子集和汇总数据集以准备堆积区域图的可视化

Question

我有一个800k行的数据集,每个都有一个时间戳.数据涵盖一年的时间范围.

在准备我想要制作的堆积区域图时,我想创建26个子组(例如,两周间隔).在这些子组中,我想找到5个类中的值的频率.

例如:在前两周,这些值的百分比是> x && <= y,有多少是> y && <= z等.

所有这些都应该导致ggplot2库及其geom_area()函数创建的堆积区域图.

这是数据集的头部:

     date transaction_volume transaction_costs

47 2015-01-01           3.985826           0.03157
59 2015-01-01           3.955749           0.03157
71 2015-01-01           0.315700           0.03157
72 2015-01-01           0.315700           0.03157
73 2015-01-01           0.315700           0.03157
74 2015-01-01           0.315700           0.03157

Answer 1

这是一个虚拟数据的例子:

library(dplyr)
library(ggplot2)

n <- 1000
d <- data.frame(date=as.Date('2010/01/01') + sort(sample(0:364, n, replace=TRUE)))
d$x <- runif(n)

# These are the breaks defining your bins of data    
breaks <- c(0, 0.2, 0.4, 0.6, 0.8, 1)

d %>% 
  # create fortnight indicator from Julian day number
  mutate(Fortnight=ceiling(as.numeric(format(date, '%j'))/14)) %>%
  # bin data
  mutate(Class=factor(findInterval(x, breaks))) %>%
  group_by(Fortnight, Class) %>%
  # count per group
  summarise(n=n()) %>%
  # expressed as proportions
  mutate(Proportion=n/sum(n)) %>%
  ggplot(aes(x=Fortnight, y=Proportion, fill=Class)) + 
    geom_area()

如果你想稍微清理它,请过滤两周27.例如filter(Fortnight < 27) %>%在ggplot通话前插入.