如何在R中基于含非数值数据的CSV创建百分比堆叠面积图

问题分析 #

你需要的是按age3（年龄组）分组，展示racethn4（种族类别）占比的百分比堆叠面积图。原始数据是单条应答记录，无法直接绘图，必须先做分组统计计算占比。

完整实现代码 #

1. 准备工作 #

# 安装依赖包（首次运行）
install.packages("tidyverse")

# 加载工具包
library(tidyverse)

# 读取数据
df <- read_csv("https://raw.githubusercontent.com/fivethirtyeight/data/master/masculinity-survey/raw-responses.csv")

2. 数据汇总与占比计算 #

# 统计每个年龄组内各种族的人数，再计算百分比
summary_data <- df %>%
  group_by(age3, racethn4) %>%
  summarise(total = n(), .groups = "drop") %>%
  group_by(age3) %>%
  mutate(percent = (total / sum(total)) * 100) %>%
  filter(!is.na(age3), !is.na(racethn4)) # 过滤缺失值

3. 绘制堆叠面积图 #

ggplot(summary_data, aes(x = age3, y = percent, fill = racethn4, group = racethn4)) +
  geom_area(position = "stack", alpha = 0.7) +
  labs(
    x = "年龄组",
    y = "占比（%）",
    fill = "种族类别",
    title = "各年龄组种族占比分布"
  ) +
  ylim(0, 100) + # 固定Y轴范围为0-100
  theme_bw() # 使用简洁主题

关键细节 #

• 原始数据是单条应答，必须先通过group_by+summarise统计分组人数，再计算每组内的百分比，这就是你需要的Y轴数值（percent列）。
• group = racethn4参数是必要的，确保ggplot正确识别每个种族的分组轨迹，避免绘图异常。
• 如果想要更平滑的曲线效果，可以将geom_area替换为geom_smooth(method = "loess", se = FALSE, position = "stack")，但静态堆叠面积图更适合展示占比分布。

内容的提问来源于stack exchange，提问作者user19692638