R_tips_2: 柱状图排序问题

1. 问题描述


使用ggplot绘制柱状图时,我们可能需要对柱进行排序,例如,我们想探究看电视的平均时长和宗教信仰之间的关系:

# 生成数据
relig_summary <- gss_cat %>%
  group_by(relig) %>%
  summarise(
    age = mean(age, na.rm = TRUE),
    tvhours = mean(tvhours, na.rm = TRUE),
    n = n()
  )

# 绘制
ggplot(relig_summary, aes(tvhours, relig)) + geom_col(width = .7, alpha = .7, color = "black")
Fig.1

由于柱子排布没有明显规律,所以图非常难解读。因此,我们期望对柱子排序进行调整。
由于柱子排序,取决于Y轴上作为因子型变量的宗教顺序,所以,我们可以调整relig的因子顺序,也就是该变量的levels

2. 解决方案


2.1 fct_reorder()

使用fct_reorder命令,它包含三个参数:

  • f, 你希望调整顺序的因子
  • x, 你希望用来调整顺序的依据(必须是一个和f等长的vector
  • fun, 如果x包含多个数值,你希望用何种方式处理他们,来对f进行排序(默认是median)。

使用该函数,我们可以轻松的对柱状图按降序排列:

ggplot(relig_summary, aes(tvhours, fct_reorder(relig, tvhours))) +
  geom_col(width = .7, alpha = .7, color = "black")
Fig.2

当然,如果我们想让上边的柱子按升序排列,只需要在上边的代码中加一个负号-

ggplot(relig_summary, aes(tvhours, fct_reorder(relig, - tvhours))) +
  geom_col(width = .7, alpha = .7, color = "black")

2.2 fct_relevel()

有时,我们需要将一个特殊的类别移到图的最前边作为参照,例如本案例中,我们特别想用“没有信仰”的None和其他类型进行对比,所以需要把None放在最前面,这时候可以用fct_relevel()命令:

# 先排序,再把`None`放在因子顺序的最后
fct <- fct_reorder(relig_summary$relig, relig_summary$tvhours) %>%
 fct_relevel("None", after = length(fct))

# 绘图
ggplot(relig_summary, aes(tvhours, fct)) +
  geom_col(width = .7, alpha = .7, color = "black")
Fig.3

其中fct_relevel("None", after = length(fct))的含义是将“None”放在第length(fct)位的后面,也就是第length(fct)-1的位次,对应在图中,就是最上方的位置。
如果想把"None"柱放在图的最下边,只需改写为after = 0就可以了。

2.3 fct_reorder2

有时,我们需要基于两个变量对某一因子进行排序,特别是在绘制折线图的时候,这时可以用到fct_reorder2命令,让标签排序更加便于观察:

# data
chks <- subset(ChickWeight, as.integer(Chick) < 10)
# Note that lines match order in legend
ggplot(chks, aes(Time, weight, colour = fct_reorder2(Chick, Time, weight))) +
  geom_point() +
  geom_line() +
  labs(colour = "Chick")
Fig.4

2.5 fct_infreq() 和 fct_rev()

这两个命令主要是搭配geom_bar()进行使用的,同样是对柱状图进行排序:

# 升序
increase_plot <- 
  gss_cat %>%
  mutate(marital = marital %>% fct_infreq() %>% fct_infreq()) %>%
  ggplot(aes(marital)) +
    geom_bar()

# 降序
decrease_plot <- 
  gss_cat %>%
  mutate(marital = marital %>% fct_infreq() %>% fct_rev()) %>%
  ggplot(aes(marital)) +
    geom_bar()

# 合并
pacman::p_load(cowplot)

plot_grid(increase_plot, decrease_plot, labels = c('fct_infreq', 'fct_rev'), label_size = 12)
Fig.5
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,921评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,635评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,393评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,836评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,833评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,685评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,043评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,694评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,671评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,670评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,779评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,424评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,027评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,984评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,214评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,108评论 2 351
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,517评论 2 343

推荐阅读更多精彩内容