R:按电平频率和绘图的排序因子

R: Sorting factor by level frequency and plotting

我有一个 data.frame 有几个因素,例如:

df<-data.frame(Var1=as.factor(sample(c("AB", "BC", "CD", "DE", "EF"), 1000, replace=TRUE)))

summary(df$Var1)
 AB  BC  CD  DE  EF 
209 195 178 221 197

我想绘制 data.frame 中每个因素水平的频率,如下所示:

ggplot(df, aes(x=factor(1), fill=factor(Var1)))+
       geom_bar(width=1, colour="black")+
       coord_polar(theta="y")+
       theme_void()

但是,级别的顺序是按字母顺序排列的,而不是按频率排列的。使用 library(plyr) 中的 count 我可以创建一个新的 data.frame 来给出每个级别的频率:

df_count <-count(df, "Var1")
Var1 freq
1   AB  209
2   BC  195
3   CD  178
4   DE  221
5   EF  197

然后我可以使用

重新排序
df_count$Var1<-factor(df_count$Var1, levels=df_count$Var1[order(df_count$freq, decreasing=TRUE)])

绘制时给出我想要的,每个级别的排序频率。

1.) 这是最优雅的解决方案吗?它为我原来的data.frame中的每个factor/column额外提供了一个data.frame,我觉得必须有更简单的方法。

2.) 绘图时,如何重命名图例标签并确保为它们分配正确的因子水平?如果我使用

scale_fill_manual(labels=c("Name of AB", "Name of BC", "Name of CD", "Name of DE","Name of EF"))

标签与正确的级别不相关。这里图例中的第一个条目将是 "DE",因为它是频率最高的级别,但标签将显示 "Name of AB",如 scale_fill_manual.[=39 中所定义=] 我可以每次手动检查标签的顺序,但必须有一种自动方式吗?

forcats 中的函数可以帮助处理因子顺序。特别是,fct_infreq 将根据每个级别的频率设置级别的顺序。

library(forcats)

df$Var1 = fct_infreq(df$Var1)

您可以使用命名向量来避免 scale_*_manual 函数中的顺序。

scale_fill_manual(labels = c(AB = "Name of AB", 
                      BC = "Name of BC", 
                      CD = "Name of CD", 
                      DE = "Name of DE", 
                      EF = "Name of EF"))

所以你的情节代码可能看起来像

ggplot(df, aes(x = factor(1), fill = fct_infreq(Var1) ))+
    geom_bar(width = 1, colour = "black")+
    coord_polar(theta = "y")+
    theme_void() +
    scale_fill_discrete(labels = c(AB = "Name of AB", 
                          BC = "Name of BC", 
                          CD = "Name of CD", 
                          DE = "Name of DE", 
                          EF = "Name of EF"))

你想要 reorder(),我想。通常 reorder(x,y,FUN) 根据将函数 FUN 应用于第二个变量 y 的结果更改因子 x 的水平顺序。在这种情况下,您可以使用 FUN=length,对于 y.

使用什么并不重要

设置数据(为了让结果更清晰,我选择修改概率):

set.seed(101)
df <- data.frame(Var1=as.factor(sample(c("AB", "BC", "CD", "DE", "EF"),
                            prob=c(0.1,0.5,0.2,0.05,0.15),
                                   1000, replace=TRUE)))

基本剧情(顺序错误):

library(ggplot2)
print(g1 <- ggplot(df, aes(x=factor(1), fill=Var1))+
   geom_bar(width=1, colour="black")+
   coord_polar(theta="y")+
   theme_void())

现在重新订购:

df$Var1 <- reorder(df$Var1,df$Var1,FUN=length)
levels(df$Var1)
## [1] "DE" "AB" "EF" "CD" "BC"

检查顺序是否正确:

sort(table(df$Var1))
##  DE  AB  EF  CD  BC 
##  46 105 163 189 497 

打印新图(使用 %+% 插入新数据并使用 guide_legend() 翻转图例的顺序:您也可以使用 function(x) -length(x) 作为 FUN首先更改级别的顺序)。

print(g1 %+% df + 
    scale_fill_discrete(guide=guide_legend(reverse=TRUE)))

您还有一个使用库 forcats 和函数 fct_infreq.

的简单解决方案
library(forcats)
ggplot(df, aes(x = factor(1), fill = fct_infreq(Var1)))+
  geom_bar(width = 1, colour = "black")+
  coord_polar(theta = "y")+
  theme_void() +
  guides(fill = guide_legend(title = "Var1"))

请注意,饼图被认为是邪恶的(你可以 google 那个),你可以用简单的条形图传达相同的信息:

ggplot(df, aes(x = fct_infreq(Var1), fill = fct_infreq(Var1))) +
  geom_bar(width = 1, colour = "black", show.legend = FALSE) +
  xlab("Var1")