在 R 中绘制双变量到多个因子的图

首先，我还是一个初学者。我正在尝试用 R 解释和绘制堆栈条形图。我已经查看了许多答案，但有些答案并不特定于我的情况，而另一些答案我根本不明白：

• https://stats.stackexchange.com/questions/31597/graphing-a-probability-curve-for-a-logit-model-with-multiple-predictors
• https://stats.stackexchange.com/questions/47020/plotting-logistic-regression-interaction-categorical-in-r
• 在 R 中绘制多元逻辑回归模型的结果

我有一个数据集dvl它有五列：Variant、Region、Time、Person 和 PrecededByPrep。我想对 Variant 与其他四个预测变量进行多变量比较。每列可以有两个可能值之一：

• 变体：elk or ieder.
• 地区 =VL or NL.
• Time: time or no time
• Person: person or no person
• 之前的准备：1 or 0

这是逻辑回归

从答案中我收集到图书馆ggplot2可能是最好的绘图库。我已经阅读了它的文档，但我一生都不知道如何绘制它：我怎样才能比较Variant与其他三个因素？

我花了一段时间，但我在 Photoshop 中制作了一些与我想要的类似的东西（虚构的值！）。

深灰色/浅灰色：可能的值Varianty 轴：频率 x 轴：每列，细分为可能的值

我知道制作单独的条形图，堆叠和分组，但基本上我不知道如何堆叠、分组条形图。ggplot2可以使用，但如果可以不使用它，我会更喜欢。

我认为这可以被视为一个示例数据集，尽管我不完全确定。我是 R 初学者，我读到了有关创建示例集的内容。

t <- data.frame(Variant = sample(c("iedere","elke"),size = 50, replace = TRUE),
            Region = sample(c("VL","NL"),size = 50, replace = TRUE),
            PrecededByPrep = sample(c("1","0"),size = 50, replace = TRUE),
            Person = sample(c("person","no person"),size = 50, replace = TRUE),
            Time = sample(c("time","no time"),size = 50, replace = TRUE))

我也希望情节美观。我的想法是：

• 绘图颜色（即条形图）：col=c("paleturquoise3", "palegreen3")
• 轴标签的粗体字体font.lab=2 but not对于值标签（例如“regionin bold, butVLandNL` 不以粗体显示）
• #404040作为字体、轴和线条的颜色
• 轴的标签：x：factors, y: frequency

这是一种从“未制表”数据框开始的可能性，melt它，用它绘制geom_bar in ggplot2（对每组进行计数），使用变量按变量分隔图facet_wrap.

创建玩具数据：

set.seed(123)
df <- data.frame(Variant = sample(c("iedere", "elke"), size = 50, replace = TRUE),
           Region = sample(c("VL", "NL"), size = 50, replace = TRUE),
           PrecededByPrep = sample(c("1", "0"), size = 50, replace = TRUE),
           Person = sample(c("person", "no person"), size = 50, replace = TRUE),
           Time = sample(c("time", "no time"), size = 50, replace = TRUE))

重塑数据：

library(reshape2)
df2 <- melt(df, id.vars = "Variant")

Plot:

library(ggplot2)
ggplot(data = df2, aes(factor(value), fill = Variant)) +
  geom_bar() +
  facet_wrap(~variable, nrow = 1, scales = "free_x") +
  scale_fill_grey(start = 0.5) +
  theme_bw()

有很多定制情节的机会，例如设置因子水平的顺序, 旋转轴标签, 将小平面标签包裹在两条线上（例如，对于较长的变量名称“PrecededByPrep”），或改变面之间的间距.

定制化（以下有问题的更新和OP的评论）

# labeller function used in facet_grid to wrap "PrecededByPrep" on two lines
# see http://www.cookbook-r.com/Graphs/Facets_%28ggplot2%29/#modifying-facet-label-text
my_lab <- function(var, value){
  value <- as.character(value)
    if (var == "variable") { 
      ifelse(value == "PrecededByPrep", "Preceded\nByPrep", value)
    }
}

ggplot(data = df2, aes(factor(value), fill = Variant)) +
  geom_bar() +
  facet_grid(~variable, scales = "free_x", labeller = my_lab) + 
  scale_fill_manual(values = c("paleturquoise3", "palegreen3")) + # manual fill colors
  theme_bw() +
  theme(axis.text = element_text(face = "bold"), # axis tick labels bold 
        axis.text.x = element_text(angle = 45, hjust = 1), # rotate x axis labels
        line = element_line(colour = "gray25"), # line colour gray25 = #404040
        strip.text = element_text(face = "bold")) + # facet labels bold  
  xlab("factors") + # set axis labels
  ylab("frequency")

为每个条添加计数（编辑以下来自OP的评论）。

计算 y 坐标的基本原理可以在本次问答。这里我使用dplyr计算每个芭比娃娃的数量label in geom_text）和他们的y坐标，但这当然可以在base R, plyr or data.table.

# calculate counts (i.e. labels for geom_text) and their y positions.
library(dplyr)
df3 <- df2 %>%
  group_by(variable, value, Variant) %>%
  summarise(n = n()) %>%
  mutate(y = cumsum(n) - (0.5 * n))

# plot
ggplot(data = df2, aes(x = factor(value), fill = Variant)) +
  geom_bar() +
  geom_text(data = df3, aes(y = y, label = n)) +
  facet_grid(~variable, scales = "free_x", labeller = my_lab) + 
  scale_fill_manual(values = c("paleturquoise3", "palegreen3")) + # manual fill colors
  theme_bw() +
  theme(axis.text = element_text(face = "bold"), # axis tick labels bold 
        axis.text.x = element_text(angle = 45, hjust = 1), # rotate x axis labels
        line = element_line(colour = "gray25"), # line colour gray25 = #404040
        strip.text = element_text(face = "bold")) + # facet labels bold  
  xlab("factors") + # set axis labels
  ylab("frequency")