forcats | fct_reorder2函数功能详解及其在可视化中的应用

最新推荐文章于 2023-11-16 20:30:18 发布

R语言学堂

最新推荐文章于 2023-11-16 20:30:18 发布

阅读量1.9k

点赞数 1

文章标签：可视化 python 编程语言机器学习人工智能

本文链接：https://blog.csdn.net/weixin_54000907/article/details/125127908

版权

引子

最近在整理forcats工具包中的函数，发现该包只有fct_reorder2()函数的功能不太容易理解，所以单独写一篇推文来介绍它。

根据上篇提到的函数分类，它可以归为「调整类别顺序的函数」，与它类似的还有一个fct_reorder()函数，但是功能要好理解得多。

作者对这两个函数的介绍可能会让很多读者觉得一头雾水：

「学堂君译文」：根据其他变量对因子类别重排序。当因子变量映射到位置时，fct_reorder()函数在一维展示中非常有用；而当因子变量映射的是非位置属性时，fct_reorder2()函数可用于二维展示；
「作者原文」：Reorder factor levels by sorting along another variable. fct_reorder() is useful for 1d displays where the factor is mapped to position; fct_reorder2() for 2d displays where the factor is mapped to a non-position aesthetic.

这段话之所以不太容易理解，是因为你以为它只是一个数据处理函数，但其实它主要用处却在可视化方面。英语原文中也出现了ggplot2绘图系统的术语——map和aesthetic。

`fct_reorder()`函数

两个函数的语法结构如下：

fct_reorder(.f, .x, .fun = median, ..., .desc = FALSE)
fct_reorder2(.f, .x, .y, .fun = last2, ..., .desc = TRUE)

简而言之，fct_reorder()就是根据另外「一个」变量（即参数.x）的统计特征（由参数.fun指定，默认为中位数）对因子变量（即参数.f）进行重排序，默认为升序（即.desc = FALSE）。

示例数据：

library(forcats)
f <- mtcars[, c("gear", "mpg", "qsec")]
f$gear <- factor(f$gear)
head(f)
##                   gear  mpg  qsec
## Mazda RX4            4 21.0 16.46
## Mazda RX4 Wag        4 21.0 17.02
## Datsun 710           4 22.8 18.61
## Hornet 4 Drive       3 21.4 19.44
## Hornet Sportabout    3 18.7 17.02
## Valiant              3 18.1 20.22

f$gear
##  [1] 4 4 4 3 3 3 3 4 4 4 4 3 3 3 3 3 3 4 4 4 3 3 3 3 3 4 5 5 5 5 5 4
## Levels: 3 4 5

根据mpg的平均值对gear的类别进行升序排列：

aggregate(mpg ~ gear, data = f, FUN = mean)
##   gear      mpg
## 1    3 16.10667
## 2    4 24.53333
## 3    5 21.38000

fct_reorder(f$gear, f$mpg, .fun = mean, .desc = F)
##  [1] 4 4 4 3 3 3 3 4 4 4 4 3 3 3 3 3 3 4 4 4 3 3 3 3 3 4 5 5 5 5 5 4
## Levels: 3 5 4

可以看出，mpg在三个组别的平均值大小与调整后的因子类别顺序是一致的。

`fct_reorder2()`函数

这个函数的参数从表面上看与fct_reorder()函数有两个明显的区别：

多了一个.y参数；
.desc参数的默认值不同。

其实，还有一个差别在同名参数.fun上：fct_reorder()函数要求.fun对应的函数只需要一个向量参数；而fct_reorder2()函数则要求有两个向量参数，其中第一个参数由.x映射，第二个参数由.y映射，即fun(.x, .y)。

因此，最常见的用于描述统计特征的mean()函数就不能用在fct_reorder2()的参数赋值上。

fct_reorder2(f$gear, f$mpg, f$qsec, .fun = mean)
# Error in mean.default(.x[i], .y[i], ...) : 'trim'必需是长度必需为一的数值

作者专门为该函数的.fun参数设计了两个辅助函数：

last2()：取.y在根据.x排序后的最后一个元素；然后以这个数值作为因子类别排序的依据；
first2()：取.y在根据.x排序后的第一个元素；同样以这个数值作为因子类别排序的依据。

## last2为默认选项
fct_reorder2(f$gear, f$mpg, f$qsec)
##  [1] 4 4 4 3 3 3 3 4 4 4 4 3 3 3 3 3 3 4 4 4 3 3 3 3 3 4 5 5 5 5 5 4
## Levels: 3 4 5

## .fun = first2
fct_reorder2(f$gear, f$mpg, f$qsec, .fun = first2)
##  [1] 4 4 4 3 3 3 3 4 4 4 4 3 3 3 3 3 3 4 4 4 3 3 3 3 3 4 5 5 5 5 5 4
## Levels: 4 3 5

在可视化中的应用

作者为fct_reorder2()函数举了如下一个示例用法。

set.seed(123)
chks <- subset(ChickWeight, as.integer(Chick) < 10)
chks <- transform(chks, Chick = fct_shuffle(Chick))

library(ggplot2)
ggplot(chks, aes(Time, weight, colour = Chick)) +
  geom_point() +
  geom_line()

# Note that lines match order in legend
ggplot(chks, aes(Time, weight, colour = fct_reorder2(Chick, Time, weight))) +
  geom_point() +
  geom_line() +
  labs(colour = "Chick")

<<< 左右滑动见更多 >>>

从语句上看，第二幅图代码中ggplot()函数的colour参数使用了fct_reorder2()函数进行重排序，.x和.y参数分别对应于横、纵坐标轴的变量。从可视化效果上看，第二幅图的图例线条顺序与图中线条的高低顺序是一一对应的。

原因就在于，取纵坐标按横坐标排序后的最后一个元素，实际就是每个线条最右侧的纵坐标，这也是视觉上每个线条的“高度”，以此再对分组变量colour进行排序，图例的线条顺序自然就与图中线条高低顺序一致了。

同样地，fct_reorder()函数也可以用于可视化。

boxplot(Sepal.Width ~ Species, data = iris)
boxplot(Sepal.Width ~ fct_reorder(Species, Sepal.Width), data = iris)

<<< 左右滑动见更多 >>>

上面两幅图的区别非常直观。第二幅图的代码根据Sepal.Width的中位数对Species的类别进行了排序，因此图中三个箱形图的中央横线是依次升高的。

再回过头来看开头的函数描述，fct_reorder()函数中的因子变量Species就是图象的横轴变量，也就是位置变量（mapped to position）；而fct_reorder2()函数中的因子变量colour是除位置变量以外的美学特征变量（mapped to a non-position aesthetic）。