分析套路【一】：如何为图片中的变量排序

在整理GBD的图片时，很多时候都会出现图片中变量排序不对的时候。

比如下面这个图片：

该如何去处理这个问题呢？今天这篇文章将为大家讲一下“如何为图片中的变量排序”这个R语言中的小点。

首先我们导入data1数据，并查看该数据的变量属性与值

此时，我们如果想画出以age_name为横坐标，val（rate）为纵坐标的图片,一定会把数据按年龄排序，同时我们注意，这里除了年龄age_name外还有一个指标是可以分类的，也就是我们的性别sex_name变量我们可以先看看开始时的age是如何排序的：

可以看到年龄段非常的杂乱，这时，常见的排序函数order（）就会派上用场:

这里先按性别排序，再按年龄排序，就会把男性与女性分开，

data1的结果如下：

可以看到女性数据在1-20行，男性数据在21-40行，那现在是否已经完成排序呢，可以看到第十行中的5-9出现在45-49后面，50-54岁的前面。直接画图就会呈现以下图片：

那我们该如何把这个5-9移到正确的位置上去呢？

这里我们就要用到factor()函数，使age_name的值按固定的顺序呈现，后再进行排序：

完成以上步骤后再次画图：

这样5-9这个年龄段就会排在我们给他排的位置。

我们再举一个例子：

在分解分析中，我们把位置按location1排列Global排第一个，但出图时发现他是在最下面的：

这时，我们想把他放到最上面应该怎么办呢，还是按刚刚的办法：

开始我们的排序是按location1 排序的，这次我们按location2排序，结果就会与上图相反：

图中所需数据与代码在公众号“公共数据库与孟德尔随机化”后台回复："代码" 即可获取。

---

本文分享到这里了，由郑老师团队的统计师撰写

关于郑老师团队及公众号

我们是全国最大的线上医学统计平台，专注于医学生、医护工作者学术研究统计支持，让我们成为你们的统计助理！

我们提供以下科研与统计分析：

①研究者发起的临床试验设计、分析与报告

②医院回顾性数据分析与预测模型

③利用医学公共数据库包括SEER、NHANES、老年健康数据库、GBD数据库、孟德尔随机化等快速挖掘有意义的数据。

④预测模型、NHANES数据库、孟德尔随机化方法、GBD数据库一对一R语言指导

联系助教小董咨询（微信号aq566665）