ggplot2 - 多组直方图，显示组内比例而不是频率

Question

ggplot2 - 多组直方图，显示组内比例而不是频率

26

我有三组学生，由一个名为ExperimentCohort的因素进行区分。对于每个学生，我都有一个名为LetterGrade的因素。我想为每个ExperimentCohort绘制一个类似直方图的条形图，其中包括LetterGrade的数据。使用以下代码：

ggplot(df, alpha = 0.2, 
       aes(x = LetterGrade, group = ExperimentCohort, fill = ExperimentCohort))                                                                                                                                                       
  + geom_bar(position = "dodge")

这个方案已经很接近了，但是三个 ExperimentCohorts 的学生人数不一样。为了更公平地比较它们，我希望将 y 轴设置为每个等级字母的组内比例。到目前为止，除了在绘图之前计算这个比例并将其放入单独的数据框中之外，我没有找到其他方法来实现这一点。

在 SO 和其他地方寻求类似问题的解决方案时，每个解决方案都涉及 aes(y = ..count../sum(..count..))，但是 sum(..count..) 是在整个数据框中执行而不是在每个队列中执行。有人有建议吗？以下是创建示例数据框的代码：

df <- data.frame(ID = 1:60, 
        LetterGrade = sample(c("A", "B", "C", "D", "E", "F"), 60, replace = T),
        ExperimentCohort = sample(c("One", "Two", "Three"), 60, replace = T))

感谢您的选择。

- Claire Sannier

该标题涉及直方图，而不是条形图。 - Julien

3个回答

8

你也可以通过创建一个 weight 列来为每个组加总到1，来实现这一点。

ggplot(df %>%
         group_by(ExperimentCohort) %>%
         mutate(weight = 1 / n()),
       aes(x = LetterGrade, fill = ExperimentCohort)) +
  geom_histogram(aes(weight = weight), stat = 'count', position = 'dodge')

- sirallen

1

对我来说，stat="count" 的代码在使用 stat_count 时产生了一些问题。移除它就可以解决。 - wake_wake

似乎无法按组显示百分比。 - Julien

0

最近我尝试了这个，但是调用ddply时出现了错误：Column prop must be length 1 (a summary value), not 6。花了一些时间研究ddply，但是无法完全解决问题，所以我提供了一个替代方案（请注意，这仍然使用plyr）：

df.new <- df2 %>% 
    group_by(ExperimentCohort,LetterGrade) %>% 
    summarise (n = n()) %>%
    mutate(freq = n / sum(n))

然后你可以像 @didzis-elferts 提到的那样绘制它：

ggplot(df.new,aes(LetterGrade,freq,fill=ExperimentCohort))+
    geom_bar(stat="identity",position='dodge')

- mploenzke

你能解释一下 mutate 步骤吗？为什么 sum(n) 只在 experimentcohort 内部？我本来以为 sum(n) 是针对整个数据框的 - 看起来好像有点神奇！ - seanv507

1

如果我们想要在整个数据框上计算 sum(n)，我们需要在 mutate 调用之前在管道中调用 ungroup()。请注意，您可以使用 grouping(df.new) 检查分组情况，并且 summarise 调用将“取消分组”最后一个分组变量。 - mploenzke

例如，向数据框添加一列：

df <- data.frame(ID = 1:60,LetterGrade = sample(c("A", "B", "C", "D", "E", "F"), 60, replace = T),ExperimentCohort = sample(c("One", "Two", "Three"), 60, replace = T), test = sample(c("A", "B", "C", "D", "E", "F"), 60, replace = T))

然后将以下输出进行比较：df %>% group_by(ExperimentCohort,LetterGrade,test) %>% summarise (n = n()) %>% group_vars()与：df %>% group_by(ExperimentCohort,LetterGrade,test) %>% group_vars() - mploenzke

这就是为什么 mutate(freq = n / sum(n)) 计算的总和现在只涵盖了 ExperimentCohort 组，而不再涵盖 LetterGrade 组。希望这能够帮助你理解！ - mploenzke

问题是关于直方图，而不是条形图。 - Julien

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Didzis Elferts · Accepted Answer

错误的解决方案

您可以使用stat_bin()和y=..density..来获取每组中的百分比。

ggplot(df, alpha = 0.2,
      aes(x = LetterGrade, group = ExperimentCohort, fill = ExperimentCohort))+
      stat_bin(aes(y=..density..), position='dodge')

更新 - 正确解决方案

正如@rpierce所指出的，y=..density..将为每个组计算密度值而不是百分比（它们不同）。

要获得正确的百分比解决方案，一种方法是在绘图之前计算它们。使用库plyr中的函数ddply()进行计算。在每个ExperimentCohort中，使用函数prop.table()和table()计算比例，并将其保存为prop。使用names()和table()获取了LetterGrade。

df.new<-ddply(df,.(ExperimentCohort),summarise,
              prop=prop.table(table(LetterGrade)),
              LetterGrade=names(table(LetterGrade)))

 head(df.new)
  ExperimentCohort       prop LetterGrade
1              One 0.21739130           A
2              One 0.08695652           B
3              One 0.13043478           C
4              One 0.13043478           D
5              One 0.30434783           E
6              One 0.13043478           F

现在使用这个新的数据框进行绘图。由于比例已经计算好了，所以将它们作为y值提供，并在geom_bar内部添加stat="identity"。

ggplot(df.new,aes(LetterGrade,prop,fill=ExperimentCohort))+
  geom_bar(stat="identity",position='dodge')

在这里输入图像描述