Альтернативы ggplot2 для заполнения гистограмм, появление фактора в нескольких строках
Я новичок в R, и у меня есть проблема с построением гистограммы из моих данных, которая выглядит так:
condition answer
2 H
1 H
8 H
5 W
4 M
7 H
9 H
10 H
6 H
3 W
Данные состоят из 100 строк с условиями от 1 до 10, каждая из которых генерируется случайным образом 10 раз (10 раз при условии 1, 10 раз при условии 8,...). У каждого из условий также есть ответ, который может быть H для попадания, M для промаха или W для неправильного.
Я хочу отобразить количество попаданий для каждого условия в гистограмме (например, 8 попаданий из 10 для условия 1,...), для этого я попытался сделать следующее в ggplot2
ggplot(data=test, aes(x=test$condition, fill=answer= = "H"))+
geom_bar()+labs(x = "Conditions", y = "Hitrate")+
coord_cartesian(xlim = c(1:10), ylim = c(0:10))+
scale_x_continuous(breaks=seq(1,10,1))
И это выглядело так:
На самом деле это именно то, что мне нужно, за исключением красного цвета, который покрывает все. Вы можете видеть, что условия с 3 по 5 не имеют синей полосы, потому что для этих условий нет совпадений.
Есть ли способ избавиться от этого красного цвета и, возможно, подсчитать количество попаданий для разных условий? -> Я пробовал функцию подсчета dplyr, но она показывала мне количество H только тогда, когда там было что-то для этого конкретного условия. 3-5, где просто «проигнорировано» по количеству, в выводе не было даже 0. -> но мне все равно нужны эти числа для сюжета
Я прошу прощения за этот длинный пост, но я действительно в конце знаний, учитывая это. Я был бы открыт для предложений или альтернатив! Заранее спасибо!
Также стоит отметить, что ваш образец данных не воспроизводит проблему, заключающуюся в том, что некоторые буквы не встречаются ни при каких условиях. Репрезентативная выборка была бы полезна.
Ответы 3
Один из вариантов — просто отфильтровать из набора данных все, кроме где answer == "H", а затем построить график.
Альтернативой является использование сгруппированного столбчатого графика, созданного путем установки position = "dodge":
test <- data.frame(condition = rep(1:10, each = 10),
answer = sample(c('H', 'M', 'W'), 100, replace = T))
ggplot(data=test) +
geom_bar(aes(x = condition, fill = answer), position = "dodge") +
labs(x = "Conditions", y = "Hitrate") +
coord_cartesian(xlim = c(1:10), ylim = c(0:10)) +
scale_x_continuous(breaks=seq(1,10,1))
Также обратите внимание, что если условие на самом деле является категориальной переменной, может быть лучше сделать его фактором:
test$condition <- as.factor(test$condition)
Это означает, что вам не нужен вызов scale_x_continuous, и линии сетки будут чище.
Другой вариант — явно выбрать цвета заливки и сделать FALSE прозрачным с помощью scale_fill_manual. Поскольку FALSE идет первым в алфавитном порядке, первое значение, которое нужно указать, — FALSE, второе — TRUE.
ggplot(data=test, aes(x=condition, fill=answer= = "H"))+
geom_bar()+labs(x = "Conditions", y = "Hitrate")+
coord_cartesian(xlim = c(1:10), ylim = c(0:10))+
scale_x_continuous(breaks=seq(1,10,1)) +
scale_fill_manual(values = c(alpha("red", 0), "cadetblue")) +
guides(fill = F)
Если вы не хотите беспокоиться о порядке категорий, используйте именованный вектор при установке значений заполнения.
Это ситуация, когда небольшая предварительная обработка имеет большое значение. Я сделал образцы данных, которые воссоздали бы проблему, т.е. есть случаи, когда не будет никаких «H».
Вместо того, чтобы полагаться на ggplot для агрегирования данных так, как вы хотите, используйте соответствующие инструменты. Поскольку вы упомянули dplyr::count, я использую dplyr функции.
Задача предварительной обработки состоит в том, чтобы подсчитать наблюдения с ответом «H», включая случаи, когда счет равен 0. Чтобы убедиться, что все комбинации сохраняются, преобразуйте условие в фактор и установите .drop = F в count, который, в свою очередь, передается в group_by.
library(dplyr)
library(ggplot2)
set.seed(529)
test <- data.frame(condition = rep(1:10, times = 10),
answer = c(sample(c("H", "M", "W"), 50, replace = T),
sample(c("M", "W"), 50, replace = T)))
hit_counts <- test %>%
mutate(condition = as.factor(condition)) %>%
filter(answer == "H") %>%
count(condition, .drop = F)
hit_counts
#> # A tibble: 10 x 2
#> condition n
#> <fct> <int>
#> 1 1 0
#> 2 2 1
#> 3 3 4
#> 4 4 2
#> 5 5 3
#> 6 6 0
#> 7 7 3
#> 8 8 2
#> 9 9 1
#> 10 10 1
Тогда просто зарисуйте это. geom_col — это версия geom_bar, в которой у вас уже есть значения y, вместо того, чтобы ggplot подсчитывал их для вас.
ggplot(hit_counts, aes(x = condition, y = n)) +
geom_col()
$внутри своегоaes