使用third可视化带有第三个变量分类的2x2表

Question

我正在创建一个闪亮的应用程序来帮助学生理解选择偏见。其背景是使用驱虫蚊帐和疟疾。混淆变量是使用氯喹进行预处理，氯喹可以清除寄生虫，导致病例被错误归类为对照组。

下面的两个面板，A和B，显示了我想动态地做什么。以0为中心的滑块将控制错误分类的数量和方向(灰色填充红色轮廓)。移动滑块>0，对于使用蚊帐的控件来说，错误分类率将更高。向另一个方向移动，错误的分类将有利于非用户。

这是我脑海中的一个编程问题，因为我正在寻找一种用闪亮的视觉化的方法。这里有一个玩具数据集，它复制了面板A中的示例。

df <- data.frame(control=c(rep(1, 24), rep(0, 24)),
                 bednet=(c(rep(1,18), rep(0,6),
                           rep(1, 12), rep(0, 12))),
                 chloro=(c(rep(0, 17), 1, 0, 0, 0, 1, 1, 1,
                           rep(NA, 24))))

有什么想法吗？

​

​

Answer 1

您可以使用ggplot2方法。我故意保留了单独的变异调用，这样您就可以逐步地探索代码了。

library(tidyverse)

df <- data.frame(control=c(rep(1, 24), rep(0, 24)),
                 bednet=(c(rep(1,18), rep(0,6),
                           rep(1, 12), rep(0, 12))),
                 chloro=(c(rep(0, 17), 1, 0, 0, 0, 1, 1, 1,
                           rep(NA, 24))))
ncols <- 6

plot_data <- df %>%  
  mutate(misclass = ifelse(chloro == 1 & control == 1, 1, 0)) %>% 
  mutate(control = factor(control, c(0, 1), c("Cases","Controls"))) %>% 
  arrange(control, bednet, -misclass) %>% 
  group_by(control) %>% 
  mutate(col = rep(1:ncols, times = n()/ncols)) %>% 
  mutate(row = rep(1:4, each = ncols)) %>% 
  mutate(line = max(.$row[bednet == 0]) + 0.5) %>% 
  mutate(fill = case_when(misclass == 1 ~ "grey50",
                          misclass == 0 & control == "Cases" ~ "firebrick",
                          misclass == 0 & control == "Controls" ~ "grey50")) %>% 
  mutate(color = case_when(misclass == 1 ~ "firebrick",
                          misclass == 0 & control == "Cases" ~ "firebrick",
                          misclass == 0 & control == "Controls" ~ "grey50"))  %>% 
  mutate(divider = ifelse(control == "Cases", Inf, NA))


ggplot(plot_data, aes(x = col, y = row, fill = fill, color = color)) +
  geom_point(shape = 21, size = 4, show.legend = FALSE) +
  geom_hline(aes(yintercept = line), show.legend = FALSE, linetype = "dashed") +
  geom_vline(aes(xintercept = divider)) +
  facet_wrap(~control) +
  scale_fill_identity() +
  scale_color_identity() +
  labs(x = NULL, y = NULL) +
  coord_equal() +
  theme_minimal() +
  theme(axis.text = element_blank(),
        panel.grid = element_blank())

​

​

您可以通过shiny输入设置错误类条件，然后将plot_data创建为一个反应性数据框架。然后，您将遵循shiny中绘图输出的通常步骤。