Question

我有一个59101个观测值的数据表，我想制作一个exposure列中的比例按{{ 1}}列（即 2014年1月，2014年2月，...，2020年3月）。

month.year

我希望我的数据看起来像我附加到问题上的图像（如下所示）

过去我已经可以使用ggplot生成图表，但是我发现我在准备数据方面遇到了最大的困难，因此我的代码最终变得非常初级和特别。我想让我的代码尽可能简单和干净。

我已经看到，在使用ggplot进行绘图时，融化数据是最好的方法，但是我还没有建立大脑肌肉的记忆来直觉地知道如何1）以这种方式准备数据并2）传递数据通过ggplot语法创建我需要的内容。

如果有人知道或建议如何做，将不胜感激。

Answer 1

这是使用tidyverse的解决方案。要绘制很多数据，有时较小的倍数会更好。

library(data.table)
set.seed(1992)
DT <- data.table::data.table(ID=seq(1,59101),
                             exposure=as.factor(sample(letters[1:10],59101,replace = TRUE)),
                             index_date=sample(seq(as.Date('2014/01/01'), as.Date('2020/03/31'), by="day"),59101,replace = TRUE))
DT[,month.year:=as.factor(zoo::as.yearmon(index_date)),]


library(tidyverse)

DT %>%  as_tibble() %>% 
  group_by(month.year, exposure) %>% 
  count() %>% 
  ungroup() %>% 
  group_by(month.year) %>% 
  mutate(ttl = sum(n),
         pct_ttl = n / ttl,
         date = lubridate::myd(month.year, truncated = 1L)) %>% 
  print(n = 20) %>% 
  ggplot(aes(date, pct_ttl, color = exposure, group = exposure)) +
  geom_line() +
  scale_x_date(scale_x_date(date_breaks = "4 months", date_labels = "%b %Y"))+
  scale_y_continuous(label = scales::percent_format(accuracy = 1)) +
  theme(axis.text.x = element_text(angle = 90))+
  labs(y = "proportion", x = "")
#> # A tibble: 750 x 6
#> # Groups:   month.year [75]
#>    month.year exposure     n   ttl pct_ttl date      
#>    <fct>      <fct>    <int> <int>   <dbl> <date>    
#>  1 Jan 2014   a           66   793  0.0832 2014-01-01
#>  2 Jan 2014   b           83   793  0.105  2014-01-01
#>  3 Jan 2014   c           66   793  0.0832 2014-01-01
#>  4 Jan 2014   d           93   793  0.117  2014-01-01
#>  5 Jan 2014   e           76   793  0.0958 2014-01-01
#>  6 Jan 2014   f           71   793  0.0895 2014-01-01
#>  7 Jan 2014   g           87   793  0.110  2014-01-01
#>  8 Jan 2014   h           77   793  0.0971 2014-01-01
#>  9 Jan 2014   i           87   793  0.110  2014-01-01
#> 10 Jan 2014   j           87   793  0.110  2014-01-01
#> 11 Feb 2014   a           79   708  0.112  2014-02-01
#> 12 Feb 2014   b           66   708  0.0932 2014-02-01
#> 13 Feb 2014   c           69   708  0.0975 2014-02-01
#> 14 Feb 2014   d           69   708  0.0975 2014-02-01
#> 15 Feb 2014   e           69   708  0.0975 2014-02-01
#> 16 Feb 2014   f           78   708  0.110  2014-02-01
#> 17 Feb 2014   g           71   708  0.100  2014-02-01
#> 18 Feb 2014   h           67   708  0.0946 2014-02-01
#> 19 Feb 2014   i           65   708  0.0918 2014-02-01
#> 20 Feb 2014   j           75   708  0.106  2014-02-01
#> # ... with 730 more rows

^{由reprex package（v0.3.0）于2020-04-24创建}

Answer 2

由于其中包含data.table标签，因此，这是一种准备数据的方法：

DT[,
   {  n = .N 
     .SD[, .(rel_freq = .N / n), by = exposure]},
   by = month.year]

     month.year exposure   rel_freq
         <fctr>   <fctr>      <num>
  1:   Nov 2017        g 0.10840108
  2:   Nov 2017        f 0.10027100
  3:   Nov 2017        d 0.10162602
  4:   Nov 2017        i 0.09485095
  5:   Nov 2017        e 0.11382114
 ---                               
746:   Jul 2018        f 0.10506799
747:   Jul 2018        c 0.10259580
748:   Jul 2018        a 0.10754017
749:   Jul 2018        b 0.10135970
750:   Jul 2018        g 0.11248455

然后，您可以进行ggplot2调用的几个选项。

创建新变量

DT_relative = DT[, {n = .N; .SD[, .(rel_freq = .N / n), by = exposure]}, by = month.year]

ggplot(DT_relative, aes(x = month.year, y = rel_freq, color = exposure, group = exposure)) + geom_line()

在ggplot调用中包含数据转换

ggplot(DT[, {n = .N; .SD[, .(rel_freq = .N / n), by = exposure]}, by = month.year],
       aes(x = month.year, y = rel_freq, color = exposure, group = exposure)) + geom_line()

将另外一个[data.table通话链接在一起并使用ggplot(.SD)

DT[, {n = .N; .SD[, .(rel_freq = .N / n), by = exposure]}, by = month.year
   ][, ggplot(.SD, aes(x = month.year, y = rel_freq, color = exposure, group = exposure)) + geom_line()]

附加magrittr以使用管道

library(magrittr)
DT[,
   {  n = .N 
   .SD[, .(rel_freq = .N / n), by = exposure]},
   by = month.year]%>%
  ggplot(., aes(x = month.year, y = rel_freq, color = exposure, group = exposure)) + geom_line()

另一个答案包括ggplot()调用的出色格式，因此，请参阅另一个答案以了解如何使图形更美观。

ggplot：创建比例线图

2 个答案: