ggplot直方图在r中没有显示正确的结果

Question

我有一个包含 117206 行和 4 列 userid、itemid、rating 和日期的数据框。数据框的结构如下。

 'data.frame':  117206 obs. of  4 variables:
 $ userId: Factor w/ 19043 levels "1","2","3","4",..: 1 1 2 3 3 3 4 5 5 5 ...
 $ itemId: Factor w/ 11451 levels "2844","4936",..: 7402 9729 3404 2976 7932 10035 11093 6718 8297 8537 ...
 $ rating: int  7 8 10 8 8 7 10 2 7 5 ...
 $ time  : Date, format: "2013-04-03" "2013-04-21" "2013-09-18" ...

数据的头部是

userId  itemId rating       time
1      1 1074638      7 2013-04-03
2      1 1853728      8 2013-04-21
3      2  113277     10 2013-09-18
4      3  104257      8 2013-03-31
5      3 1259521      8 2013-03-24
6      3 1991245      7 2013-03-24

数据尾部为

  userId  itemId rating       time
117201  19041 2171867      3 2013-09-16
117202  19041 2357129      5 2013-09-21
117203  19041 2381931      4 2013-09-08
117204  19042  816711      8 2013-06-23
117205  19043 1559547      2 2013-07-08
117206  19043 2415464      2 2013-07-14

我正在尝试使用 ggplot 制作直方图，但它似乎不起作用。有几个问题如下所述：

y 轴上的计数不正确
x 轴标签根本不显示

我正在使用以下代码绘制直方图，并且我使用相同的代码为具有 10 万行的类似类型的不同数据集绘制了正确的图。

首先我创建了 x 轴标签

labels_mtweet = seq(1,length(unique(m_tweet$itemId)),by=600)

所以我有从 1 到 11451 的标签。

ggplot(m_tweet)+geom_histogram(aes(x=itemId))+
  scale_x_discrete(breaks=labels_mtweet, labels=as.character(labels_mtweet))+
  labs(x="Movie Id", y = "Number of ratings per movie", 
       title = "Distribution of ratings per movie - MovieTweetings")

以上是我用来绘制直方图的代码。当我制作一个简单的图时，使用 table.

正确显示值

plot(table(m_tweet$itemId),xlab=("Movie Id"),ylab=("Frequency of Movie Rating"),
    main=("Distribution of Ratings per movie - MovieLens"),type="l")

但是当试图用 ggplot 完成它时。条形图的高度不正确，根本没有显示 x 标签。

我想在此处粘贴 ggplot，但出于政策原因我不能。任何人都可以发现哪里出了问题吗？我想我在这里遗漏了导致问题的东西。

任何或所有帮助将不胜感激。我没有提供 'dput' 的输出，因为它很长。

谢谢。

Answer 1

根据我的评论，您的代码（或下面我的变体）原则上可以工作，但不能工作，因为有超过 128 个离散类别...

ggplot(m_tweet)+geom_histogram(aes(x=as.factor(itemId)))+
  scale_x_discrete(breaks=labels_mtweet, labels=as.character(labels_mtweet))+
  labs(x="Movie Id", y = "Number of ratings per movie", 
       title = "Distribution of ratings per movie - MovieTweetings")

考虑到离散比例的 x 值数量限制，我们无法让它工作。您可能需要考虑汇总您的数据，例如：

require(plyr)
summarizedData <- ddply(m_tweet, c("itemId"), summarise,N    = length(rating))

然后您可以使用 geom_histogram 规避并在连续的 x 轴上将计数绘制为 geom_line：

ggplot(summarizedData)+geom_line(aes(x=(itemId),y=N))+
  labs(x="Movie Id", y = "Number of ratings per movie", 
       title = "Distribution of ratings per movie - MovieTweetings")

ggplot直方图在r中没有显示正确的结果

ggplot histogram not displaying right results in r

r

ggplot2

axis-labels