R语言作图：如何在数据可视化过程中调整因子顺序

作者：Codewar 2020-08-21 14:09:46大数据 数据可视化 今天的语言作因顺内容依然是来自《R for datascience》，目前已经看到了15.4了，图何每次遇到比较有意思的数据我自己不会的操作就会在这儿写下来，所以，可视如果你对我写的化过东西感兴趣的话，建议你去看原版书籍，程中顺便关注我一波。调整嘿嘿。语言作因顺

今天的图何内容依然是来自《R for datascience》，目前已经看到了15.4了，数据每次遇到比较有意思的可视我自己不会的操作就会在这儿写下来，所以，化过如果你对我写的程中东西感兴趣的话，建议你去看原版书籍，调整顺便关注我一波。语言作因顺嘿嘿。

实例操练

这个例子使用的数据集为tidyverse包自带的数据集，大家可以使用?gss_cat查看相关变量，这儿不再赘述。

在数据可视化过程中改变因子顺序是一个经常性的操作，比如我们想看看不同religions的average number of hours spent watching TV per day有什么不同，我们可以用以下代码：

relig_summary <- gss_cat %>% 
  group_by(relig) %>% 
  summarise( 
    age = mean(age, na.rm = TRUE), 
    tvhours = mean(tvhours, na.rm = TRUE), 
    n = n() 
  ) 
 
ggplot(relig_summary, aes(tvhours, relig)) + geom_point() 

运行代码得到输出的点图如下：

上面的这个点图其实很不好看，我们可能会觉得能不能把religions的顺序变一变，让有最小tvhours的religion在y轴的最下面，有最大tvhours的在最上面。

怎么做呢，需要用到fct_reorder()方法，这个方法取2个参数：

• 第一个就是你想改变顺序的因子，本例中：religions
• 第二个，改变顺序的参照物，本例中：tvhours

代码如下：

ggplot(relig_summary, aes(tvhours, fct_reorder(relig, tvhours))) + 
  geom_point() 

 

可以看到，改变了religions的顺序后这个图就更加清晰明白了。

再看一个例子：

rincome_summary <- gss_cat %>% 
  group_by(rincome) %>% 
  summarise( 
    age = mean(age, na.rm = TRUE), 
    tvhours = mean(tvhours, na.rm = TRUE), 
    n = n() 
  ) 
 
ggplot(rincome_summary, aes(age, fct_reorder(rincome, age))) + geom_point() 

上面的代码，可以画出按年龄排序后不同rincome和age的关系：

但是，问题出在按年龄排序后我们的收入(y轴)显得很乱，所以这个方法并不好，考虑到收入本来就是有顺序的，所以好的处理方法为保留收入的原始顺序，于是我们写出了如下代码：

rincome_summary <- gss_cat %>% 
  group_by(rincome) %>% 
  summarise( 
    age = mean(age, na.rm = TRUE), 
    tvhours = mean(tvhours, na.rm = TRUE), 
    n = n() 
  ) 
 
ggplot(rincome_summary, aes(age, rincome)) + geom_point() 

 

这次再看我们的图，虽然其他的收入levels都排的挺好，但是我们不希望“Not applicable”排在第一。这个时候我们可以用fct_relevel()，它也有2个参数：

• 需要排序的因子，本例中：rincome
• 需要放在最前面的levels，本例中：Not applicable

代码如下：

ggplot(rincome_summary, aes(age, fct_relevel(rincome, "Not applicable"))) + 
  geom_point() 

这一下，我们的图形就比较满意了。

再看一个例子：线图的颜色控制：

by_age <- gss_cat %>% 
  filter(!is.na(age)) %>% 
  count(age, marital) %>% 
  group_by(age) %>% 
  mutate(prop = n / sum(n)) 
 
ggplot(by_age, aes(age, prop, colour = marital)) + 
  geom_line(na.rm = TRUE) 
 
ggplot(by_age, aes(age, prop, colour = fct_reorder2(marital, age, prop))) + 
  geom_line() + 
  labs(colour = "marital") 

上面的代码画的是不同的年龄中婚姻状况的比例变化：

 

我们通过fct_reorder2实现了图例和x变量最大时y的值的顺序一致，可以更加明晰。

最后再看一个柱状图调整因子顺序的例子

下面的代码可以，正序逆序改变x轴标签：

gss_cat %>% 
  mutate(marital = marital %>% fct_infreq() ) %>% 
  ggplot(aes(marital)) + 
    geom_bar() 
 
gss_cat %>% 
  mutate(marital = marital %>% fct_infreq() %>% fct_rev()) %>% 
  ggplot(aes(marital)) + 
    geom_bar() 

大家可以在自己电脑上运行试试，关键就在于fct_rev()。

小结

今天通过3个例子给大家介绍了可视化中因子顺序的改变，感谢大家耐心看完。发表这些东西的主要目的就是督促自己，希望大家关注评论指出不足，一起进步。内容我都会写的很细，用到的数据集也会在原文中给出链接，你只要按照文章中的代码自己也可以做出一样的结果，一个目的就是零基础也能懂，因为自己就是什么基础没有从零学Python和R的，加油。

责任编辑：未丽燕 来源： 今日头条 可视化数据集R语言

(责任编辑：知识)