子集和汇总数据集以准备堆积区域图的可视化

Question

我有一个800k行的数据集，每个都有一个时间戳。数据涵盖一年的时间范围。

在准备我想要制作的堆积区域图时，我想创建26个子组（例如，两周间隔）。在这些子组中，我想找到5个类中的值的频率。

作为一个例子：在前两周，这些值的百分比是> x＆amp;＆amp; ＆lt; = y，有多少＆gt; y＆amp;＆amp; ＆lt; = z等。

所有这一切都应该导致ggplot2库及其geom_area（）函数创建的堆积区域图。

这是数据集的负责人：

     date transaction_volume transaction_costs

47 2015-01-01           3.985826           0.03157
59 2015-01-01           3.955749           0.03157
71 2015-01-01           0.315700           0.03157
72 2015-01-01           0.315700           0.03157
73 2015-01-01           0.315700           0.03157
74 2015-01-01           0.315700           0.03157

Answer 1

以下是一些虚拟数据的示例：

library(dplyr)
library(ggplot2)

n <- 1000
d <- data.frame(date=as.Date('2010/01/01') + sort(sample(0:364, n, replace=TRUE)))
d$x <- runif(n)

# These are the breaks defining your bins of data    
breaks <- c(0, 0.2, 0.4, 0.6, 0.8, 1)

d %>% 
  # create fortnight indicator from Julian day number
  mutate(Fortnight=ceiling(as.numeric(format(date, '%j'))/14)) %>%
  # bin data
  mutate(Class=factor(findInterval(x, breaks))) %>%
  group_by(Fortnight, Class) %>%
  # count per group
  summarise(n=n()) %>%
  # expressed as proportions
  mutate(Proportion=n/sum(n)) %>%
  ggplot(aes(x=Fortnight, y=Proportion, fill=Class)) + 
    geom_area()

过滤两周27，如果你想稍微清理一下。例如。在filter(Fortnight < 27) %>%来电之前插入ggplot。