绘制多个类别

Question

我的数据如下，每次实验都会出现一个作文，每个作文属于一个或多个类别。我想绘制每个组合的出现次数：

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有效。

之后，as composition属于一个或多个类别。在 categories.I 之间有逗号分隔想要绘制 X 中的组合和 Y 中组合的 nb，以及每个条形图每个类别的百分比。

我的想法是复制有逗号的行，所以要重复 N+1 个逗号。

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)

它会给我例如：对于 Comp1

          1     2     3     4
Comp1     2     1     0     0

但是如果我应用这个方法，类别（3）的总数将不会对应于作文总数（comp1=2）。

遇到这种情况怎么办？解决方案是通过逗号 +1 的 nb 来划分吗？如果是，如何在我的代码中执行此操作，有没有最简单的方法？

非常感谢！

Answer 1

正如您已经注意到的那样，制作您的情节需要两个步骤。首先，需要准备数据，然后才能创建绘图。

正在准备数据

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 列是字符而不是因子。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 中的每个值给出每个类别缩放的百分比，值的总和给出原始数据中具有 Comp 的行数。

下面的函数returns这个信息以另一个数据框的形式获取整个数据框（输出需要是一个数据框，因为我想用do()的函数稍后）。

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)
}

运行完整数据框上的函数给出：

cat_perc(cats, DF$Category)
##          1         4        2        3
## 1 2.666667 0.6666667 1.333333 1.333333

这些值总和为 6，这确实是原始数据框中的总行数。

现在我们想要运行每个值 Comp 的函数，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

这首先按 Comp 对数据进行分组，然后将函数 cat_perc 仅应用于具有给定 Comp.

的数据帧的子集

我将使用 ggplot2 包绘制数据，这要求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.

绘制数据

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")

绘制多个类别

Plot many categories

r

statistics

methodology

正在准备数据

绘制数据