带有数字和分类变量的箱线图答案

【问题标题】：Box plot with numeric and categorical variables带有数字和分类变量的箱线图
【发布时间】：2020-07-22 11:45:04
【问题描述】：

我想创建一个箱线图，以可视化具有相同比例的多个数值变量相对于一个分类变量的分布，以便查看针对某个特定因子水平的不同度量之间的行为。

例如，我想查看 3 位客户订购的货物数量（以千美元计）与产品类型的差异有多大。以这个示例数据为例：

prueba <- data.frame("client1" = truncnorm::rtruncnorm(n = 60, a = 1, b = 9.8, mean = 6.5, sd = 1),
                     "client2" = truncnorm::rtruncnorm(n = 60, a = 1, b = 9.8, mean = 6.9, sd = 2),
                     "client3" = truncnorm::rtruncnorm(n = 60, a = 1, b = 9.8, mean = 5, sd = 3),
                     "type" = as.factor(sample(LETTERS[1:3], 60, replace = T, prob = c(0.4,0.35,0.25))),
                     "cat" = as.factor(sample(LETTERS[20:22], 60, replace = T, prob = c(0.5, 0.1,0.4))))
prueba[,1:3] <- round(prueba[,1:3], 1)
head(prueba)
#  client1 client2 client3 type cat
#1     6.3     7.2     7.0    B   T
#2     7.2     6.5     3.5    C   T
#3     8.0     6.4     8.0    A   V
#4     8.0     7.4     7.0    A   V
#5     7.5     7.6     2.5    B   V
#6     7.0     9.0     3.7    A   V

使用 ggplot 我可以做到这一点：

library(tidyverse)
library(patchwork)

uno <- prueba %>% ggplot(aes(x = type, 
                      y = client1)) +
        geom_boxplot()+scale_y_continuous(limits = c(0,10))

dos <- prueba %>% ggplot(aes(x = type, 
                             y = client2)) +
        geom_boxplot()

tres <- prueba %>% ggplot(aes(x = type, 
                              y = client3)) +
        geom_boxplot()

uno+dos+tres+plot_layout(byrow = F)

我明白了：分布差异：

但是，我想要这样的东西：像这样的：

但不是 x 轴填充其他类别，我希望它填充每个客户端的分布。

这可能吗？
如何在 R 中做到这一点？
还有其他可视化方法可以做到这一点吗？

【问题讨论】：

“但不是 x 轴被其他类别填充，我希望它被填充每个客户端的分布。”你是什么意思？

标签： r statistics data-visualization data-science data-analysis

【解决方案1】：

您是否正在寻找这样的东西？

prueba2 <- prueba %>% 
  pivot_longer(cols = starts_with("client"), names_to = "client")

  ggplot(data = prueba2, aes(x = type, 
                             y = value, 
                             fill = client)) +
  geom_boxplot()

如果是这样，首先将所有 client# 列放入一个“client”列，并将相应的值放入另一个带有 pivot_longer 的“value”列（来自 tidyr 包，已经在 tidyverse 中）。然后让 ggplot 完成剩下的工作 - 我们只需要告诉它：x 轴是“类型”，y 轴是“值”，“客户端”是填充颜色。

【讨论】：

我正在处理的数据集在变量名称中没有赞助人，有必要吗？无论如何，我必须阅读文档以获得完整的理解
哦，那是我引用 3 列的懒惰方式：“client1”、“client2”和“client3”。使用 # 表示数字。

【解决方案2】：

我不确定我是否理解正确，但如果您想要每个级别的客户端而不是每个级别的 cat，那么您必须将所有内容转换为长格式：

prueba <- data.frame("client1" = truncnorm::rtruncnorm(n = 60, a = 1, b = 9.8, mean = 6.5, sd = 1),
                     "client2" = truncnorm::rtruncnorm(n = 60, a = 1, b = 9.8, mean = 6.9, sd = 2),
                     "client3" = truncnorm::rtruncnorm(n = 60, a = 1, b = 9.8, mean = 5, sd = 3),
                     "type" = as.factor(sample(LETTERS[1:3], 60, replace = T, prob = c(0.4,0.35,0.25))),
                     "cat" = as.factor(sample(LETTERS[20:22], 60, replace = T, prob = c(0.5, 0.1,0.4))))
prueba[,1:3] <- round(prueba[,1:3], 1)

library(reshape2)

prueba_long <- melt(prueba,  id.vars = c('type', 'cat'))

ggplot(prueba_long, aes(x = type, y = value, colour = variable)) +
  geom_boxplot()

【讨论】：