如何在 R 中生成按因子编号排序但显示因子名称的条形图/直方图？答案

【问题标题】：How do I produce a barchart/histogram in R that orders by factor number but displays the factor names?如何在 R 中生成按因子编号排序但显示因子名称的条形图/直方图？
【发布时间】：2015-09-20 05:57:27
【问题描述】：

我的蘑菇可食性数据如下所示：

SpeciesName         Edibility   EdibilityRank  
abruptibulbus       Good                    3  
arvensis            Choice                  1  
bisporus            Good                    3  
bitorquis           Choice                  1  
campestris          Choice                  1  
diminutivus         Presumed harmless       4  
fuscofibrillosus    Choice non-standard     2  
haemorrhoidarius    Choice non-standard     2  
micromegethus       Presumed harmless       4  
placomyces          Mildly poisonous        5  
silvaticus          Choice non-standard     2  
silvicola           Good                    3  
subrufescens        Choice                  1

对于每种蘑菇（第一列），都有一个可食性描述符（第二列）和一个数字可食性等级（第三列），等级越低，蘑菇越受欢迎。描述符和排名之间存在一对一的关系。

我想制作一个条形图/直方图，显示每个可食性级别的频率，按等级排序，并在 x 轴上用描述符标记。换句话说，虽然可食性描述符看起来像一个名义/分类变量，但它实际上是一个名义变量，名义关系由 Ranking 变量给出。

我可以按照描述符名称的字母顺序制作一个，如下所示：

edtable <- table(SourceFile$Edibility)
par(mai=c(3,1,1,1))
barplot(edtable, las=2)

或像这样按频率：

edtable <- table(SourceFile$Edibility)
par(mai=c(3,1,1,1))
barplot(edtable [order(edtable, decreasing = T)], las=2)

但我找不到按数字排名排序相同事物的方法。

【问题讨论】：

标签： r histogram bar-chart labels

【解决方案1】：

library(data.table)
library(ggplot2)

mytable = df[, .N, keyby = .(EdibilityRank, Edibility)]
ggplot(mytable, aes(Edibility, N )) + geom_histogram(stat = "identity")

【讨论】：

谢谢，亨克！这更多是我最初想要的。我必须看看每种方法如何处理更大的数据集。
所以实际上，mytable = df[, .N, keyby = .(EdibilityRank, Edibility)] 行给了我错误unused argument (keyby = .(EdibilityRank, Edibility)) 我已经安装了 data.frame 1.9.6，所以我希望版本不是问题。我将它与我的原始数据集一起使用，因为彼得的“蘑菇”数据框没有 EdibilityRank 列。

【解决方案2】：

您的源数据中有冗余信息，这是一个坏主意，因为它可能导致数据输入问题（例如，如果 Edibility 和 EdibilityRank 相互矛盾）。有几种更好的方法，但一种就是使用 R 的 factor() 类。 ggplot2 遵循将“levels =”创建为因子时定义的顺序。数据不完整见下文。

library(ggplot2)

mushrooms <- data.frame(SpeciesName = c("abruptibulbus", "arvensios", "boisbisporus", "bitorquis", "campestris", "diminutivus", "fuscofibrillosus", "placomyces"),
                  Edibility = factor(c("Good", "Choice", "Good", "Choice", "Choice", "Presumed harmless", "Choice non-standard", "Mildly poisonous"), 
                                 levels = c("Choice", "Choice non-standard", "Good", "Presumed harmless", "Mildly poisonous")))

ggplot(mushrooms, aes(x = Edibility)) + geom_histogram()

如果您从文本文件或其他文件中读取数据（您没有指定），read.csv 会自动将 Edibility 转换为一个因素，除非您指定了 stringsAsFactors = FALSE；但它将默认为按字母顺序排列的因子水平。在这种情况下，您需要指定它们，例如通过

mushrooms$Edibility <- factor(mushrooms$Edibility, levels = c(my ordered vector here))

【讨论】：

谢谢，彼得！可食用等级来自关系表，因此不存在不匹配的危险。作为关系键，很难放开它们！ :-) 但你是对的——这更像是 R 的做法：使用 R 的（某种）迷你关系键（因子）
听起来像是从数据库中获取的，因此您可以确定它会起作用。根据您的数据的复杂程度，您可能希望对我上面设置的方法采取不同的方法，例如以编程方式计算因子级别的顺序，而不是键入它们。但如果它只有六个左右，可能很容易以我的方式去做（只要注意那些意味着你输入错误的 NA）。
另外，不仅因素是 R 处理事实表到维度表连接的方式（在我看来很尴尬），它们也是 ggplot2 似乎工作的方式。在指定事物在 ggplots 中出现的顺序时，绝对最好有因素，并仔细控制水平。