无法从 tbl df object 访问要在 ggplot2 上使用的数据

Question

我正在研究一组 LDA 模型，以比较它们对主题分配的预测准确性。下面是一些简短的描述。

我应用了每个文档每个主题分配，为每个文档提取最高 "gamma"（总共 15 个）的主题，然后我使用 Chang 和 Blei (2009) rtm 方法得到每个文档的主题预测 word/token 和 select 给定文档中最常见的主题作为该文档的预测主题。最后，我将两个预测与 topic 合并为第一种方法的 header consensus 作为第二种方法，与文档 ID 匹配并保留原始文档文本。数据（命名为assignments）可以评估here（330 x 6，不是很大）。

我尝试用 ggplot2 可视化方法的预测准确性，使用每个 document/per 主题方法作为沿 y-axis 和 rtm 绘制的基线使用以下代码

在 x-axis 上评估的方法

library(foreign)
library(topicmodels)
library(tm)
library(tidyr)
library(plyr)
library(ggplot2)
library(lda)
library(igraph)
library(scales)

load("~/assignments.Rdata")

assignments %>%
  count(topic, consensus, wt_var = freq) %>%
  group_by(topic) %>%
  mutate(percent = n / sum(n)) %>%
  ggplot(aes(consensus, topic, fill = percent)) +
  geom_tile() +
  scale_fill_gradient2(high = "red", label = percent_format()) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 90, hjust = 1),
        panel.grid = element_blank()) +
  labs(x = "RTM assignments",
       y = "Documents came from",
       fill = "% of assignments")

但是，我在 count(topic, consensus,...) 行收到一条错误消息，显示 Error in count(., topic, consensus, wt_var = freq) : unused argument (consensus)，但是，如果我从代码行中删除 consensus，我会得到 Error in count(., topic, wt_var = freq) : object 'topic' not found. 我怀疑这可能是 S4 class 问题（也可能不是），所以我尝试了以下方法。在 group_by() 变量上使用 ""，但没有用。相反，我收到此错误消息 Error in sum(n) : invalid 'type' (closure) of argument.

然后我使用 tbl_df(assignments) 将 assignments 转换为兼容 tibble 的 object。同样，它没有用，R 仍然无法从 tibble object.

中找到 consensus 和 topic 数据

我真的很困惑，希望有人看一下我的代码并给我一些启发。

谢谢。

Answer 1

我认为您在函数前半部分的数据操作方面存在问题。我首先按主题和共识对作业进行分组，这样计数就会区分它们（而不是仅仅返回频率总和），然后应用计数（用引号引起来的变量）最后 mutate:

library(dplyr)

assignments_2 <- assignments %>% group_by(topic, consensus) %>%
    count(vars = "topic", wt_var = "freq") %>%
    mutate(percent = n / sum(n))

如果这将数据放入我认为您想要的格式，那么您应该能够绘制图表！

无法从 tbl df object 访问要在 ggplot2 上使用的数据

Cannot access data from tbl df object to be used on ggplot2

r

ggplot2

lda

topic-modeling

tbl