无法访问要在 ggplot2 上使用的 tbl df 对象的数据

Question

我正在研究一组 LDA 模型，以比较它们对主题分配的预测准确性。下面是一些简短的描述。

我应用每个文档的每个主题分配，为每个文档提取具有最高“gamma”（总共 15 个）的主题，然后我使用 Chang 和 Blei 的 (2009) rtm 方法来获得每个文档每个单词的主题预测/token 并选择给定文档中最常见的主题作为该文档的预测主题。最后，我将两个预测与topic 合并在一起作为第一种方法的标题consensus 作为第二种方法，与文档ID 匹配并保留原始文档文本。数据（命名为assignments）可以评估为here（330 x 6，不是很大）。

我尝试使用ggplot2 可视化方法的预测准确性，使用每个文档/每个主题方法作为沿 y 轴绘制的基线，并在 x 轴上评估 rtm 方法，如下所示代码

library(foreign)
library(topicmodels)
library(tm)
library(tidyr)
library(plyr)
library(ggplot2)
library(lda)
library(igraph)
library(scales)

load("~/assignments.Rdata")

assignments %>%
  count(topic, consensus, wt_var = freq) %>%
  group_by(topic) %>%
  mutate(percent = n / sum(n)) %>%
  ggplot(aes(consensus, topic, fill = percent)) +
  geom_tile() +
  scale_fill_gradient2(high = "red", label = percent_format()) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 90, hjust = 1),
        panel.grid = element_blank()) +
  labs(x = "RTM assignments",
       y = "Documents came from",
       fill = "% of assignments")

但是，我在count(topic, consensus,...) 行收到一条错误消息，显示Error in count(., topic, consensus, wt_var = freq) : unused argument (consensus)，但是，如果我从代码行中删除consensus，我得到Error in count(., topic, wt_var = freq) : object 'topic' not found 。 我怀疑这可能是 S4 类问题（也可能不是），所以我尝试了以下方法。在group_by() 变量上使用""，但它不起作用。相反，我收到了这条错误消息Error in sum(n) : invalid 'type' (closure) of argument。

然后我使用tbl_df(assignments) 将assignments 转换为与tibble 兼容的对象。再次，它不起作用，R 仍然无法从 tibble 对象中找到 consensus 和 topic 数据。

我真的很困惑，希望有人看看我的代码并就此给予我启发。

谢谢。

Answer 1

我认为您在函数的前半部分遇到了数据操作问题。我首先按主题和共识对分配进行分组，以便计数可以区分它们（而不是仅仅返回频率总和），然后应用计数（使用引号中的变量），最后改变：

library(dplyr)

assignments_2 <- assignments %>% group_by(topic, consensus) %>%
    count(vars = "topic", wt_var = "freq") %>%
    mutate(percent = n / sum(n))

如果这将数据转换成我认为你想要的格式，那么你应该能够绘制你的图表！