按组获取前 n 个值未按预期工作

Question

考虑以下数据帧的 head(10)：

它是由这个 dplyr 代码生成的：

Fuller_list %>% 
 as.data.frame() %>% 
 select(from_infomap, topic) %>%
 add_count(from_infomap) %>% 
 filter(from_infomap %in% coms_keep) %>% 
 group_by(from_infomap) %>%
 add_count(topic) %>%
 top_n(10, nn) %>%
 head(10)

“from_infomap”栏中有 36 个不同的社区，“topic”栏中有 47 个不同的主题。按“from_infomap”分组每个社区的主题数量，对于前 5 个社区，如下所示：

我想展示每个社区最常见的 10 个主题，按降序排列。我在这里尝试这样做：

 group_by(from_infomap) %>%
 add_count(topic) %>%
 top_n(10, nn) 

但如果我绘制它，它只会返回每个社区的前 1 个主题：

我不确定我做错了什么。根据this 堆栈溢出查询，计数上的加权 top_n(n,wt) 函数应该可以工作，它应该给出按计数加权的前 10 个主题，按社区分组。

如果有人可以提出替代方案或指出我哪里出错了，将不胜感激。对于小屏幕截图，我无法在此处显示整个 data.frame，因为它非常大。

谢谢！

编辑：没有 group_by、add_count 和 top_n 的 dput：

n <- Fuller_list %>% 
 as.data.frame() %>% 
 select(from_infomap, topic) %>%
 add_count(from_infomap) %>% 
 filter(from_infomap %in% coms_keep) %>% 
 group_by(from_infomap)

输入（头（n，10））：

structure(list(from_infomap = c(1L, 1L, 1L, 3L, 3L, 3L, 4L, 4L, 
4L, 4L), topic = c("KnysnaFire_thanks_wofire", "Abramjee_caperelief_operationsa", 
"Pick_n_Pay", "Plett_heavy_rain_snow", "Disasters_help_call", 
"KFM_disasters_discussion", "Pick_n_Pay", "Pick_n_Pay", "Pick_n_Pay", 
"Pick_n_Pay"), n = c(30512L, 30512L, 30512L, 6572L, 6572L, 6572L, 
5030L, 5030L, 5030L, 5030L)), row.names = c(NA, -10L), class = c("grouped_df", 
"tbl_df", "tbl", "data.frame"), vars = "from_infomap", drop = TRUE, indices = list(
    0:2, 3:5, 6:9), group_sizes = c(3L, 3L, 4L), biggest_group_size = 4L, labels = structure(list(
    from_infomap = c(1L, 3L, 4L)), row.names = c(NA, -3L), class = "data.frame", vars = "from_infomap", drop = TRUE))

通过将此代码添加到前一个块应该可以重现问题：

  add_count(topic) %>%
  top_n(10,nn) %>%
  ungroup() %>% 
  ggplot(aes(x = fct_reorder(topic,nn),y = nn,fill = from_infomap))+
  geom_col(width = 1)+
  facet_wrap(~from_infomap, scales = "free")+
  coord_flip()+
  theme(plot.title = element_text("Central Players"), 
        plot.subtitle= element_text("Top 10 indegree centrality profiles of the 20 biggest communities.\n Excluding 'starburst' communities."),
        plot.caption = element_text("Source: Twitter"))+
  theme_few()

Halway-Solution：所以使用@s_t 建议的summary 方法，我们有以下代码：

Fuller_list %>% 
  as.data.frame() %>% 
  add_count(from_infomap) %>%
  filter(from_infomap %in% coms_keep) %>% 
  group_by(from_infomap,topic) %>%   # group by the topic and community
  summarise(nn = n()) %>%            # count the mentioned arguments
  top_n(10, nn) %>%
  ungroup() %>%
  arrange(from_infomap, nn) %>%
  ggplot(aes(x = fct_reorder(topic,nn),y = nn,fill = from_infomap))+
  geom_col(width = 1)+
  facet_wrap(~from_infomap, scales = "free")+
  coord_flip()+
  theme(plot.title = element_text("Central Players"), 
        plot.subtitle= element_text("Top 10 indegree centrality profiles of the 20 biggest communities.\n Excluding 'starburst' communities."),
        plot.caption = element_text("Source: Twitter"))+
  theme_few()

这会产生：

哪个是各个社区中正确的top_n(10)。出于所有实际目的，该图现在显示了正确的数据。唯一剩下的问题是，排列不是按 每个社区 的 desc 顺序对各种主题进行排序，而是按整体排序。小问题，如果主题可以按社区安排，只会改善 aes。

Answer 1

也许这会有所帮助，如果我理解得很好，您想计算每个社区中的主题，选择顶部（X），并在每个方面以递减的方式绘制它们：

library(ggplot2)
library(dplyr)

data3 <-
  data2 %>%
  select(-n) %>%                     # remove useless column
  group_by(from_infomap,topic) %>%   # group by the topic and community
  summarise(nn = n()) %>%            # count the mentioned arguments
  top_n(5, nn)                       # take the top 5 in this case

现在我们处理订单，如here所述：

data4 <- data3 %>% 
         ungroup() %>%  
         arrange(from_infomap, nn) %>%  
         mutate(topic_r = row_number()) 

最后是剧情：

ggplot(data4, aes(topic_r, nn,fill = from_infomap)) + 
geom_col() +
facet_wrap(~ from_infomap, scales = "free") +
scale_x_continuous(  
                   breaks = d$topic_r,  
                   labels = d$topic
                  ) +
coord_flip()

我使用了一些虚假数据，例如：

data2 <- data.frame(from_infomap =floor(runif(200, 1,5)) ,
                    topic = sample(letters[1:20], 200, TRUE),
                    n = floor(runif(200, 10,50)) )

社区中的许多主题都有相同的编号，所以您不会只看到 5 列。