ggplot直方图在r中没有显示正确的结果

Question

我有一个包含117206行和4列userid，itemid，评级和日期的数据框。数据帧的结构如下所示。

 'data.frame':  117206 obs. of  4 variables:
 $ userId: Factor w/ 19043 levels "1","2","3","4",..: 1 1 2 3 3 3 4 5 5 5 ...
 $ itemId: Factor w/ 11451 levels "2844","4936",..: 7402 9729 3404 2976 7932 10035 11093 6718 8297 8537 ...
 $ rating: int  7 8 10 8 8 7 10 2 7 5 ...
 $ time  : Date, format: "2013-04-03" "2013-04-21" "2013-09-18" ...

数据的负责人是

userId  itemId rating       time
1      1 1074638      7 2013-04-03
2      1 1853728      8 2013-04-21
3      2  113277     10 2013-09-18
4      3  104257      8 2013-03-31
5      3 1259521      8 2013-03-24
6      3 1991245      7 2013-03-24

数据的尾部是

  userId  itemId rating       time
117201  19041 2171867      3 2013-09-16
117202  19041 2357129      5 2013-09-21
117203  19041 2381931      4 2013-09-08
117204  19042  816711      8 2013-06-23
117205  19043 1559547      2 2013-07-08
117206  19043 2415464      2 2013-07-14

我正在尝试使用ggplot制作直方图，但它似乎不起作用。有几个问题如下所述：

1. y轴上的计数不正确
2. x轴标签根本不显示

我使用以下代码绘制直方图，并且我使用相同的代码为类似类型但具有100K行的不同数据集制作正确的绘图。

首先我创建了x轴标签

labels_mtweet = seq(1,length(unique(m_tweet$itemId)),by=600)

所以我有1到11451的标签。

ggplot(m_tweet)+geom_histogram(aes(x=itemId))+
  scale_x_discrete(breaks=labels_mtweet, labels=as.character(labels_mtweet))+
  labs(x="Movie Id", y = "Number of ratings per movie", 
       title = "Distribution of ratings per movie - MovieTweetings")

以上是我用来绘制直方图的代码。当我制作一个简单的图表时，使用表格正确显示这些值。

plot(table(m_tweet$itemId),xlab=("Movie Id"),ylab=("Frequency of Movie Rating"),
    main=("Distribution of Ratings per movie - MovieLens"),type="l")

但是当试图用ggplot完成它时。条形高度不正确，根本不显示x标签。

我想在这里粘贴ggplot但是出于政策原因我不能。任何人都可以发现问题出在哪里吗？我想我在这里错过了一些导致问题的东西。

非常感谢任何或所有帮助。我没有提供'dput'的输出，因为它很长。

感谢。

Answer 1

根据我的评论，您的代码（或下面的我的变体）原则上可以工作，但不会因为有超过128个离散类别...

ggplot(m_tweet)+geom_histogram(aes(x=as.factor(itemId)))+
  scale_x_discrete(breaks=labels_mtweet, labels=as.character(labels_mtweet))+
  labs(x="Movie Id", y = "Number of ratings per movie", 
       title = "Distribution of ratings per movie - MovieTweetings")

鉴于离散比例的x值数量有限，我们无法使其发挥作用。您可能需要考虑汇总数据，例如：

require(plyr)
summarizedData <- ddply(m_tweet, c("itemId"), summarise,N    = length(rating))

然后你可以绕过使用geom_histogram并将计数绘制为连续x轴上的geom_line：

ggplot(summarizedData)+geom_line(aes(x=(itemId),y=N))+
  labs(x="Movie Id", y = "Number of ratings per movie", 
       title = "Distribution of ratings per movie - MovieTweetings")