ggplot汇总y轴上分类变量的平均值

Question

我正在尝试复制我在此Kaggle笔记本中找到的Python图：Titanic Data Science Solutions

这是生成绘图的python代码，使用的数据集可以找到here：

grid = sns.FacetGrid(train_df, row='Embarked', size=2.2, aspect=1.6)
grid.map(sns.pointplot, 'Pclass', 'Survived', 'Sex', palette='deep')
grid.add_legend()

这里是resulting plot。

生存列的取值为0和1（生存或不生存），并且y轴显示每个p类的平均值。当寻找一种使用ggplot计算平均值的方法时，我通常会找到stat_summary（）函数。我能做的最好的是：

train_df %>%
  ggplot(aes(x = factor(Pclass), y = Survived, group = Sex, colour = Sex)) +
  stat_summary(fun.y = mean, geom = "line") +
  facet_grid(Embarked ~ .)

输出可以找到here。有一些问题：-好像是空洞的，也许来自《登船》中的NA？-点与线不对齐-这些线与python图中的线不同

我想我也没有完全掌握ggplot的分层概念。我想在geom = "line"函数中将stat_summary()分开，而是将其添加为+ geom_line()。

Answer 1

""中实际上有一个空白级别（即train_df$Embarked）。您可以在绘图之前将其过滤掉。

train_df https://raw.githubusercontent.com/datasciencedojo/datasets/master/titanic.csv'）train_df

ggplot(train_df, aes(x = factor(Pclass), y = Survived, group = Sex, colour = Sex)) +
  stat_summary(fun.data = 'mean_cl_boot') +
  geom_line(stat = 'summary', fun.y = mean) +
  facet_grid(Embarked ~ .)

您可以使用stat_summary通过绘制置信区间来复制python图。尽管您对stat_summary的支持很棒，但我已按照您的要求将其重写为geom_line调用。
[请注意，您的ggplot代码不会绘制任何点，因此我无法回答该部分，但是可能您所绘制的原始值只是许多0和1。