1

我试图围绕如何以一种可以很容易地看到它们彼此比较的方式可视化一堆相对频率的问题来解决这个问题。就分布而言，差异并不巨大，当然，我也认为值得展示一些东西。我设法创建了一个相对简单的点图，但是，我认为它看起来还不够好。

代码很简单（尽管就视觉调整而言尚未完成），我猜：

library(ggplot2)
copuladeletion <- read.table(text = "Type    Distribution    Family
                             NP  0.39344 Austronesian    
                             NP  0.30232 Mon-Khmer
                             NP  0.3125  Tai-Kadai
                             NP  0.29230 Sinitic
                             NP  0.26785 Other
                             AdjP    0.44262 Austronesian
                             AdjP    0.53488 Mon-Khmer
                             AdjP    0.625   Tai-Kadai
                             AdjP    0.55384 Sinitic
                             AdjP    0.58928 Other
                             AdvP    0.03278 Austronesian
                             AdvP    0.00000 Mon-Khmer
                             AdvP    0.00000 Tai-Kadai
                             AdvP    0.04615 Sinitic
                             AdvP    0.07142 Other
                             EX  0.01639 Austronesian
                             EX  0.02325 Mon-Khmer
                             EX  0.00000 Tai-Kadai
                             EX  0.03076 Sinitic
                             EX  0.01785 Other
                             Clause  0.08196 Austronesian
                             Clause  0.02325 Mon-Khmer
                             Clause  0.0625  Tai-Kadai
                             Clause  0.03076 Sinitic
                             Clause  0.05357 Other
                             Other   0.01639 Austronesian
                             Other   0.11627 Mon-Khmer
                             Other   0.00000 Tai-Kadai
                             Other   0.04615 Sinitic
                             Other   0.00000 Other", header = TRUE)
ggplot(copuladeletion) + geom_point(aes(Distribution, Type, colour=Family,size=1))

这会产生以下图像：

在此处输入图像描述

所以，我的问题是：

您认为这种可视化效果是否足够好？对于这些数据，是否有比简单点图更好的选择？

非常感谢您！

4

2 回答 2

3

也许只是对您的条形图的另一种看法：

library(ggplot2)

copuladeletion <- read.table(text=txt, header=TRUE)

gg <- ggplot(copuladeletion) 
gg <- gg + geom_point(aes(Distribution, Type, colour=Family),
                      shape="|", size=10)
gg <- gg + scale_x_continuous(breaks=seq(0, 0.7, 0.1))
gg <- gg + scale_y_discrete(expand=c(0,0))
gg <- gg + scale_colour_brewer(name="", palette="Set1")
gg <- gg + facet_wrap(~Type, ncol=1, scales="free_y")
gg <- gg + guides(colour=guide_legend(override.aes=list(shape=15, size=3)))
gg <- gg + labs(x=NULL, y=NULL, title="Family Distribution by Type")
gg <- gg + theme_bw()
gg <- gg + theme(panel.grid.major=element_blank())
gg <- gg + theme(panel.grid.minor=element_blank())
gg <- gg + theme(strip.background=element_blank())
gg <- gg + theme(strip.text=element_blank())
gg <- gg + theme(axis.ticks=element_blank())
gg <- gg + theme(legend.key=element_blank())
gg <- gg + theme(legend.position="bottom")
gg

在此处输入图像描述

为了稍微补偿重叠（正如 Roman 指出的 cpl 次），您可以使用正确的线与 hack-y 点：

gg <- ggplot(copuladeletion) 
gg <- gg + geom_segment(aes(x=Distribution, xend=Distribution,
                            y=0, yend=1, colour=Family), size=0.25)
gg <- gg + scale_x_continuous(breaks=seq(0, 0.7, 0.1))
gg <- gg + scale_y_discrete(expand=c(0,0))
gg <- gg + scale_colour_brewer(name="", palette="Set1")
gg <- gg + facet_wrap(~Type, ncol=1, scales="free_y", switch="y")
gg <- gg + labs(x=NULL, y=NULL, title="Family Distribution by Type")
gg <- gg + guides(colour=guide_legend(override.aes=list(shape=15, size=3)))
gg <- gg + theme_bw()
gg <- gg + theme(panel.border=element_rect(color="#2b2b2b", size=0.15))
gg <- gg + theme(panel.grid.major=element_blank())
gg <- gg + theme(panel.grid.minor=element_blank())
gg <- gg + theme(strip.background=element_blank())
gg <- gg + theme(strip.text.y=element_text(angle=180))
gg <- gg + theme(axis.ticks=element_blank())
gg <- gg + theme(legend.key=element_blank())
gg <- gg + theme(legend.position="bottom")
gg

在此处输入图像描述

您也可以为地图添加美学linetype（以及hjust您喜欢的 y 标签）。这些细线有点难以阅读（所以也可以随意调整size），但我确实认为条形图非常适合这些数据。如果EX需要，您可能想在单独的图中“缩小”条带（我不知道这些数据真正想说的是什么:-)

于 2016-03-29T11:34:21.123 回答
1

据我了解，您正在绘制每个家庭中的相对频率，因此除了您的情节之外，我们可以使用 100% 堆叠直方图来可视化Type每个家庭中的比例。Family

ggplot(copuladeletion, aes(x = Family, y = Distribution, fill = Type)) +
  geom_bar(stat = "identity", position= "fill") +
  scale_y_continuous("Proportion") +
  scale_x_discrete("", expand = c(0, 0)) +
  coord_flip()

在此处输入图像描述

于 2016-03-29T09:40:42.767 回答