在R中按回答占比排序参与者并绘制ggplot柱状图

我有一个数据集，其中Participant是实验参与者的分类名称（每个参与者对应多行重复记录），Answer是二元变量（记录任务回答）。数据示例如下：

需要用R语言完成以下操作：

• 计算每个参与者的Yes回答占比
• 按占比对参与者排序（占比最高在左，最低在右）
• 用ggplot绘制柱状图

尝试过两段代码均失败：

1. 第一段代码：

data_df %>% group_by(Participant,Answer) %>% mutate(proportion = summarize(n = n()))

错误信息：

Error: Problem with mutate() column proportion.
ℹ proportion = summarize(n = n()).
x no applicable method for 'summarise' applied to an object of class "c('integer', 'numeric')"
ℹ The error occurred in group 1: participant = "UIT001", answer = "Yes".

str(data_df)显示两个变量均为chr类型，但不清楚错误中整数/数值类型的来源。

2. 第二段代码：

data_df <- data_df %>%
  group_by(participant) %>%
  mutate(Yes_ratio = n_distinct(participant[answer == "yes"])/n_distinct(participant))

结果每行都返回1，不符合预期。

错误原因分析 #

• 第一段代码错误：mutate()用于给原数据集添加列，而summarize()是聚合数据生成汇总表，不能嵌套使用；同时按Participant和Answer分组，无法直接得到单个参与者的Yes占比。
• 第二段代码错误：n_distinct(participant[answer == "yes"])统计的是符合条件的参与者唯一值数量（每个分组仅对应一个参与者，结果永远为1），除以n_distinct(participant)（同样为1），最终结果必然全为1。实际需要统计的是Yes的回答次数，而非参与者的唯一值数量。

正确实现步骤 #

1. 计算每个参与者的Yes占比

使用dplyr聚合数据，按Participant分组后，计算Yes回答次数与总回答数的比值：

library(dplyr)

# 生成占比汇总表
summary_df <- data_df %>%
  group_by(Participant) %>%
  summarize(
    Yes_ratio = sum(Answer == "Yes") / n(),  # Yes次数/总回答次数
    .groups = "drop"  # 取消分组
  )

2. 按占比排序并转换为有序因子

为保证ggplot绘图时按占比从高到低排列，需将Participant转换为有序因子：

summary_df <- summary_df %>%
  arrange(desc(Yes_ratio)) %>%  # 按Yes占比降序排列
  mutate(Participant = factor(Participant, levels = Participant))  # 锁定排序顺序

3. 绘制柱状图

使用ggplot2绘制柱状图，并将Y轴格式化为百分比：

library(ggplot2)
library(scales)

ggplot(summary_df, aes(x = Participant, y = Yes_ratio)) +
  geom_col(fill = "#2E86AB") +  # 设置柱状图填充色
  scale_y_continuous(labels = percent_format()) +  # Y轴显示百分比
  labs(
    title = "参与者Yes回答占比",
    x = "参与者",
    y = "Yes回答占比"
  ) +
  theme_minimal()

完整可运行代码 #

library(dplyr)
library(ggplot2)
library(scales)

# 示例数据集（可替换为你的实际数据）
data_df <- tibble(
  Participant = c("P1", "P1", "P1", "P1", "P2", "P2", "P2", "P3"),
  Answer = c("Yes", "Yes", "Yes", "No", "Yes", "No", "No", "No")
)

# 计算占比并排序
summary_df <- data_df %>%
  group_by(Participant) %>%
  summarize(
    Yes_ratio = sum(Answer == "Yes") / n(),
    .groups = "drop"
  ) %>%
  arrange(desc(Yes_ratio)) %>%
  mutate(Participant = factor(Participant, levels = Participant))

# 绘制柱状图
ggplot(summary_df, aes(x = Participant, y = Yes_ratio)) +
  geom_col(fill = "#2E86AB") +
  scale_y_continuous(labels = percent_format()) +
  labs(title = "参与者Yes回答占比", x = "参与者", y = "Yes回答占比") +
  theme_minimal()

内容的提问来源于stack exchange，提问作者Paulina