如何在ggplot中针对特定变量排除缺失值绘制Decreased柱状图

核心需求 #

绘制仅展示"Decreased"选项占比的柱状图，要求每个变量的占比基于自身有效样本量（排除"not applicable"对应的NA值，不计入该变量的总样本数），不能用全局na.omit()删除所有含NA的行（会导致各变量样本量失真）。

原代码问题 #

原代码在统计时未排除NA值，导致sum(n)包含了"not applicable"的样本，计算出的占比是Decreased占所有样本（含NA）的比例，不符合需求。

修改后的代码 #

# 选择目标变量
df <- select(dataset, variable1, variable2, variable3, variable4, 
             variable5, variable6, variable7)

# 数据处理：先排除NA，再统计每个变量的Decreased占比
df2 <- df %>% 
  pivot_longer(everything(), names_to = "vars", values_to = "value") %>% 
  filter(!is.na(value)) %>%  # 关键步骤：过滤掉not applicable的NA记录
  group_by(vars) %>% 
  summarise(
    decreased_count = sum(value == "Decreased"),
    valid_total = n()  # 每个变量的有效样本数（已排除NA）
  ) %>% 
  mutate(pct = (decreased_count / valid_total) * 100) %>% 
  ungroup()

# 绘制柱状图
plot <- df2 %>%
  ggplot() + 
  geom_col(aes(x = vars, y = pct), fill = "black") +
  labs(x = "变量", y = "Decreased占比(%)")  # 可选：添加坐标轴标签

代码解释 #

1. filter(!is.na(value))：在数据变长后，直接过滤掉所有NA（即not applicable）的记录，确保后续统计的是每个变量的有效受访者数据。
2. group_by(vars)：按变量分组，分别计算每个变量的有效样本总数和Decreased的数量。
3. mutate(pct = ...)：用Decreased数量除以该变量的有效样本总数，得到符合要求的占比。

这样处理后，每个变量的占比计算完全基于自身的有效样本，不会受其他变量NA值的影响，完美匹配需求。

内容的提问来源于stack exchange，提问作者ph_researcher