岭图：按值/排名排序

Question

我上传了一个数据集 here 作为 CSV 格式的要点。它是 YouGov 文章 "How good is 'good'?" 中提供的 PDF 的提取形式。人们被要求用 0（非常消极）和 10（非常积极）之间的分数对单词（例如“完美”、“糟糕”）进行评分。要点恰好包含该数据，即对于每个单词（列：单词），它为从 0 到 10 的每个排名（列：类别）存储投票数（列：总计）。

我通常会尝试使用 matplotlib 和 Python 来可视化数据，因为我缺乏 R 方面的知识，但似乎 ggridges 可以创建比我自己使用 Python 所做的更好的图。

使用：

library(ggplot2)
library(ggridges)

YouGov <- read_csv("https://gist.githubusercontent.com/camminady/2e3aeab04fc3f5d3023ffc17860f0ba4/raw/97161888935c52407b0a377ebc932cc0c1490069/poll.csv")

ggplot(YouGov, aes(x=Category, y=Word, height = Total, group = Word, fill=Word)) + 
  geom_density_ridges(stat = "identity", scale = 3)

我能够创建这个情节（离完美还很远）：

忽略我必须调整美学的事实，我努力做三件事：

按平均排名对单词进行排序。
按平均排名为山脊着色。
或者用类别值给山脊上色，即用不同的颜色。

我尝试采纳 this source 的建议，但最终失败了，因为我的数据格式似乎有误：我没有单个投票实例，而是已经有了每个类别的汇总投票数.

我希望最终得到一个更接近这个情节的结果，它满足标准 3 (source)：

Answer 1

我自己花了一点时间才到达那里。对我来说，关键是理解数据以及如何根据平均 Category 分数对 Word 进行排序。那么我们先来看数据：

> YouGov
# A tibble: 440 x 17
      ID Word  Category Total  Male Female `18 to 35` `35 to 54` `55+`
   <dbl> <chr>    <dbl> <dbl> <dbl>  <dbl>      <dbl>      <dbl> <dbl>
 1     0 Incr~        0     0     0      0          0          0     0
 2     1 Incr~        1     1     1      1          1          1     0
 3     2 Incr~        2     0     0      0          0          0     0
 4     3 Incr~        3     1     1      1          1          1     1
 5     4 Incr~        4     1     1      1          1          1     1
 6     5 Incr~        5     5     6      5          6          5     5
 7     6 Incr~        6     6     7      5          5          8     5
 8     7 Incr~        7     9    10      8         10          7    10
 9     8 Incr~        8    15    16     14         13         15    16
10     9 Incr~        9    20    20     20         22         18    19
# ... with 430 more rows, and 8 more variables: Northeast <dbl>,
#   Midwest <dbl>, South <dbl>, West <dbl>, White <dbl>, Black <dbl>,
#   Hispanic <dbl>, `Other (NET)` <dbl>

每个单词的每个类别（或分数，1-10）都有一行。总计提供该 Word/Category 组合的响应数。因此，尽管没有对 "Incredible" 一词得分为零的回复，但它仍然有一行。

在我们计算每个单词的平均分数之前，我们计算每个单词-类别组合的类别和总分的乘积，我们称之为总分。从那里，我们可以将 Word 视为一个因素，并根据使用 forcats 的平均总分 重新排序 。之后，您可以像以前一样绘制数据。

library(tidyverse)
library(ggridges)

YouGov <- read_csv("https://gist.githubusercontent.com/camminady/2e3aeab04fc3f5d3023ffc17860f0ba4/raw/97161888935c52407b0a377ebc932cc0c1490069/poll.csv")

YouGov %>% 
  mutate(total_score = Category*Total) %>% 
  mutate(Word = fct_reorder(.f = Word, .x = total_score, .fun = mean)) %>% 
  ggplot(aes(x=Category, y=Word, height = Total, group = Word, fill=Word)) + 
  geom_density_ridges(stat = "identity", scale = 3)

通过将单词视为一个因素，我们根据单词的平均类别对单词进行了重新排序。 ggplot 还相应地对颜色进行排序，因此我们不必自行修改，除非您更喜欢不同的调色板。

Answer 2

另一个解决方案完全正确。我只是想指出，您可以从 aes() 中调用 fct_reorder() 以获得更紧凑的解决方案。但是，如果要沿 y 轴按位置更改填充颜色，则需要执行两次。

library(tidyverse)
library(ggridges)

YouGov <- read_csv("https://gist.githubusercontent.com/camminady/2e3aeab04fc3f5d3023ffc17860f0ba4/raw/97161888935c52407b0a377ebc932cc0c1490069/poll.csv")

ggplot(YouGov,
  aes(
    x = Category,
    y = fct_reorder(Word, Category*Total, .fun = sum),
    height = Total,
    fill = fct_reorder(Word, Category*Total, .fun = sum)
  )) + 
  geom_density_ridges(stat = "identity", scale = 3) +
  theme(legend.position = "none")

^{由 reprex package (v0.3.0)}

于 2020 年 1 月 19 日创建

如果您想按 x 位置着色，则可以执行如下操作。它看起来不像温度示例那么好，因为 x 值是离散的。

library(tidyverse)
library(ggridges)

YouGov <- read_csv("https://gist.githubusercontent.com/camminady/2e3aeab04fc3f5d3023ffc17860f0ba4/raw/97161888935c52407b0a377ebc932cc0c1490069/poll.csv")

ggplot(YouGov,
  aes(
    x = Category,
    y = fct_reorder(Word, Category*Total, .fun = sum),
    height = Total,
    fill = stat(x)
  )) + 
  geom_density_ridges_gradient(stat = "identity", scale = 3) +
  theme(legend.position = "none") +
  scale_fill_viridis_c(option = "C")

^{由 reprex package (v0.3.0)}

于 2020 年 1 月 19 日创建

岭图：按值/排名排序

Ridge plot: sort by value / rank

r

data-visualization

ggplot2

ridgeline-plot