根据时间数据创建堆积面积图

Question

我是一名社会科学研究人员，致力于想象人们如何随着时间的推移在社区中扮演不同的角色。

我已将人们每月的行为归类为角色类别，现在我想可视化每个（相对）时间段内每个角色的人数和比例。

现在，数据保存在 CSV 格式中，如下所示：

ID  T1  T2  T3 ...
1   2   2   3
2   1   0   2
3   1   2   1
...

其中 X(ij) 是我在第 j 个月所处的集群 ID。

我想要的是这样的（我在 LibreOffice 中创建的）。

我相信我需要使用 ggplot2，但我一直在努力弄清楚如何以 ggplot 喜欢的格式获取数据。

我想我的第一个任务是总结每个时间段的每个集群？有没有简单的方法可以做到这一点？

我可以用下面的代码做到这一点，但是它很糟糕而且很乱，一定有更好的方法吗？

clus1 <- apply(clusters, 2, function(x) {sum(x=='1', na.rm=TRUE)})
clus2 <- apply(clusters, 2, function(x) {sum(x=='2', na.rm=TRUE)})
clus3 <- apply(clusters, 2, function(x) {sum(x=='3', na.rm=TRUE)})
clus0 <- apply(clusters, 2, function(x) {sum(x=='0', na.rm=TRUE)})
clusters2 <- data.frame(clus0, clus1, clus2, clus3)
c2 <- t(clusters2)
c3 <- as.data.frame(c2)
c3$id = c('Low Activity Cluster', 'Cluster 1', 'Cluster 2', 'Cluster 3')
c3 <- c3[order(c3$'id'),]
print(ggplot(melt(c3, id.vars="id")) +
  geom_area(aes(x=variable, y=value, fill=id, group=id), position="fill"))

这会导致示例数据如下所示：

id                      T1  T2  T3
Low Activity Cluster     0   1   0
Cluster 1                2   0   1
Cluster 2                1   2   1
Cluster 3                0   0   1

这是正确的策略吗？

Answer 1

编辑，试图解决 cmets：

`rownames<-`(
  as.data.frame(lapply(df[-1], function(x) as.numeric(table(x)))), 
  paste("Clust ", 0:3)
)

生产：

         T1 T2 T3 T4 T5 T6 T7 T8 T9 T10
Clust  0  4  3  5  8 11  6  2  4  5   7
Clust  1  5  9  8  6  3  7  7  8  7   4
Clust  2  5  6  2  3  3  3  2  3  4   4
Clust  3  6  2  5  3  3  4  9  5  4   5

这使用table 计算每个时间段内每种集群类型的出现次数 (0:3)。关键代码是lapply(...)。它周围的东西看起来很漂亮。

有数据：

set.seed(1)
labels <- paste("Clust ", 0:3)
df <- as.data.frame(c(list(ID=1:20), setNames(replicate(10, factor(sample(0:3, 20, rep=T)), simplify=F), paste0("T", 1:10))))

---

这是一个ggplot 解决方案。首先，您需要使用 reshape2 包中的 melt 将数据转换为长格式，然后您可以将其聚合（可选择重新转换），然后绘制它：

library(reshape2)
library(ggplot2)
df.mlt <- melt(df, id.vars="ID")
df.agg <- aggregate(. ~ ID + variable, df.mlt, sum)
dcast(df.agg, ID ~ variable)  # just for show, we don't use the result anyplace

#   ID T1 T2 T3 T4 T5 T6 T7 T8 T9 T10
# 1  0 25 18 29 23 16 15 14 22 29  19
# 2  1  7  7 14 18 19 11 21 17 15  22
# 3  2 16 15 16 20 23 20 16 13 15  12
# 4  3 14 13 20 17 25 14 13  7 21  24

ggplot(df.agg) +
  geom_area(aes(x=variable, y=value, fill=ID, group=ID), position="fill") 

需要一点时间来适应ggplot，但是一旦你习惯了它就会很直观。您应该先查看melt(df, id.vars="ID") 的结果，以了解我所说的“长格式”是什么意思。然后，在这种情况下，我们使用geom_area，并在aes 中将x 值指定为“美学”（随数据变化的值）（variable 是由melt 生成的名称，在此如果它包含time 值），y 值（value 也是由melt 创建的），还指定我们区域的填充颜色应该来自ID。请注意，因为我们在这里使用的时间是分类的（T1、T2 等，而不是实际日期），所以除了 fill 之外，我们必须使用 group 以便 ggplot 知道您想要不同的点连接时间。

请注意，您不需要在绘图之前执行聚合步骤。 ggplot 可以在内部处理。以下命令是等效的（注意我们如何使用df.mlt）：

ggplot(df.mlt) +
  stat_summary(aes(x=variable, y=value, fill=ID, group=ID), fun.y=sum, position="fill", geom="area") 

这是我使用的数据：

df <- as.data.frame(c(list(ID=rep(factor(0:3), 3)), setNames(replicate(10, sample(1:10, 12, rep=T), simplify=F), paste0("T", 1:10))))