R：适合显示偏斜计数数据的图

Question

我有这样的数据：

Name     Count
Object1  110
Object2  111
Object3  95
Object4  40
...
Object2000 1

所以只有前 3 个对象有高计数，其余 1996 个对象少于 40 个，大多数少于 10 个。我用ggplot条形图绘制这些数据，如下所示：

ggplot(data=object_count, mapping = aes(x=object, y=count)) +
  geom_bar(stat="identity") +
  theme(axis.title.x=element_blank(),
        axis.text.x=element_blank(),
        axis.ticks.x=element_blank())

我的情节如下。如您所见，由于低计数的对象太多，因此图形的宽度很长，条形的宽度很小，这对于高计数的对象几乎是不可见的。有没有更好的方法来表示这些数据？我的目标是展示一些数量最多的物体，并展示许多数量较少的物体。有没有办法将低计数的组合在一起？

Answer 1

我的猜测是你的数据看起来像这样：

set.seed(1)
object_count <- tibble(
  obj_num = 1:2000,
  object = paste0("Object", obj_num),
  count = ceiling(20 * rpois(2000, 10) / obj_num)
)
head(object_count)
## A tibble: 6 x 3
#   obj_num object  count
#     <int> <chr>   <dbl>
#1        1 Object1   160
#2        2 Object2   100
#3        3 Object3    46
#4        4 Object4    55
#5        5 Object5    56
#6        6 Object6    40

果然，当我用 绘制它时，ggplot(object_count, aes(object, count)) + geom_col() + [theme stuff]我得到了类似的数字。

这里有一些策略“显示一些最高计数的对象并显示许多低计数的对象”。

直方图

普通的直方图在这里可能无法澄清，因为重要的大值出现的频率显着降低，并且不够突出：

ggplot(object_count, aes(count)) +
  geom_histogram() 

但我们可以通过改变 y 轴来改变这一点，以更加强调小值。该pseudo_log变换对此非常有用，因为它的工作原理类似于大值的对数变换，但线性接近 -1 到 1。在此视图中，我们可以清楚地看到仅出现一种的异常值在哪里，而且还可以看到还有更多的异常值小值。binwidth = 1如果大值的具体值不如它们的一般范围那么重要，则可以将此处设置为更宽的值。

ggplot(object_count, aes(count)) +
  geom_histogram(binwidth = 1) +
  scale_y_continuous(trans = "pseudo_log",
                     breaks = c(0:3, 100, 1000), minor_breaks = NULL)

刻面

另一种选择可能是将您的视图分成两部分，一个显示大值的详细信息，另一个显示所有小值：

object_count %>%
  mutate(biggies = if_else(count > 20, "Big", "Little")) %>%
  ggplot(aes(obj_num, count)) +
  geom_col() +
  facet_grid(~biggies, scales = "free") 

集结

另一种选择可能是将 10 以下的所有计数集中在一起。下面的版本强调对象名称和计数，并且“其他”类别已被标记以显示它包含多少个值。

object_count %>%
  mutate(group = if_else(count < 10, "Others", object)) %>%
  group_by(group) %>%
  summarize(avg = mean(count), count = n()) %>%
  ungroup() %>%
  mutate(group = if_else(group == "Others",
                         paste0("Others (n =", count, ")"),
                         group)) %>%
  mutate(group = forcats::fct_reorder(group, avg)) %>%
  ggplot() + 
  geom_col(aes(group, avg)) +
  geom_text(aes(group, avg, label = round(avg, 0)), hjust = -0.5) +
  coord_flip()

累计计数（~帕累托图）

如果您对总计数的份额感兴趣，您还可以查看累积计数并了解大值如何构成大份额：

object_count %>%
  mutate(cuml = cumsum(count)) %>%
  ggplot(aes(obj_num)) +
  geom_tile(aes(y = count + lag(cuml, default = 0),
            height = count))