Question

我试图通过ID来说明在条形图中连续应用各种（限制性越来越小的）样本限制的样本大小的效果，如下所示：

蓝色条是在完成所有5个限制之后剩下的;金条显示限制条件最少的影响;春天绿色条显示第二个最小限制条件的影响;等等。

以下是一些示例数据：

library(data.table)
set.seed(8195)
dt<-data.table(id=rep(1:5,each=2e3),flag1=!!runif(1e4)>.76,
               flag2=!!runif(1e4)>.88,flag3=!!runif(1e4)>.90,
               flag4=!!runif(1e4)>.95,flag5=!!runif(1e4)>.99)

我到目前为止使用的代码还有一些不足之处 - 1）它相当冗长; 2）它不会让我觉得非常强大/可推广。有没有人有一些经验可以产生这样的东西，可以在这两个方面提供一些改进？我觉得这种类型的图表在数据分析中应该很常见，所以我很惊讶它没有特殊功能。

这是我到目前为止所做的事情：

dt[order(-id)][,
                #to find out how many observations are lost by
                #  applying flag 1 (we keep un-flagged obs.), 
                #  look at the count of indices before and
                #  after applying flag 1
               {l1<-!flag1;i1<-.I[l1];n1<-length(.I)-length(i1);
                #to find the impact of flag 2, we apply flag 2
                #  _in addition to_ flag 1--the observations
                #  we keep have _neither_ flag 1 _nor_ flag 2;
                #  the impact is measured by the number of 
                #  observations lost by applying this flag
                #  (that weren't already lost from flag 1)
               l2<-l1&!flag2;i2<-.I[l2];n2<-length(i1)-length(i2);
               l3<-l2&!flag3;i3<-.I[l3];n3<-length(i2)-length(i3);
               l4<-l3&!flag4;i4<-.I[l4];n4<-length(i3)-length(i4);
               l5<-l4&!flag5;i5<-.I[l5];n5<-length(i4)-length(i5);
               #finally, the observations we keep have _none_
               #  of flags 1-5 applied
               n6<-length(i5);
               c(n6,n5,n4,n3,n2,n1)},by=id
               ][,{barplot(matrix(V1,ncol=uniqueN(id)),
                           horiz=T,col=c("blue","gold","springgreen",
                                         "orange","orchid","red"),
                           names.arg=paste("ID: ",uniqueN(id):1),
                           las=1,main=paste0("Impact of Sample Restrictions",
                                             "\nBy ID"),
                           xlab="Count",plot=T)}]

不漂亮。感谢您的投入。

Answer 1

正如@Frank所指出的，如果将所有这些连续的标志转换为分类变量，例如，蓝色条形图为1，金条条形图为2，弹簧条形条形图为3，等等，则更简单

正如@Frank所指出的那样，max.col为我们提供了一种方便的方法来创建一个完全取得这些值的变量，并且很快：

dt[,categ2:=max.col(cbind(.5,.SD),ties.method="last"),
   .SDcols=paste0("flag",5:1)]

（这里发生了什么？max.col正在为我们分配最右边的标志的递归性质 - 因为每列中的ties.method="last" - TRUE值;如果所有标志都是FALSE，第一列是最大的，因为它总是.5，大于0.查看此表：）

 0 1 2 3 4 5
.5 F F F F F # No flags apply, so column 0 wins
.5 T F T F F # Flags 1 & 3 true--3 is the binding condition--
             #   Once Flag 5 is applied, it no longer matters
             #   which of the subsequent flags may or may not apply.

如此定义categ，图形变得简单：

dt[,barplot(table(categ,id))]

会工作吗？得到所有的花里胡哨：

dt[,barplot(table(categ,id)[,5:1],horiz=T,
            col=c("blue","gold","springgreen",
                  "orange","orchid","red"),
            names.arg=paste("ID: ",uniqueN(id):1),
            las=1,main=paste0("Impact of Sample Restrictions",
                              "\nBy ID"),
            xlab="Count",plot=T)]

说明样本限制的影响：简化生成条形图的方法

1 个答案: