策划多个范畴

Question

我有如下数据，每个实验都会导致一篇作文的出现，而每一篇作文都属于一个或多个类别。我想画出每一篇作文的出现次数：

DF <- read.table(text = " Comp         Category

Comp1             1
Comp2             1   
Comp3             4,2
Comp4             1,3
Comp1             1,2
Comp3             3 ", header = TRUE)

barplot(table(DF$Comp))

所以这对我来说是完美的。

在此之后，构图属于一个或多个类别。在类别之间有逗号分隔，我想用X来标出复音，用Y表示复数的nb，对每一栏分别画出每个类别的%。

我的想法是复制有逗号的行，因此，为了避免它N+1逗号的数量。

DF = table(DF$Category,DF$Comp)
cats <- strsplit(rownames(DF), ",", fixed = TRUE)
DF <- DF[rep(seq_len(nrow(DF)), sapply(cats, length)),]
DF <- as.data.frame(unclass(DF))
DF$cat <- unlist(cats)
DF <- aggregate(. ~ cat, DF, FUN = sum)

它将给我举个例子:对于Comp1

          1     2     3     4
Comp1     2     1     0     0

但是，如果应用这种方法，类别(3)的总数将不与组合总数(comp1=2)相对应。

在这种情况下如何进行？解决方案是以逗号+1的nb为分隔符吗？如果是，如何在我的代码中这样做，还有最简单的方法吗？

非常感谢！

Answer 1

生成您的情节需要两个步骤，正如您已经注意到的。首先，需要准备数据，然后才能创建情节。

准备数据

你已经展示了你的努力，把数据以一种适当的形式，但让我提出另一种方式。

首先，我必须确保数据帧的Category列是一个字符，而不是一个因素。我还存储数据框架中出现的所有类别的向量：

DF$Category <- as.character(DF$Category)
cats <- unique(unlist(strsplit(DF$Category, ",")))

然后我需要总结一下数据。为此，我需要一个函数，为Comp中的每个值提供按比例缩放的每个类别的百分比，使值之和给出原始数据中带有该Comp的行数。

下面的函数以另一个数据帧的形式返回整个数据帧的此信息(输出需要是一个数据框架，因为我希望稍后在do()中使用该函数)。

cat_perc <- function(cats, vec) {
  # percentages
  nums <- sapply(cats, function(cat) sum(grepl(cat, vec)))
  perc <- nums/sum(nums)
  final <- perc * length(vec)
  df <- as.data.frame(as.list(final))
  names(df) <- cats
  return(df)
}

在完整的数据框架上运行该函数将提供：

cat_perc(cats, DF$Category)
##          1         4        2        3
## 1 2.666667 0.6666667 1.333333 1.333333

值之和为6，这实际上是原始数据帧中的行总数。

现在，我们希望对Comp的每个值运行该函数，这可以使用dplyr包来完成：

library(dplyr)
plot_data <-
group_by(DF, Comp) %>%
  do(cat_perc(cats, .$Category))
plot_data
## plot_data
## Source: local data frame [4 x 5]
## Groups: Comp [4]
## 
##     Comp        1         4         2         3
##   (fctr)    (dbl)     (dbl)     (dbl)     (dbl)
## 1  Comp1 1.333333 0.0000000 0.6666667 0.0000000
## 2  Comp2 1.000000 0.0000000 0.0000000 0.0000000
## 3  Comp3 0.000000 0.6666667 0.6666667 0.6666667
## 4  Comp4 0.500000 0.0000000 0.0000000 0.5000000

这首先通过Comp对数据进行分组，然后将函数cat_perc应用于数据帧的子集，并使用给定的Comp。

我将用ggplot2包绘制数据，它要求数据采用所谓的长格式。这意味着要绘制的每个数据点应该对应于数据帧中的一行。(现在的情况是，每行包含4个数据点。)这可以用tidyr包完成，如下所示：

library(tidyr)
plot_data <-  gather(plot_data, Category, value, -Comp)
head(plot_data)
## Source: local data frame [6 x 3]
## Groups: Comp [4]
## 
##     Comp Category    value
##   (fctr)    (chr)    (dbl)
## 1  Comp1        1 1.333333
## 2  Comp2        1 1.000000
## 3  Comp3        1 0.000000
## 4  Comp4        1 0.500000
## 5  Comp1        4 0.000000
## 6  Comp2        4 0.000000

如您所见，现在每行都有一个数据点，由Comp、Category和相应的value来描述。

绘制数据

现在，所有内容都已读取，我们可以使用ggplot绘制数据。

library(ggplot2)
ggplot(plot_data, aes(x = Comp, y = value, fill = Category)) +
  geom_bar(stat = "identity")

​

​