我的数据如下,每个实验都会导致构图的显示,每个构图都属于一个或多个类别。我想绘制每个构图的出现次数:
DF <- read.table(text = " Comp Category
Comp1 1
Comp2 1
Comp3 4,2
Comp4 1,3
Comp1 1,2
Comp3 3 ", header = TRUE)
barplot(table(DF$Comp))
所以这对我来说非常合适。
之后,由于作文属于一个或多个类别。在类别之间有逗号分隔。我想在Y中用条形图绘制X中的组合词,在每个条形图中用每个条形图显示每个类别的百分比。
我的想法是复制有逗号的行,所以重复它N + 1逗号的数量。
DF = table(DF$Category,DF$Comp)
cats <- strsplit(rownames(DF), ",", fixed = TRUE)
DF <- DF[rep(seq_len(nrow(DF)), sapply(cats, length)),]
DF <- as.data.frame(unclass(DF))
DF$cat <- unlist(cats)
DF <- aggregate(. ~ cat, DF, FUN = sum)
它会举例说明:对于Comp1
1 2 3 4
Comp1 2 1 0 0
但如果我应用这种方法,则类别(3)的总数不会对应于作文总数(comp1 = 2)。
如何处理这种情况?解决方案是通过逗号+1的nb吗?如果是,如何在我的代码中执行此操作,是否有最简单的方法?
非常感谢!
答案 0 :(得分:1)
正如您已经注意到的,制作您的情节需要两个步骤。首先,需要准备数据,然后才能创建情节。
您已经展示了将数据转换为合适形式的努力,但让我提出另一种方法。
首先,我必须确保数据框的Category
列是一个字符,而不是一个因素。我还存储了数据框中出现的所有类别的向量:
DF$Category <- as.character(DF$Category)
cats <- unique(unlist(strsplit(DF$Category, ",")))
然后我需要总结数据。为此,我需要一个函数,为Comp
中的每个值提供缩放的每个类别的百分比,即值的总和给出原始数据中的行数Comp
。 / p>
以下函数以另一个数据帧的形式返回整个数据帧的此信息(输出需要是一个数据帧,因为我想稍后使用do()
函数。)
cat_perc <- function(cats, vec) {
# percentages
nums <- sapply(cats, function(cat) sum(grepl(cat, vec)))
perc <- nums/sum(nums)
final <- perc * length(vec)
df <- as.data.frame(as.list(final))
names(df) <- cats
return(df)
}
在完整数据框上运行该函数给出:
cat_perc(cats, DF$Category)
## 1 4 2 3
## 1 2.666667 0.6666667 1.333333 1.333333
这些值总计为6,这实际上是原始数据框中的总行数。
现在我们要为Comp
的每个值运行该函数,这可以使用dplyr
包来完成:
library(dplyr)
plot_data <-
group_by(DF, Comp) %>%
do(cat_perc(cats, .$Category))
plot_data
## plot_data
## Source: local data frame [4 x 5]
## Groups: Comp [4]
##
## Comp 1 4 2 3
## (fctr) (dbl) (dbl) (dbl) (dbl)
## 1 Comp1 1.333333 0.0000000 0.6666667 0.0000000
## 2 Comp2 1.000000 0.0000000 0.0000000 0.0000000
## 3 Comp3 0.000000 0.6666667 0.6666667 0.6666667
## 4 Comp4 0.500000 0.0000000 0.0000000 0.5000000
首先按Comp
对数据进行分组,然后将函数cat_perc
仅应用于具有给定Comp
的数据框的子集。
我将使用ggplot2
包绘制数据,这需要数据采用所谓的长格式。这意味着要绘制的每个数据点应对应于数据框中的一行。 (现在,每行包含4个数据点。)这可以使用tidyr
包完成,如下所示:
library(tidyr)
plot_data <- gather(plot_data, Category, value, -Comp)
head(plot_data)
## Source: local data frame [6 x 3]
## Groups: Comp [4]
##
## Comp Category value
## (fctr) (chr) (dbl)
## 1 Comp1 1 1.333333
## 2 Comp2 1 1.000000
## 3 Comp3 1 0.000000
## 4 Comp4 1 0.500000
## 5 Comp1 4 0.000000
## 6 Comp2 4 0.000000
如您所见,现在每行有一个数据点,其特征为Comp
,Category
和相应的value
。
现在所有内容都已读取,我们可以使用ggplot
绘制数据:
library(ggplot2)
ggplot(plot_data, aes(x = Comp, y = value, fill = Category)) +
geom_bar(stat = "identity")