含一个点。

解决方案2：用purrr包更优雅处理（推荐） #

apply()本来就不是为数据框行处理设计的，tidyverse生态里的purrr包更适合这类场景，能彻底避免类型转换的坑：

方法A：split+map组合

先把数据框拆成每行的独立列表，再用map遍历绘图：

library(purrr)
library(ggplot2)

# 优化plot_data，用列名更清晰直观
plot_data <- function(data) {
  ggplot(data) + 
    geom_point(aes(x = V1, y = V2)) + 
    xlim(-3, 3) + 
    ylim(-3, 3) + 
    theme_bw()
}

# 拆分数据框为每行的列表，再批量绘图
myplots <- points %>% 
  split(1:nrow(.)) %>% 
  map(plot_data)

方法B：用pmap直接遍历列值

pmap会自动把每行的列值作为参数传入函数，代码更简洁：

myplots <- pmap(points, function(V1, V2) {
  ggplot(data.frame(V1, V2)) + 
    geom_point(aes(x = V1, y = V2)) + 
    xlim(-3, 3) + 
    ylim(-3, 3) + 
    theme_bw()
})

补充：为什么apply会有这个问题？ #

根据apply()的官方帮助文档，它会先把输入对象（比如数据框）转换成矩阵来处理——数据框本质是按列存储的列表，转换成矩阵后，每行就变成了一个数值向量，这就是为什么传入函数的是向量而非数据框。

内容的提问来源于stack exchange，提问作者Emy