使用ggplot2 facet_grid优化分类变量的绘图-二分变量仅两个值之一的绘图比例

Question

我有一个大型数据集，其中包含150多个分类变量和连续变量。每个观察（行）都属于A组或B组。例如：

set.seed(16)
mydf <- data.frame(ID = 1:500, group = sample(c("A", "B", "B", "B"), 500, replace = TRUE), 
length = rnorm(n = 500, mean = 0, sd = 1), 
weight = runif(500, min=0, max=1), 
color = sample(c("red", "orange", "yellow", "green", "blue"), 500,  replace = TRUE), 
size = sample(c("big", "small"), 500, replace = TRUE), 
age = sample(c("old", "young"), 500, replace = T))

我正在努力优化图的布局，以可视化类别变量的组计数和比例计数之间的关系。到目前为止，在上一篇文章（https://stackoverflow.com/a/59562290/1905571）的帮助下，我使用ggplot2 facet-grid进行了绘制，但是遇到了两个问题。

问题A：条形图按值（例如，大，旧，小，年轻）的字母顺序排列，而不是按类别（年龄：年轻紧挨着；大小：大紧挨着小，等等）进行分组。问题B：对于只有两个可能值的类别变量，我只想绘制其中一个值在A组与B组中的比例。例如，仅绘制“旧”组A与B组的比例，因为绘制“年轻”比例将不会提供任何新信息。其他分类变量（例如具有多个值的color）应针对每种可能性使用条形图。

我已经通过以“ mutate（value = factor（value，level = c（“ big”，“ small”，“ young”，“ old”，“ red” ，“橙色”，“黄色”，“绿色”，“蓝色”）））”，现在按指定的顺序显示，年龄组彼此相邻，颜色彼此相邻，等等。

data_cat <- 
  mydf %>% select(-ID) %>%
  mutate_if(.predicate = is.factor, .funs = as.character) %>%
  mutate(group = factor(group)) %>%
  pivot_longer(cols = which(sapply(., is.character)), names_to = 'key', values_to =  'value')%>%
  count(group, key, value) %>%
  group_by(group, key) %>%
  mutate(percent =  n/ sum(n)) %>%
  mutate(value = factor(value, levels=c("big", "small", "young", "old", "red", "orange", "yellow", "green", "blue"))) %>%

ggplot(data_cat) +
  geom_col(aes(group, percent, fill = key)) +
  facet_grid(~ value)

我仍然面临问题B，抑制了二分分类变量的两个结果之一的绘制。我认为我必须找到一种方法来从每个变量中提取“因子水平”，然后使用该值== 2的子集进行搜索，但尚未找到一种方法来执行此操作。

Answer 1

这是您正在寻找的与问题B有关的解决方案吗？我在数据管理步骤的末尾添加了一个过滤器，删除了两个分离的情况，即等于“年轻”和“小的”的值。现在，该图显示了“大”，“旧”的条形以及5个颜色类别。

mydf %>% select(-ID) %>%
  mutate_if(.predicate = is.factor, .funs = as.character) %>%
  mutate(group = factor(group)) %>%
  pivot_longer(cols = which(sapply(., is.character)), names_to = 'key', values_to =  'value')%>%
  count(group, key, value) %>%
  group_by(group, key) %>%
  mutate(percent =  n/ sum(n)) %>%
  mutate(value = factor(value, levels=c("big", "small", "young", "old", "red", "orange", "yellow", "green", "blue"))) %>%
  filter(value != "young" & value != "small") -> data_cat

ggplot(data_cat) +
  geom_col(aes(group, percent, fill = key)) +
  facet_grid(~ value)