在时间范围内可视化分类数据

Question

对于R来说还很新，已经走了一段时间，所以请耐心等待。我有一组数据描述了3天手术后的活动程度（分类数据）。我一直在寻找一种方法来演示这3天的流量。

我已经尝试过使用geom_jitter，其中x和y是第1天和第2天，而aes(colour)是第3天，但这并不能真正传达我想要显示的内容。我已经阅读了一些有关Sankey Diagram和Parallel Coordinates的文章，但是并没有完全理解其他人提出的样本以适合我的数据。

这是我尝试过的：

test %>% filter(!is.na(Mob_D1.factor) & !is.na(Mob_D2.factor) & !is.na(Mob_D3.factor)) %>%
  ggplot(aes(x = Mob_D1.factor, y = Mob_D2.factor, colour = Mob_D3.factor)) + 
  geom_jitter(size = 5, alpha = 0.25, height = 0.25, width = 0.2) +
  scale_colour_brewer(palette = "Dark2", name = "Mobilisation on Day 3") +
  xlab("Mobilisation on Day 1") +
  ylab("Mobilisation on Day 2") + theme_minimal()

正如我说的，不是我想要的。

这是数据示例：

structure(list(Mob_D1.factor = structure(c(2L, 2L, 2L, 2L, 4L, 
1L, 2L, 2L, 1L, 4L, 2L, 4L, 2L, 1L, 2L, 4L, 4L, 2L, 4L, 4L, 2L, 
4L, 2L, 2L, 4L, 2L, 1L, 4L, 4L, 3L, 4L, 2L, 3L, 2L, 2L, 2L, 2L, 
2L, 4L, 4L, 2L, 4L, 4L, 2L, 2L, 4L, 2L, 4L, 4L, 4L), .Label = c("None", 
"Bed", "Stand", "Assisted Walk"), class = "factor"), Mob_D2.factor = structure(c(2L, 
3L, 2L, 4L, 4L, 1L, 3L, 4L, 4L, 4L, 3L, 4L, 2L, 2L, 2L, 4L, 4L, 
4L, 4L, 4L, 1L, 4L, 2L, 2L, 4L, 2L, 1L, 4L, 4L, 4L, 4L, 2L, 3L, 
2L, 2L, 2L, 4L, 4L, 2L, 4L, 3L, 4L, 4L, 2L, 2L, 4L, 4L, 4L, 4L, 
4L), .Label = c("None", "Bed", "Stand", "Assisted Walk"), class = "factor"), 
    Mob_D3.factor = structure(c(2L, 3L, 2L, 4L, 4L, 1L, 4L, 4L, 
    4L, 4L, 4L, 4L, 4L, 2L, 4L, 4L, 4L, 4L, 4L, 4L, 2L, 4L, 2L, 
    2L, 4L, 4L, 1L, 4L, 4L, 4L, 4L, 2L, 4L, 4L, 2L, 2L, 4L, 4L, 
    3L, 4L, 4L, 4L, 4L, 2L, 4L, 4L, 4L, 4L, 4L, 4L), .Label = c("None", 
    "Bed", "Stand", "Assisted Walk"), class = "factor")), row.names = c(NA, 
-50L), class = c("tbl_df", "tbl", "data.frame"))

谢谢您抽出宝贵的时间回复。我仍在学习中，请多加解释。

拉里

Answer 1

我不完全确定预期结果应该是什么，但是一个小技巧会有所帮助吗？

library(tidyverse)

df %>% pivot_longer(cols = names(df), values_to = "Mobilisation", names_to = "Day") %>% 
  ggplot(aes(x = Day,)) +
  geom_bar(aes(fill = Mobilisation), position = "stack")

至少对我来说，显示这样的数据似乎相对直观。