ggplot2条形图中的订购条

我正在尝试制作一个条形图，其中最大的条形图最接近y轴，而最短的条形图最远。所以这有点像我的桌子

    Name   Position
1   James  Goalkeeper
2   Frank  Goalkeeper
3   Jean   Defense
4   Steve  Defense
5   John   Defense
6   Tim    Striker

所以我正在尝试建立一个条形图，以根据位置显示玩家数量

p <- ggplot(theTable, aes(x = Position)) + geom_bar(binwidth = 1)

但该图首先显示了守门员栏，然后是防守方，最后是前锋。我希望对图表进行排序，以使防守杆最接近y轴，守门员最接近，前锋最接近。谢谢

订购的关键是按照所需的顺序设置因子的水平。不需要有序的因子；不需要有序因素中的额外信息，并且如果在任何统计模型中使用这些数据，则可能会导致错误的参数设置-多项式对比不适用于此类标称数据。

## set the levels in order we want
theTable <- within(theTable, 
                   Position <- factor(Position, 
                                      levels=names(sort(table(Position), 
                                                        decreasing=TRUE))))
## plot
ggplot(theTable,aes(x=Position))+geom_bar(binwidth=1)

从最一般的意义上讲，我们只需要将因子水平设置为所需顺序即可。如果未指定，则因子的水平将按字母顺序排序。您还可以如上所述在因子调用中指定级别顺序，也可以使用其他方法。

theTable$Position <- factor(theTable$Position, levels = c(...))

@GavinSimpson：reorder是一个强大而有效的解决方案：

ggplot(theTable,
       aes(x=reorder(Position,Position,
                     function(x)-length(x)))) +
       geom_bar()

使用scale_x_discrete (limits = ...)指定的巴左右。

positions <- c("Goalkeeper", "Defense", "Striker")
p <- ggplot(theTable, aes(x = Position)) + scale_x_discrete(limits = positions)

我认为已经提供的解决方案过于冗长。使用ggplot进行频率排序的条形图的一种更简洁的方法是

ggplot(theTable, aes(x=reorder(Position, -table(Position)[Position]))) + geom_bar()

它与Alex Brown的建议相似，但略短一些，并且无需任何函数定义即可工作。

更新资料

我认为当时我的旧解决方案很好，但是如今，我宁愿使用forcats::fct_infreq按频率对因子水平进行排序的方法：

require(forcats)

ggplot(theTable, aes(fct_infreq(Position))) + geom_bar()

就像reorder()在Alex Brown的回答中一样，我们也可以使用forcats::fct_reorder()。应用指定的函数后，它将基本上根据第二个arg中的值对第一个arg中指定的因子进行排序（默认值=中位数，这是我们在这里使用的，因为每个因子水平只有一个值）。

很遗憾，在OP的问题中，所需的顺序也是字母顺序的，因为这是创建因子时的默认排序顺序，因此将隐藏此函数的实际作用。为了更加清楚，我将用“ Zoalkeeper”替换“ Goalkeeper”。

library(tidyverse)
library(forcats)

theTable <- data.frame(
                Name = c('James', 'Frank', 'Jean', 'Steve', 'John', 'Tim'),
                Position = c('Zoalkeeper', 'Zoalkeeper', 'Defense',
                             'Defense', 'Defense', 'Striker'))

theTable %>%
    count(Position) %>%
    mutate(Position = fct_reorder(Position, n, .desc = TRUE)) %>%
    ggplot(aes(x = Position, y = n)) + geom_bar(stat = 'identity')

一个简单的基于dplyr的因子重排序可以解决此问题：

library(dplyr)

#reorder the table and reset the factor to that ordering
theTable %>%
  group_by(Position) %>%                              # calculate the counts
  summarize(counts = n()) %>%
  arrange(-counts) %>%                                # sort by counts
  mutate(Position = factor(Position, Position)) %>%   # reset factor
  ggplot(aes(x=Position, y=counts)) +                 # plot 
    geom_bar(stat="identity")                         # plot histogram

您只需要将Position列指定为有序因子，即可按其计数对级别进行排序：

theTable <- transform( theTable,
       Position = ordered(Position, levels = names( sort(-table(Position)))))

（请注意，将table(Position)产生该Position列的频率计数。）

然后，您的ggplot函数将以计数的降序显示条形图。我不知道是否有一个选项geom_bar可以不必显式创建有序因子来执行此操作。

除了@HolgerBrandl提到的forcats :: fct_infreq外，还有forcats :: fct_rev，它反转因子顺序。

theTable <- data.frame(
    Position= 
        c("Zoalkeeper", "Zoalkeeper", "Defense",
          "Defense", "Defense", "Striker"),
    Name=c("James", "Frank","Jean",
           "Steve","John", "Tim"))

p1 <- ggplot(theTable, aes(x = Position)) + geom_bar()
p2 <- ggplot(theTable, aes(x = fct_infreq(Position))) + geom_bar()
p3 <- ggplot(theTable, aes(x = fct_rev(fct_infreq(Position)))) + geom_bar()

gridExtra::grid.arrange(p1, p2, p3, nrow=3)             

我同意zach的观点，在dplyr中进行计数是最好的解决方案。我发现这是最短的版本：

dplyr::count(theTable, Position) %>%
          arrange(-n) %>%
          mutate(Position = factor(Position, Position)) %>%
          ggplot(aes(x=Position, y=n)) + geom_bar(stat="identity")

由于计数是在dplyr中而不是在ggplot中或使用来完成的，因此这比预先重新排序因子水平要快得多table。

如果图表列来自下面的数据框中的数字变量，则可以使用更简单的解决方案：

ggplot(df, aes(x = reorder(Colors, -Qty, sum), y = Qty)) 
+ geom_bar(stat = "identity")  

排序变量（-Qty）之前的减号控制排序方向（升/降）

这是一些测试数据：

df <- data.frame(Colors = c("Green","Yellow","Blue","Red","Yellow","Blue"),  
                 Qty = c(7,4,5,1,3,6)
                )

**Sample data:**
  Colors Qty
1  Green   7
2 Yellow   4
3   Blue   5
4    Red   1
5 Yellow   3
6   Blue   6

当我找到该线程时，这就是我想要的答案。希望对其他人有用。

另一种使用重排序对因子水平进行排序的方法。基于计数按升序（n）或降序（-n）。与fct_reorder从forcats包中使用的非常相似：

降序

df %>%
  count(Position) %>%
  ggplot(aes(x = reorder(Position, -n), y = n)) +
  geom_bar(stat = 'identity') +
  xlab("Position")

升序

df %>%
  count(Position) %>%
  ggplot(aes(x = reorder(Position, n), y = n)) +
  geom_bar(stat = 'identity') +
  xlab("Position")

数据框：

df <- structure(list(Position = structure(c(3L, 3L, 1L, 1L, 1L, 2L), .Label = c("Defense", 
"Striker", "Zoalkeeper"), class = "factor"), Name = structure(c(2L, 
1L, 3L, 5L, 4L, 6L), .Label = c("Frank", "James", "Jean", "John", 
"Steve", "Tim"), class = "factor")), class = "data.frame", row.names = c(NA, 
-6L))

由于我们只查看单个变量（“位置”）的分布，而不是查看两个变量之间的关系，因此直方图可能是更合适的图形。ggplot具有geom_histogram（），可以轻松实现：

ggplot(theTable, aes(x = Position)) + geom_histogram(stat="count")

使用geom_histogram（）：

我认为geom_histogram（）有点古怪，因为它对连续数据和离散数据的处理方式不同。

对于连续数据，您可以仅使用不带参数的geom_histogram（）。例如，如果我们添加数字矢量“分数” ...

    Name   Position   Score  
1   James  Goalkeeper 10
2   Frank  Goalkeeper 20
3   Jean   Defense    10
4   Steve  Defense    10
5   John   Defense    20
6   Tim    Striker    50

并在“分数”变量上使用geom_histogram（）...

ggplot(theTable, aes(x = Score)) + geom_histogram()

对于像“位置”这样的离散数据，我们必须指定一个通过美学计算的统计量，以使用以下公式给出钢筋高度的y值stat = "count"：

 ggplot(theTable, aes(x = Position)) + geom_histogram(stat = "count")

注意：奇怪和令人困惑的是，您也可以将其stat = "count"用于连续数据，我认为它提供了一个更加美观的图形。

ggplot(theTable, aes(x = Score)) + geom_histogram(stat = "count")

编辑：扩展答案，以响应DebanjanB的有用建议。

我感到很烦人，ggplot2没有为此提供“自动”解决方案。这就是为什么我在中创建bar_chart()函数的原因ggcharts。

ggcharts::bar_chart(theTable, Position)

默认情况下，bar_chart()对条进行排序并显示水平图。要更改该设置 horizontal = FALSE。另外，bar_chart()消除了条和轴之间难看的“间隙”。