今天的内容依然是来自《R for datascience》，目前已经看到了15.4了，每次遇到比较有意思的我自己不会的操作就会在这儿写下来，所以，如果你对我写的东西感兴趣的话，建议你去看原版书籍，顺便关注我一波。嘿嘿。

实例操练

这个例子使用的数据集为tidyverse包自带的数据集，大家可以使用?gss_cat查看相关变量，这儿不再赘述。

在数据可视化过程中改变因子顺序是一个经常性的操作，比如我们想看看不同religions的average number of hours spent watching TV per day有什么不同，我们可以用以下代码：

relig_summary <- gss_cat %>%
  group_by(relig) %>%
  summarise(
    age = mean(age, na.rm = TRUE),
    tvhours = mean(tvhours, na.rm = TRUE),
    n = n()
  )

ggplot(relig_summary, aes(tvhours, relig)) + geom_point()

运行代码得到输出的点图如下：

上面的这个点图其实很不好看，我们可能会觉得能不能把religions的顺序变一变，让有最小tvhours的religion在y轴的最下面，有最大tvhours的在最上面。

怎么做呢，需要用到fct_reorder()方法，这个方法取2个参数：

• 第一个就是你想改变顺序的因子，本例中：religions
• 第二个，改变顺序的参照物，本例中：tvhours

代码如下：

ggplot(relig_summary, aes(tvhours, fct_reorder(relig, tvhours))) +
  geom_point()

可以看到，改变了religions的顺序后这个图就更加清晰明白了。

再看一个例子：

rincome_summary <- gss_cat %>%
  group_by(rincome) %>%
  summarise(
    age = mean(age, na.rm = TRUE),
    tvhours = mean(tvhours, na.rm = TRUE),
    n = n()
  )

ggplot(rincome_summary, aes(age, fct_reorder(rincome, age))) + geom_point()

上面的代码，可以画出按年龄排序后不同rincome和age的关系：

但是，问题出在按年龄排序后我们的收入（y轴）显得很乱，所以这个方法并不好，考虑到收入本来就是有顺序的，所以好的处理方法为保留收入的原始顺序，于是我们写出了如下代码：

rincome_summary <- gss_cat %>%
  group_by(rincome) %>%
  summarise(
    age = mean(age, na.rm = TRUE),
    tvhours = mean(tvhours, na.rm = TRUE),
    n = n()
  )

ggplot(rincome_summary, aes(age, rincome)) + geom_point()

这次再看我们的图，虽然其他的收入levels都排的挺好，但是我们不希望“Not applicable”排在第一。这个时候我们可以用fct_relevel()，它也有2个参数：

• 需要排序的因子，本例中：rincome
• 需要放在最前面的levels，本例中：Not applicable

代码如下：

ggplot(rincome_summary, aes(age, fct_relevel(rincome, "Not applicable"))) +
  geom_point()

这一下，我们的图形就比较满意了。

再看一个例子：线图的颜色控制：

by_age <- gss_cat %>%
  filter(!is.na(age)) %>%
  count(age, marital) %>%
  group_by(age) %>%
  mutate(prop = n / sum(n))

ggplot(by_age, aes(age, prop, colour = marital)) +
  geom_line(na.rm = TRUE)

ggplot(by_age, aes(age, prop, colour = fct_reorder2(marital, age, prop))) +
  geom_line() +
  labs(colour = "marital")

上面的代码画的是不同的年龄中婚姻状况的比例变化：

我们通过fct_reorder2实现了图例和x变量最大时y的值的顺序一致，可以更加明晰。

最后再看一个柱状图调整因子顺序的例子

下面的代码可以，正序逆序改变x轴标签：

gss_cat %>%
  mutate(marital = marital %>% fct_infreq() ) %>%
  ggplot(aes(marital)) +
    geom_bar()

gss_cat %>%
  mutate(marital = marital %>% fct_infreq() %>% fct_rev()) %>%
  ggplot(aes(marital)) +
    geom_bar()

大家可以在自己电脑上运行试试，关键就在于fct_rev()。

小结

今天通过3个例子给大家介绍了可视化中因子顺序的改变，感谢大家耐心看完。发表这些东西的主要目的就是督促自己，希望大家关注评论指出不足，一起进步。内容我都会写的很细，用到的数据集也会在原文中给出链接，你只要按照文章中的代码自己也可以做出一样的结果，一个目的就是零基础也能懂，因为自己就是什么基础没有从零学Python和R的，加油。

（站外链接发不了，请关注后私信回复“数据链接”获取本头条号所有使用数据）

往期内容：

R语言作图：ggplot2 分面（facet）相关设置

R数据分析：dplyr包学习笔记（吐血整理宇宙无敌详细版）

R数据分析：如何用R做验证性因子分析及画图，实例操练