Показывать% вместо количества в диаграммах категориальных переменных

Question

Я строю категориальную переменную и вместо того, чтобы показывать счетчики для каждого значения категории.

Я ищу способ получить ggplot отображать процент значений в этой категории. Конечно, можно создать другую переменную с вычисленным процентом и построить ее, но я должен сделать это несколько десятков раз, и я надеюсь добиться этого одной командой.

Я экспериментировал с чем-то вроде

qplot(mydataf) +
  stat_bin(aes(n = nrow(mydataf), y = ..count../n)) +
  scale_y_continuous(formatter = "percent")

но я должен использовать его неправильно, так как я получил ошибки.

Чтобы легко воспроизвести настройку, вот упрощенный пример:

mydata <- c ("aa", "bb", NULL, "bb", "cc", "aa", "aa", "aa", "ee", NULL, "cc");
mydataf <- factor(mydata);
qplot (mydataf); #this shows the count, I'm looking to see % displayed.

В реальном случае, я, вероятно, буду использовать ggplot вместо qplot, но правильный способ использовать stat_bin все еще ускользает от меня.

Я также попробовал эти четыре подхода:

ggplot(mydataf, aes(y = (..count..)/sum(..count..))) + 
  scale_y_continuous(formatter = 'percent');

ggplot(mydataf, aes(y = (..count..)/sum(..count..))) + 
  scale_y_continuous(formatter = 'percent') + geom_bar();

ggplot(mydataf, aes(x = levels(mydataf), y = (..count..)/sum(..count..))) + 
  scale_y_continuous(formatter = 'percent');

ggplot(mydataf, aes(x = levels(mydataf), y = (..count..)/sum(..count..))) + 
  scale_y_continuous(formatter = 'percent') + geom_bar();

но все 4 дают:

Error: ggplot2 doesn't know how to deal with data of class factor

Та же ошибка появляется для простого случая

ggplot (data=mydataf, aes(levels(mydataf))) +
  geom_bar()

так что это явно что-то о том, как ggplot взаимодействует с одним вектором. Я чешу голову, гуглюсь из-за этой ошибки, даю единственный результат.

Answer 1

После того, как на этот вопрос был дан ответ, в ggplot синтаксис. Подводя итоги обсуждения в комментариях выше:

 require(ggplot2)
 require(scales)

 p <- ggplot(mydataf, aes(x = foo)) +  
        geom_bar(aes(y = (..count..)/sum(..count..))) + 
        ## version 3.0.0
        scale_y_continuous(labels=percent)

Вот воспроизводимый пример с использованием mtcars:

 ggplot(mtcars, aes(x = factor(hp))) +  
        geom_bar(aes(y = (..count..)/sum(..count..))) + 
        scale_y_continuous(labels = percent) ## version 3.0.0

Этот вопрос в настоящее время является хитом № 1 в Google по показателю "ggplot count vs процент гистограммы", так что, надеюсь, это поможет найти всю информацию, размещенную в комментариях к принятому ответу.

Примечание: если hp не устанавливается как фактор, ggplot возвращает:

Answer 2

Этот модифицированный код должен работать

p = ggplot(mydataf, aes(x = foo)) + 
    geom_bar(aes(y = (..count..)/sum(..count..))) + 
    scale_y_continuous(formatter = 'percent')

если у ваших данных есть NA, и вы не хотите, чтобы они были включены в график, передайте g.gplot аргумент na.omit(mydataf) в качестве аргумента.

надеюсь это поможет.

Answer 3

С ggplot2 версии 2.1.0 это

+ scale_y_continuous(labels = scales::percent)

Answer 4

По состоянию на март 2017 года, с ggplot2 2.2.1 Я думаю, что лучшее решение объясняется в книге Хэдли Уикхэма для книги по науке о данных:

ggplot(mydataf) + stat_count(mapping = aes(x=foo, y=..prop.., group=1))

stat_count вычисляет две переменные: count используется по умолчанию, но вы можете использовать prop который показывает пропорции.

Answer 5

Если вы хотите, чтобы проценты по оси Y были помечены на столбцах:

library(ggplot2)
library(scales)
ggplot(mtcars, aes(x = as.factor(am))) +
  geom_bar(aes(y = (..count..)/sum(..count..))) +
  geom_text(aes(y = ((..count..)/sum(..count..)), label = scales::percent((..count..)/sum(..count..))), stat = "count", vjust = -0.25) +
  scale_y_continuous(labels = percent) +
  labs(title = "Manual vs. Automatic Frequency", y = "Percent", x = "Automatic Transmission")

При добавлении меток столбцов вы можете пропустить ось Y для более чистого графика, добавив в конец:

  theme(
        axis.text.y=element_blank(), axis.ticks=element_blank(),
        axis.title.y=element_blank()
  )

Answer 6

Начиная с версии 3.3 ggplot2 , у нас есть доступ к удобному after_stat() функция.

Мы можем сделать что-то похожее на ответ @ Andrew, но без использования .. синтаксис:

      # original example data
mydata <- c("aa", "bb", NULL, "bb", "cc", "aa", "aa", "aa", "ee", NULL, "cc")

# display percentages
library(ggplot2)
ggplot(mapping = aes(x = mydata,
                     y = after_stat(count/sum(count)))) +
  geom_bar() +
  scale_y_continuous(labels = scales::percent)

Вы можете найти все "вычисляемые переменные", доступные для использования, в документации к geom_ и stat_функции. Например, для geom_bar(), вы можете получить доступ к count и propпеременные. (См. Документацию по вычисляемым переменным .)

Один комментарий о вашем NULLзначения: они игнорируются при создании вектора (т. е. вы получаете вектор длиной 9, а не 11). Если вы действительно хотите отслеживать недостающие данные, вам придется использовать NA вместо этого (ggplot2 поместит NA в правый конец графика):

      # use NA instead of NULL
mydata <- c("aa", "bb", NA, "bb", "cc", "aa", "aa", "aa", "ee", NA, "cc")
length(mydata)
#> [1] 11

# display percentages
library(ggplot2)
ggplot(mapping = aes(x = mydata,
                     y = after_stat(count/sum(count)))) +
  geom_bar() +
  scale_y_continuous(labels = scales::percent)

^{Создано 2021-02-09 пакетом REPEX (v1.0.0)}

(Обратите внимание, что использование chr или же fct данные не будут иметь значения для вашего примера.)

Answer 7

Обратите внимание, что если ваша переменная является непрерывной, вам придется использовать geom_histogram(), так как функция сгруппирует переменную по "bin".

df <- data.frame(V1 = rnorm(100))

ggplot(df, aes(x = V1)) +  
  geom_histogram(aes(y = (..count..)/sum(..count..))) 

# if you use geom_bar(), with factor(V1), each value of V1 will be treated as a
# different category. In this case this does not make sense, as the variable is 
# really continuous. With the hp variable of the mtcars (see previous answer), it 
# worked well since hp was not really continuous (check unique(mtcars$hp)), and one 
# can want to see each value of this variable, and not to group it in bins.
ggplot(df, aes(x = factor(V1))) +  
  geom_bar(aes(y = (..count..)/sum(..count..))) 

Answer 8

Вот обходной путь для граненых данных. (Принятый ответ @Andrew в этом случае не работает.) Идея состоит в том, чтобы рассчитать процентное значение с помощью dplyr, а затем использовать geom_col для создания графика.

library(ggplot2)
library(scales)
library(magrittr)
library(dplyr)

binwidth <- 30

mtcars.stats <- mtcars %>%
  group_by(cyl) %>%
  mutate(bin = cut(hp, breaks=seq(0,400, binwidth), 
               labels= seq(0+binwidth,400, binwidth)-(binwidth/2)),
         n = n()) %>%
  group_by(cyl, bin) %>%
  summarise(p = n()/n[1]) %>%
  ungroup() %>%
  mutate(bin = as.numeric(as.character(bin)))

ggplot(mtcars.stats, aes(x = bin, y= p)) +  
  geom_col() + 
  scale_y_continuous(labels = percent) +
  facet_grid(cyl~.)

Это сюжет:

Answer 9

Если вам нужны процентные метки, но фактические значения N на оси y, попробуйте следующее:

    library(scales)
perbar=function(xx){
      q=ggplot(data=data.frame(xx),aes(x=xx))+
      geom_bar(aes(y = (..count..)),fill="orange")
       q=q+    geom_text(aes(y = (..count..),label = scales::percent((..count..)/sum(..count..))), stat="bin",colour="darkgreen") 
      q
    }
    perbar(mtcars$disp)

Answer 10

Для тех, кто придет к этому после 2018 года, замените "метки = процент_формат ()" на "масштаб:: проценты"