您好,登錄后才能下訂單哦!
這篇文章將為大家詳細(xì)講解有關(guān)R語(yǔ)言中如何在數(shù)據(jù)可視化過(guò)程中調(diào)整因子順序,文章內(nèi)容質(zhì)量較高,因此小編分享給大家做個(gè)參考,希望大家閱讀完這篇文章后對(duì)相關(guān)知識(shí)有一定的了解。
實(shí)例操練
這個(gè)例子使用的數(shù)據(jù)集為tidyverse包自帶的數(shù)據(jù)集,大家可以使用?gss_cat查看相關(guān)變量,這兒不再贅述。
在數(shù)據(jù)可視化過(guò)程中改變因子順序是一個(gè)經(jīng)常性的操作,比如我們想看看不同religions的average number of hours spent watching TV per day有什么不同,我們可以用以下代碼:
relig_summary <- gss_cat %>% group_by(relig) %>% summarise( age = mean(age, na.rm = TRUE), tvhours = mean(tvhours, na.rm = TRUE), n = n() ) ggplot(relig_summary, aes(tvhours, relig)) + geom_point()
運(yùn)行代碼得到輸出的點(diǎn)圖如下:
上面的這個(gè)點(diǎn)圖其實(shí)很不好看,我們可能會(huì)覺(jué)得能不能把religions的順序變一變,讓有最小tvhours的religion在y軸的最下面,有最大tvhours的在最上面。
怎么做呢,需要用到fct_reorder()方法,這個(gè)方法取2個(gè)參數(shù):
第一個(gè)就是你想改變順序的因子,本例中:religions
第二個(gè),改變順序的參照物,本例中:tvhours
代碼如下:
ggplot(relig_summary, aes(tvhours, fct_reorder(relig, tvhours))) + geom_point()
可以看到,改變了religions的順序后這個(gè)圖就更加清晰明白了。
再看一個(gè)例子:
rincome_summary <- gss_cat %>% group_by(rincome) %>% summarise( age = mean(age, na.rm = TRUE), tvhours = mean(tvhours, na.rm = TRUE), n = n() ) ggplot(rincome_summary, aes(age, fct_reorder(rincome, age))) + geom_point()
上面的代碼,可以畫(huà)出按年齡排序后不同rincome和age的關(guān)系:
但是,問(wèn)題出在按年齡排序后我們的收入(y軸)顯得很亂,所以這個(gè)方法并不好,考慮到收入本來(lái)就是有順序的,所以好的處理方法為保留收入的原始順序,于是我們寫(xiě)出了如下代碼:
rincome_summary <- gss_cat %>% group_by(rincome) %>% summarise( age = mean(age, na.rm = TRUE), tvhours = mean(tvhours, na.rm = TRUE), n = n() ) ggplot(rincome_summary, aes(age, rincome)) + geom_point()
這次再看我們的圖,雖然其他的收入levels都排的挺好,但是我們不希望“Not applicable”排在第一。這個(gè)時(shí)候我們可以用fct_relevel(),它也有2個(gè)參數(shù):
需要排序的因子,本例中:rincome
需要放在最前面的levels,本例中:Not applicable
代碼如下:
ggplot(rincome_summary, aes(age, fct_relevel(rincome, "Not applicable"))) + geom_point()
這一下,我們的圖形就比較滿意了。
再看一個(gè)例子:線圖的顏色控制:
by_age <- gss_cat %>% filter(!is.na(age)) %>% count(age, marital) %>% group_by(age) %>% mutate(prop = n / sum(n)) ggplot(by_age, aes(age, prop, colour = marital)) + geom_line(na.rm = TRUE) ggplot(by_age, aes(age, prop, colour = fct_reorder2(marital, age, prop))) + geom_line() + labs(colour = "marital")
上面的代碼畫(huà)的是不同的年齡中婚姻狀況的比例變化:
我們通過(guò)fct_reorder2實(shí)現(xiàn)了圖例和x變量最大時(shí)y的值的順序一致,可以更加明晰。
最后再看一個(gè)柱狀圖調(diào)整因子順序的例子
下面的代碼可以,正序逆序改變x軸標(biāo)簽:
gss_cat %>%
mutate(marital = marital %>% fct_infreq() ) %>%
ggplot(aes(marital)) +
geom_bar()
gss_cat %>%
mutate(marital = marital %>% fct_infreq() %>% fct_rev()) %>%
ggplot(aes(marital)) +
geom_bar()
大家可以在自己電腦上運(yùn)行試試,關(guān)鍵就在于fct_rev()。
今天通過(guò)3個(gè)例子給大家介紹了可視化中因子順序的改變,感謝大家耐心看完。發(fā)表這些東西的主要目的就是督促自己,希望大家關(guān)注評(píng)論指出不足,一起進(jìn)步。
關(guān)于R語(yǔ)言中如何在數(shù)據(jù)可視化過(guò)程中調(diào)整因子順序就分享到這里了,希望以上內(nèi)容可以對(duì)大家有一定的幫助,可以學(xué)到更多知識(shí)。如果覺(jué)得文章不錯(cuò),可以把它分享出去讓更多的人看到。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。