在分类变量图表中显示百分比而不是计数

Question

我正在绘制一个分类变量，而不是显示每个类别值的计数。

我正在寻找一种方法让 ggplot 来显示该类别中值的百分比。当然，可以使用计算出的百分比创建另一个变量并绘制该变量，但我必须执行数十次，并且我希望通过一个命令来实现这一目标。

我正在尝试类似的东西

qplot(mydataf) +
  stat_bin(aes(n = nrow(mydataf), y = ..count../n)) +
  scale_y_continuous(formatter = "percent")

，但我一定使用不正确，因为我遇到了错误。

为了轻松地重现设置，这里有一个简化的示例：

mydata <- c ("aa", "bb", NULL, "bb", "cc", "aa", "aa", "aa", "ee", NULL, "cc");
mydataf <- factor(mydata);
qplot (mydataf); #this shows the count, I'm looking to see % displayed.

在实际情况中，我可能会使用 ggplot 而不是 qplot，但使用 stat_bin 仍然让我困惑。

我也尝试过这四种方法：

ggplot(mydataf, aes(y = (..count..)/sum(..count..))) + 
  scale_y_continuous(formatter = 'percent');

ggplot(mydataf, aes(y = (..count..)/sum(..count..))) + 
  scale_y_continuous(formatter = 'percent') + geom_bar();

ggplot(mydataf, aes(x = levels(mydataf), y = (..count..)/sum(..count..))) + 
  scale_y_continuous(formatter = 'percent');

ggplot(mydataf, aes(x = levels(mydataf), y = (..count..)/sum(..count..))) + 
  scale_y_continuous(formatter = 'percent') + geom_bar();

但所有 4 种方法都给出了：

错误：ggplot2不知道如何处理类因子的数据

对于以下简单情况也会出现相同的错误，

ggplot (data=mydataf, aes(levels(mydataf))) +
  geom_bar()

因此很明显，这与 ggplot 如何与单个向量交互有关。我摸不着头脑，谷歌搜索该错误给出了一个结果 。

Answer 1

自从这个问题得到解答以来，ggplot 语法发生了一些有意义的变化。总结上面评论中的讨论：

 require(ggplot2)
 require(scales)

 p <- ggplot(mydataf, aes(x = foo)) +  
        geom_bar(aes(y = (..count..)/sum(..count..))) + 
        ## version 3.0.0
        scale_y_continuous(labels=percent)

这是一个使用 mtcars 的可重现示例：

 ggplot(mtcars, aes(x = factor(hp))) +  
        geom_bar(aes(y = (..count..)/sum(..count..))) + 
        scale_y_continuous(labels = percent) ## version 3.0.0

这个问题目前是 Google 上“ggplot 计数与百分比直方图”的排名第一的问题，所以希望这有助于提取当前包含在已接受答案的评论中的所有信息。

备注：如果 hp 未设置为因子，ggplot 将返回：

Answer 2

此修改后的代码应该可以工作

p = ggplot(mydataf, aes(x = foo)) + 
    geom_bar(aes(y = (..count..)/sum(..count..))) + 
    scale_y_continuous(formatter = 'percent')

如果您的数据具有 NA 并且您不希望将它们包含在图中，则将 na.omit(mydataf) 作为参数传递给 ggplot，

。希望这有帮助。

Answer 3

对于 ggplot2 版本 2.1.0 来说是

+ scale_y_continuous(labels = scales::percent)

Answer 4

截至 2017 年 3 月，对于 ggplot2 2.2.1，我认为最好的解决方案在 Hadley Wickham 的 R for data science 书中进行了解释：

ggplot(mydataf) + stat_count(mapping = aes(x=foo, y=..prop.., group=1))

stat_count 计算两个变量：count<默认情况下使用 /code>，但您可以选择使用显示比例的 prop。

Answer 5

如果您希望在条形图上标记 y 轴上的百分比和：

library(ggplot2)
library(scales)
ggplot(mtcars, aes(x = as.factor(am))) +
  geom_bar(aes(y = (..count..)/sum(..count..))) +
  geom_text(aes(y = ((..count..)/sum(..count..)), label = scales::percent((..count..)/sum(..count..))), stat = "count", vjust = -0.25) +
  scale_y_continuous(labels = percent) +
  labs(title = "Manual vs. Automatic Frequency", y = "Percent", x = "Automatic Transmission")

添加条形标签时，您可能希望省略 y 轴以获得更清晰的图表，方法是添加到末尾：

  theme(
        axis.text.y=element_blank(), axis.ticks=element_blank(),
        axis.title.y=element_blank()
  )

Answer 6

自 版本 3.3 ggplot2，我们可以使用方便的 after_stat() 函数。

我们可以做一些类似于@Andrew的答案，但不使用 .. 语法：

# original example data
mydata <- c("aa", "bb", NULL, "bb", "cc", "aa", "aa", "aa", "ee", NULL, "cc")

# display percentages
library(ggplot2)
ggplot(mapping = aes(x = mydata,
                     y = after_stat(count/sum(count)))) +
  geom_bar() +
  scale_y_continuous(labels = scales::percent)

You可以在geom_和stat_函数的文档中找到所有可用的“计算变量”。例如，对于 geom_bar()，您可以访问 count 和 prop 变量。 （请参阅计算变量文档 .)

关于 NULL 值的一条评论：当您创建向量时，它们将被忽略（即，您最终得到长度为 9 的向量，而不是 11）。 NA （ggplot2 会将 NA 放在绘图的右端）：

# use NA instead of NULL
mydata <- c("aa", "bb", NA, "bb", "cc", "aa", "aa", "aa", "ee", NA, "cc")
length(mydata)
#> [1] 11

# display percentages
library(ggplot2)
ggplot(mapping = aes(x = mydata,
                     y = after_stat(count/sum(count)))) +
  geom_bar() +
  scale_y_continuous(labels = scales::percent)

如果您确实想跟踪丢失的数据，则必须使用sstatic.net/sQ3Lv.png" alt="">

^{由 reprex 包于 2021 年 2 月 9 日创建 (v1.0.0)}

（请注意，使用 chr 或 fct 数据不会对您的示例产生影响。）

Answer 7

请注意，如果您的变量是连续的，则必须使用 geom_histogram()，因为该函数将按“bins”对变量进行分组。

df <- data.frame(V1 = rnorm(100))

ggplot(df, aes(x = V1)) +  
  geom_histogram(aes(y = 100*(..count..)/sum(..count..))) 

# if you use geom_bar(), with factor(V1), each value of V1 will be treated as a
# different category. In this case this does not make sense, as the variable is 
# really continuous. With the hp variable of the mtcars (see previous answer), it 
# worked well since hp was not really continuous (check unique(mtcars$hp)), and one 
# can want to see each value of this variable, and not to group it in bins.
ggplot(df, aes(x = factor(V1))) +  
  geom_bar(aes(y = (..count..)/sum(..count..))) 

Answer 8

这是多面数据的解决方法。 （@Andrew 接受的答案在这种情况下不起作用。）这个想法是使用 dplyr 计算百分比值，然后使用 geom_col 创建绘图。

library(ggplot2)
library(scales)
library(magrittr)
library(dplyr)

binwidth <- 30

mtcars.stats <- mtcars %>%
  group_by(cyl) %>%
  mutate(bin = cut(hp, breaks=seq(0,400, binwidth), 
               labels= seq(0+binwidth,400, binwidth)-(binwidth/2)),
         n = n()) %>%
  group_by(cyl, bin) %>%
  summarise(p = n()/n[1]) %>%
  ungroup() %>%
  mutate(bin = as.numeric(as.character(bin)))

ggplot(mtcars.stats, aes(x = bin, y= p)) +  
  geom_col() + 
  scale_y_continuous(labels = percent) +
  facet_grid(cyl~.)

这是情节：

Answer 9

如果您想要百分比标签，但 y 轴上有实际 N，请尝试以下操作：

    library(scales)
perbar=function(xx){
      q=ggplot(data=data.frame(xx),aes(x=xx))+
      geom_bar(aes(y = (..count..)),fill="orange")
       q=q+    geom_text(aes(y = (..count..),label = scales::percent((..count..)/sum(..count..))), stat="bin",colour="darkgreen") 
      q
    }
    perbar(mtcars$disp)