使用R ggplot对比不同平台的相似分类数据列频率

方法一：转成整洁数据格式（推荐） #

你之前用mutate合并列时NA覆盖有效数据，核心原因是数据集是宽格式（一个平台对应一列），而ggplot绘图需要的是长格式（每行对应一个有效数据点）。用tidyr::pivot_longer可以直接解决这个问题，自动过滤NA值，不用写复杂的if/else逻辑。

代码示例 #

假设你的数据集名为df：

# 加载必备包
library(tidyverse)

# 把宽格式转成长格式，自动去掉NA行
df_long <- df %>%
  pivot_longer(
    cols = ends_with("_context"),  # 选中所有带_context后缀的列
    names_to = "source_platform",  # 存储原列名的新列
    values_to = "context",  # 存储Context内容的新列
    values_drop_na = TRUE  # 直接过滤掉NA的行
  ) %>%
  # 从原列名里提取平台名称（比如twitter_context → twitter）
  mutate(source_platform = str_remove(source_platform, "_context"))

# 统计每个分组的频率
df_freq <- df_long %>%
  count(platform, source_platform, context, name = "frequency")

# 绘制分组对比柱状图
ggplot(df_freq, aes(x = context, y = frequency, fill = source_platform)) +
  geom_col(position = "dodge") +  # 并列显示不同平台的柱子
  facet_wrap(~platform) +  # 按原数据集的platform列拆分子图
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +  # 旋转x轴标签避免重叠
  labs(title = "各平台Context分类频率对比", 
       x = "Context类型", 
       y = "出现频率", 
       fill = "数据来源平台")

这种方法的优势是数据格式更规范，后续修改或扩展分析都更方便，且能直接生成跨平台的对比图。

方法二：绘制独立子图后整合 #

如果不想转换数据格式，也可以分别绘制三个平台的Context频率图，再用patchwork包拼接在一起。

代码示例 #

library(ggplot2)
library(patchwork)

# 绘制Twitter的频率图
p_twitter <- df %>%
  filter(!is.na(twitter_context)) %>%
  count(twitter_context, name = "frequency") %>%
  ggplot(aes(x = twitter_context, y = frequency)) +
  geom_col(fill = "#1DA1F2") +
  labs(title = "Twitter Context频率", x = "Context", y = "频率") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# 绘制Facebook的频率图
p_facebook <- df %>%
  filter(!is.na(facebook_context)) %>%
  count(facebook_context, name = "frequency") %>%
  ggplot(aes(x = facebook_context, y = frequency)) +
  geom_col(fill = "#4267B2") +
  labs(title = "Facebook Context频率", x = "Context", y = "频率") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# 绘制Instagram的频率图
p_insta <- df %>%
  filter(!is.na(insta_context)) %>%
  count(insta_context, name = "frequency") %>%
  ggplot(aes(x = insta_context, y = frequency)) +
  geom_col(fill = "#E4405F") +
  labs(title = "Instagram Context频率", x = "Context", y = "频率") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# 拼接三个子图（1行3列布局）
p_twitter + p_facebook + p_insta + plot_layout(ncol = 3)

这种方法适合需要单独展示每个平台数据的场景，但跨平台对比的直观性不如方法一。

补充：如果非要用mutate合并列 #

如果坚持要用mutate+条件判断，前提是platform列的取值和_context列的前缀完全对应（比如platform是"twitter"时，twitter_context有值），可以这么写：

df <- df %>%
  mutate(context = case_when(
    platform == "twitter" ~ twitter_context,
    platform == "facebook" ~ facebook_context,
    platform == "instagram" ~ insta_context,
    TRUE ~ NA_character_
  ))

但这种方法灵活性差，一旦平台名称或列名变动就会出错，不如pivot_longer通用。

内容的提问来源于stack exchange，提问作者urcho