如何用 R 和 ggplot2 为复杂数据集创建 stacked bar chart?
先将 9 个 Group 列转换成长表,再按 Group 统计工作回答为 yes 和 no 的人数。得到的 n 对应示例中的 points,可用作堆叠柱形图的柱段高度。
这段代码假设每行代表一名受访者,Group 列中的 1 表示属于该组,0 表示不属于。原始示意数据没有明确说明 0/1 的含义,使用代码前需要先确认。
points 应该对应什么?
原示例已为每个 team 和 position 组合提供数值,可以直接用 stat='identity' 绘图。问卷数据需要先统计各 Group 中两种工作状态的人数。
对应关系如下:
| 原示例 | 问卷数据 | 用途 |
|---|---|---|
team | Group 名称 | x-Axis |
position | Variable 1 的 yes / no | 堆叠颜色 |
points | 每个 Group、每种工作状态的人数 n | y-Axis |
Group 列中的 0 表示该行不计入这个组;工作状态中的 no 表示受访者不工作。这是两个不同的变量,统计时要分别处理。
将 Group 列转换成长表
假设问卷数据保存在 df 中,列名仍为 Variable 1、Group 1a) 等原始名称。除 Variable 1 外,其余列都是需要绘图的 9 个 Group 列,且为数值型 0/1;工作状态为 yes、no 或缺失值。
library(dplyr)
library(tidyr)
library(ggplot2)
# 如果还有 ID 等其他列,应改为明确列出 9 个 Group 列名
group_cols <- setdiff(names(df), "Variable 1")
long_df <- df %>%
pivot_longer(
cols = all_of(group_cols),
names_to = "group",
values_to = "member"
) %>%
filter(member == 1, !is.na(`Variable 1`)) %>%
mutate(
group = factor(group, levels = group_cols),
work = factor(`Variable 1`, levels = c("yes", "no"))
)
pivot_longer() 将 Group 列名放入 group,将原来的 0/1 值放入 member。筛选 member == 1 后,每行表示一名受访者属于某个 Group,work 保存其工作状态。
筛选时排除了分组标记或工作回答缺失的记录。列名包含空格时,在 R 表达式中需要用反引号包围,例如 `Variable 1`。如果导入时列名被自动修改,先用 names(df) 查看,再使用实际列名。
统计人数并绘图
counts <- long_df %>%
count(group, work, name = "n", .drop = FALSE)
# 查看每个 Group 中 yes/no 的人数
counts
ggplot(counts, aes(x = group, y = n, fill = work)) +
geom_col(position = "stack") +
scale_x_discrete(drop = FALSE) +
labs(
x = "Group",
y = "Count",
fill = "Do you work?"
) +
theme_minimal() +
theme(
axis.text.x = element_text(angle = 45, hjust = 1)
)
count() 计算每个 group 和 work 组合的人数。这两个变量已设为 factor,.drop = FALSE 会保留没有观测记录的组合,并将人数记为 0。
geom_col() 使用提供的 n 作为柱段高度,等价于这里使用 geom_bar(stat = "identity", position = "stack")。每根柱子的总高度代表该 Group 中工作回答有效的人数,两个颜色段分别对应 yes 和 no 的人数。
也可以让 geom_bar() 自动计数
如果不需要单独查看或保存统计表,可以直接使用筛选后的长表:
ggplot(long_df, aes(x = group, fill = work)) +
geom_bar(position = "stack") +
scale_x_discrete(drop = FALSE) +
labs(
x = "Group",
y = "Count",
fill = "Do you work?"
) +
theme_minimal()
geom_bar() 默认统计记录数,因此这里不需要指定 y,也不需要 stat = "identity"。两种写法使用相同的计数口径。
使用前需要确认的数据含义
- 如果 0/1 表示其他含义,例如某个问题的否定或肯定回答,就不能直接用
member == 1判断组成员,需要先根据分组规则确定归属。 - 如果每人只能属于一个 Group,应检查每行是否恰好有一个分组标记为
1。如果允许属于多个 Group,同一人会分别计入相应组,各柱人数相加可能超过受访者总数。 - 按人数绘图依赖“一行一名受访者”的前提。如果同一人有重复记录,需要先根据受访者 ID 和统计口径处理。
- 代码将工作状态限定为
yes和no。应在转换为 factor 前整理大小写、前后空格或其他回答值,避免它们被转换成缺失值。
备注:内容仅供参考。
