ggplot 总结 y 轴上分类变量的平均值

Question

我正在尝试在 R 中复制我在此 Kaggle 笔记本中找到的 Python 图：Titanic Data Science Solutions

这是生成绘图的Python代码，使用的数据集可以在here找到：

import seaborn as sns
...

grid = sns.FacetGrid(train_df, row='Embarked', size=2.2, aspect=1.6)
grid.map(sns.pointplot, 'Pclass', 'Survived', 'Sex', palette='deep')
grid.add_legend()

这里是resulting plot。

survival 列采用值 0 和 1（生存或不生存），y 轴显示每个 pclass 的平均值。在寻找使用ggplot2 计算平均值的方法时，我通常会找到stat_summary() 函数。我能做的最好的就是：

library(dplyr)
library(ggplot2)
...

train_df %>%
  ggplot(aes(x = factor(Pclass), y = Survived, group = Sex, colour = Sex)) +
  stat_summary(fun.y = mean, geom = "line") +
  facet_grid(Embarked ~ .)

输出可以在here找到。

有一些问题：

• 似乎有一个空缺的方面，可能来自于 Embarked 中的 NA？
• 点与线不对齐
• 线条与 Python 图中的线条不同

我想我也没有完全掌握ggplot的分层概念。我想在stat_summary() 函数中分离geom = "line"，而是将其添加为+ geom_line()。

Answer 1

train_df$Embarked 中实际上有一个空级别（即""）。您可以在绘图之前将其过滤掉。

train_df <- read.csv('https://raw.githubusercontent.com/datasciencedojo/datasets/master/titanic.csv')
train_df <- subset(train_df, Embarked != "")

ggplot(train_df, aes(x = factor(Pclass), y = Survived, group = Sex, colour = Sex)) +
  stat_summary(fun.data = 'mean_cl_boot') +
  geom_line(stat = 'summary', fun.y = mean) +
  facet_grid(Embarked ~ .)

您可以通过使用stat_summary 绘制置信区间来复制python 图。尽管您使用 stat_summary 的台词很棒，但我已按照您的要求将其重写为 geom_line 调用。

请注意，您的 ggplot 代码没有绘制任何点，所以我无法回答那部分，但您可能正在绘制只有许多 0 和 1 的原始值。