使用 sum 而不是 count 绘制分箱数据

Question

我试图寻找答案，但似乎找不到合适的答案。

我有一个数据集 (data)，其中包含两个变量：人们的年龄 (age) 和奖项数量 (awards)

我的目标是在 R.FYI 中绘制奖项数量与年龄的关系，一个人可以有多个奖项，而且人们可以有相同的年龄。

我尝试绘制直方图和条形图，但这样做的问题是它计算观察次数而不是对奖励次数求和。

样本数据集：

age <- c(21,22,22,25,30,34,45,26,37,46,49,21)
awards <- c(0,3,2,1,0,0,1,3,1,1,1,1)
data <- data.frame(cbind(age,awards))

我正在寻找的是代表此数据的直方图（或条形图）。

理想情况下，我希望将年龄分成年龄组。例如， 20-30、31-40、41-50，然后是每组的获奖总数。

x 轴为年龄组，y 轴为每个年龄组的奖励总数。

谢谢！

Answer 1

我们可以使用aggregate 函数，然后使用ggplot2 包。这些天我没有在基础R 中制作太多条形图，所以我不确定不加载ggplot2 的最佳方法：

创建示例数据

#data
set.seed(123)
dat <- data.frame(age = sample(20:50, 200, replace = TRUE),
                  awards = rpois(200, 3))
head(dat)
  age awards
1  28      2
2  44      6
3  32      3
4  47      3
5  49      2
6  21      5

按年龄

#aggregate

sum_by_age <- aggregate(awards ~ age, data = dat, FUN = sum)

library(ggplot2)

ggplot(sum_by_age, aes(x = age, y = awards))+
    geom_bar(stat = 'identity')

按年龄组

#create groups

dat$age_group <- ifelse(dat$age <= 30, '20-30',
                        ifelse(dat$age <= 40, '30-40',
                               '41 +'))

sum_by_age_group <- aggregate(awards ~ age_group, data = dat, FUN = sum)

ggplot(sum_by_age_group, aes(x = age_group, y = awards))+
    geom_bar(stat = 'identity')

注意

我们可以完全跳过aggregate 步骤，直接使用：

ggplot(dat, aes(x = age, y = awards)) + geom_bar(stat = 'identity')

但我不喜欢这种方式，因为我认为在您的分析管道中使用中间数据步骤可能对比较有用，而不是进行可视化。

Answer 2

为了完整起见，我将基础R 解决方案添加到@bouncyball 的最佳答案中。我将使用他们的合成数据，但我将使用cut 在聚合之前创建年龄组。

# Creates data for plotting
> set.seed(123)
> dat <- data.frame(age = sample(20:50, 200, replace = TRUE),
                    awards = rpois(200, 3))

# Created a new column containing the age groups
> dat[["ageGroups"]] <- cut(dat[["age"]], c(-Inf, 20, 30, 40, Inf),
                            right = FALSE)

cut 将根据第二个参数中定义的中断划分一组数字数据。 right = FALSE 翻转中断，因此这些组的值将包括较低的值而不是较高的值（即20 <= x < 30 而不是20 < x <= 30 的默认值）。这些组不必等间距。如果您不想包含高于或低于某个值的数据，只需分别从末尾删除Inf 或从开头删除-Inf，函数将返回<NA>。如果您想为您的组命名，可以使用 labels 参数。

现在我们可以根据我们创建的组aggregate。

> (summedGroups <- aggregate(awards ~ ageGroups, dat, FUN = sum))
  ageGroups awards
1   [20,30)    188
2   [30,40)    212
3 [40, Inf)    194

最后，我们可以使用barplot 函数绘制这些数据。这里的关键是针对年龄组使用names。

> barplot(summedGroups[["awards"]], names = summedGroups[["ageGroups"]])