条形图的大小和百分比不匹配答案

【问题标题】：The size and percentage of the bar graph does not match条形图的大小和百分比不匹配
【发布时间】：2019-01-23 08:06:42
【问题描述】：

我想根据客户的性别、教育和默认付款状态绘制客户的详细信息。但other 类别的图表显示的尺寸大于其他条形。

#数据链接“https://archive.ics.uci.edu/ml/machine-learning-databases/00350/”

plot_data5 <- customer.data %>% 
  group_by(EDUCATION,SEX) %>% 
  mutate(group_size = n()) %>%
  group_by(EDUCATION,SEX, DEFAULT_PAYMENT) %>%
  summarise(perc = paste(round(n()*100/max(group_size), digits = 2), 
  "%", sep = ""))


ggplot(plot_data5, aes(x = plot_data5$EDUCATION, y = plot_data5$perc, fill = DEFAULT_PAYMENT))+
  geom_bar(stat = "identity") + 
  geom_text(aes(label = plot_data5$perc),vjust=-.3) +
  facet_wrap(DEFAULT_PAYMENT~SEX,scales = "free") +
  theme(plot.subtitle = element_text(vjust = 1), 
        plot.caption = element_text(vjust = 1)) + 
  labs(y = "% of Customer ") + 
  labs(x = "Default_Payment")

实际结果应该只是这些，但具有真实的条形尺寸和连续的 y 轴刻度。

【问题讨论】：

添加dput(your_data) 的输出而不是发布指向您的数据的链接。
这个问题是 ggplot 的一个常见问题...你不应该指定 plot_data5$EDUCATION 和 plot_data5$perc，而只能指定 EDUCATION 和 perc。此外，perc 不是数字列，而是字符列，因此以不同的方式排序，而不是连续提供。
@kath 是的，你是对的。我必须更改百分比的格式并使用 as.numeric 命令更改perc。现在它显示了正确的结果。非常感谢您的快速回复。

标签： r ggplot2

【解决方案1】：

您无需在ggplot 的aes 调用中再次指定您正在使用的数据框。这会妨碍标签的正确分配。此外，由于您希望有一个连续的 y 轴，您需要将 perc 作为一个连续变量。

plot_data <- customer.data.small %>% 
  group_by(EDUCATION, SEX) %>% 
  mutate(group_size = n()) %>%
  group_by(EDUCATION, SEX, DEFAULT_PAYMENT) %>%
  summarise(perc = n()/max(group_size)) # Keep perc continuous

ggplot(plot_data, aes(x = EDUCATION, y = perc, fill = DEFAULT_PAYMENT)) +
  geom_bar(stat = "identity") +
  # Specify the labels with % and rounded in aes directly: 
  geom_text(aes(label = paste0(round(100*perc, 2), "%")), vjust = -.3) +
  facet_wrap(DEFAULT_PAYMENT ~ SEX, scales = "free_y") +
  # Use scales::percent to have percentages on the y-axis. 
  # Expand makes sure you can still read the labels
  scale_y_continuous(labels = scales::percent, expand = c(0.075, 0)) +
  theme(plot.subtitle = element_text(vjust = 1),
        plot.caption = element_text(vjust = 1)) +
  labs(y = "% of Customer ") +
  labs(x = "Default_Payment")

我发现数据的表示非常具有误导性！您将 x 轴标记为“Default_Payment”，尽管它显示 EDUCATION。从图中不清楚为什么每个分组的百分比加起来不等于 100%，这让读者感到困惑。以下是如何改进情节的建议：

plot_data2 <- customer.data.small %>% 
  mutate_at(c("DEFAULT_PAYMENT", "EDUCATION", "SEX"), factor) %>% 
  group_by(EDUCATION, SEX) %>% 
  mutate(group_size = n()) %>%
  group_by(EDUCATION, SEX, DEFAULT_PAYMENT) %>%
  summarise(perc = n()/max(group_size))

ggplot(plot_data2, aes(x = EDUCATION, y = perc, fill = DEFAULT_PAYMENT)) +
  geom_bar(stat = "identity", 
           position = position_dodge2(width = 0.9, preserve = "single")) +
  geom_text(aes(label = paste0(round(100 * perc, 2), "%")),
            vjust = -.3,
            position = position_dodge(0.9)) +
  facet_wrap( ~ SEX, labeller = label_both) +
  scale_y_continuous(labels = scales::percent) +
  theme(plot.subtitle = element_text(vjust = 1),
        plot.caption = element_text(vjust = 1)) +
  labs(y = "% of Customer ") +
  labs(x = "Education")

数据
我使用您以可重现格式提供的数据的一小部分，每个人都可以复制并粘贴到他们自己的 R 会话中，而无需下载数据集。

customer.data.small <- 
  structure(list(ID = 1:100, 
                 EDUCATION = c(2, 2, 2, 2, 2, 1, 1, 2, 3, 3, 3, 1, 2, 2, 1, 3, 1, 1, 1, 1, 3, 2, 2, 1, 1, 3, 1, 3, 3, 1, 1, 2, 1, 2, 1, 1, 2, 2, 1, 1, 1, 1, 2, 2, 1, 1, 1, 5, 2, 1, 3, 3, 2, 1, 1, 1, 3, 2, 1, 2, 3, 2, 1, 2, 2, 1, 2, 1, 3, 5, 1, 2, 2, 1, 1, 2, 3, 1, 2, 2, 3, 1, 3, 2, 3, 2, 1, 2, 1, 3, 1, 1, 1, 2, 2, 2, 1, 1, 3, 2), 
                 SEX = c(2, 2, 2, 2, 1, 1, 1, 2, 2, 1, 2, 2, 2, 1, 1, 2, 1, 1, 2, 2, 2, 2, 2, 2, 1, 1, 1, 2, 2, 1, 2, 1, 1, 2, 1, 1, 1, 2, 1, 1, 1, 2, 1, 2, 2, 1, 2, 2, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 1, 1, 2, 2, 1, 1, 2, 2, 1, 1, 1, 2, 2, 1, 1, 1, 2, 2, 2, 2, 2, 1, 2, 2, 1, 2, 2, 2, 1, 1, 2, 2, 2, 2, 1, 1, 1, 2, 1), 
                 DEFAULT_PAYMENT = c(1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 1, 1, 1, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 1, 0, 1, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1)), 
            row.names = c(NA, -100L), class = c("tbl_df", "tbl", "data.frame"))

这是我创建该数据的方式：

customer.data <- readxl::read_xls("default of credit card clients.xls", skip = 1)

customer.data.small <- customer.data %>% 
  select(ID, EDUCATION, SEX, DEFAULT_PAYMENT = `default payment next month`) %>% 
  slice(1:100)

【讨论】：