情节上不需要的物品答案

【问题标题】：Unwanted items on a plot情节上不需要的物品
【发布时间】：2011-04-28 20:35:45
【问题描述】：

在 R 中使用 data.frame 的子集时遇到问题。

子集被正确创建和显示，但是当我尝试使用qplot() 绘制它时，subset() 未选择的行也会沿一个轴显示。

我正在阅读的实际文件是一个 Web 服务器日志，但我创建了一个小示例来说明我的问题：

这是我读到的ITEMSSOLD.CSV 文件：

CUST,DT,ITEM,PRICE
BigJoe,10/13/2010,Pickup Truck,20000
TightWad,10/13/2010,USB Drive,12
Jane,10/13/2010,Smart Car,30000
Scrooge,10/13/2010,Gumdrops,1
GeekyMan,10/13/2010,Smart Car,30000

我将其读入数据框如下：

sales_df <- read.table("C:/R_Expt/ItemsSold.csv", header=TRUE, sep=",")

然后我做了一个子集来获取高价物品如下：

big_sales_df <- subset(sales_df, PRICE>100)

big_sales_df

big_sales_df
      CUST         DT         ITEM PRICE
1   BigJoe 10/13/2010 Pickup Truck 20000
3     Jane 10/13/2010    Smart Car 30000
5 GeekyMan 10/13/2010    Smart Car 30000

看起来没问题。

当我尝试通过qplot 绘制它时，如下所示：

qplot(nrow, ITEM, data = ddply(big_sales_df, .(ITEM), "nrow"))

结果图在 Y 轴上显示所有项目，而不仅仅是皮卡车和智能汽车。

ddply() 单独产生以下输出：

ddply(big_sales_df, .(ITEM), "nrow")
          ITEM nrow
1 Pickup Truck    1
2    Smart Car    2

由于该示例的 ITEM 数量很少，因此该图仍然可读，但在现实生活中，我试图绘制慢速网页的名称，不幸的是，qplot() 试图将所有网页的名称放在一起Y 轴，它变成黑色模糊。

我也试过sqldf()：

qplot(NSOLD, ITEM, data = sqldf('select ITEM, count(*) as NSOLD from big_sales_df group by ITEM order by count(*) desc'))

但这会产生相同的情节。

我的理解是subset() 以某种方式在内部携带了完整的父信息，而不仅仅是匹配的行。

有没有办法告诉subset()它应该只保留相关信息？

或者有什么其他的方式来绕过subset() 携带空成员？

我知道蛮力方法可能是将subset() 的结果写入另一个CSV 文件，然后在data.frame 中读回，但我相信有更简单的方法。

非常感谢你们所有的 R 大师！

阿提什

【问题讨论】：

标签： r ggplot2 dataframe

【解决方案1】：

或者你可以通过分解项目来作弊：

qplot(nrow, factor(ITEM), data = ddply(big_sales_df, .(ITEM), "nrow")

【讨论】：

哎呀，我的意思是补充一点，您的答案中有一个轻微的错字 - 它应该是：qplot(nrow, factor(ITEM), data = ddply(big_sales_df, .(ITEM), "nrow "))
我更喜欢这个解决方案，因为它给了我更多的控制权，以防我想按多个维度进行绘图。
@Atish：如果你喜欢这个解决方案，你应该让它成为公认的答案。

【解决方案2】：

当您对数据进行子集化时，原始数据集中存在的因素仍然存在。以钻石数据集为例。您有 5 种不同的切割方式。

unique(diamonds$cut) ## Ideal, Premium, Good, Very Good, Fair

如果我们对钻石进行子集化，我们得到：

str(subset(diamonds, cut == "Ideal")) ## Look at structure

在 str() 中，我们看到 cut 保留了它原来的因子。

$ cut    : Factor w/ 5 levels "Fair","Good",..: 5 5 5 5 5 5 5 5 5 5 ...

即使我们删除了所有其他类别的切割，保理仍然存在。

您可以通过使用其自己独特的子集因子重构列来删除额外的因子。

x$cut <- factor(x$cut, labels=unique(x$cut))

现在更具体地看你的例子：

test <- ddply(big_sales_df, .(ITEM), "nrow")
test$ITEM <- factor(test$ITEM, labels=unique(test$ITEM))

现在，再次尝试你的阴谋。

【讨论】：

我发布了另一个做同样事情的答案，但在情节中原位。在 qplot() 中，将 ITEM 替换为 factor(ITEM)

【解决方案3】：

您需要删除从子集中删除的因子水平。

big_sales_df$ITEM <- factor(big_sales_df$ITEM)
big_sales_df$CUST <- factor(big_sales_df$CUST)

或更改您读取数据的方式：

sales_df <- read.csv("ItemsSold.csv", header=TRUE, stringsAsFactors=FALSE)

【讨论】：