使用Rmisc包的summarySE汇总调研数据绘制ggplot误差棒遇问题

问题原因 #

你遇到的NaN是因为每个question+opinion组合只有1条观测数据，summarySE计算标准差（sd）、标准误（se）等统计量时，单个数值无法算出变异程度，因此返回NaN。而只按opinion分组时，自然会忽略question列，不符合你按问题拆分的需求。

解决方案 #

你的数据集里number是每个观点的回答计数，不需要用summarySE（它适用于有重复样本的场景），可以根据需求选择以下两种方式：

1. 绘制回答比例的误差棒 #

如果需要展示各观点占该问题总回答数的比例，并添加95%置信区间的误差棒：

library(dplyr)
library(ggplot2)

# 计算每个问题的总回答数、比例及比例的标准误
my_data <- my_data %>%
  group_by(question) %>%
  mutate(total = sum(number),
         prop = number / total,
         # 用二项分布近似计算比例的标准误
         se_prop = sqrt(prop * (1 - prop) / total)) %>%
  ungroup()

# 绘图
ggplot(my_data, aes(x = opinion, y = prop, fill = opinion)) +
  geom_col(position = position_dodge()) +
  geom_errorbar(aes(ymin = prop - 1.96*se_prop, ymax = prop + 1.96*se_prop),
                width = 0.2, position = position_dodge(0.9)) +
  facet_wrap(~question, scales = "free_y") +
  labs(y = "回答比例", x = "观点") +
  theme_bw()

2. 绘制回答计数的bootstrap置信区间 #

如果需要直接展示回答数量的置信区间，可以用bootstrap重抽样生成：

library(dplyr)
library(ggplot2)
library(boot)
library(purrr)

# 定义bootstrap重抽样函数
boot_count <- function(data, i) {
  # 从该问题的所有回答中重抽样
  resampled_opinions <- sample(rep(data$opinion, data$number), replace = TRUE)
  count_table <- table(resampled_opinions)
  return(as.data.frame(count_table))
}

# 对每个问题单独计算bootstrap置信区间
boot_results <- my_data %>%
  group_split(question) %>%
  map(function(df) {
    boot_obj <- boot(df, boot_count, R = 1000)
    # 提取每个观点的95%百分位数置信区间
    ci_df <- map_dfr(unique(df$opinion), function(op) {
      ci <- boot.ci(boot_obj, type = "perc", index = which(unique(df$opinion) == op))
      data.frame(opinion = op,
                 lower = ci$percent[4],
                 upper = ci$percent[5])
    })
    df %>% left_join(ci_df, by = "opinion")
  })

boot_data <- bind_rows(boot_results)

# 绘图
ggplot(boot_data, aes(x = opinion, y = number, fill = opinion)) +
  geom_col(position = position_dodge()) +
  geom_errorbar(aes(ymin = lower, ymax = upper),
                width = 0.2, position = position_dodge(0.9)) +
  facet_wrap(~question, scales = "free_y") +
  labs(y = "回答数量", x = "观点") +
  theme_bw()

内容的提问来源于stack exchange，提问作者Nervous Optic Head