如何在ggplot中按集群最早日期对Y轴集群进行排序？

问题描述 #

现有分组数据框，使用ggplot绘制散点图时，Y轴的cluster排序不符合需求，希望Y轴的cluster按各自集群的最早日期排序（例如Cluster_07最早日期最早，放在Y轴最底部；Cluster_50排在uid_21之前）。

当前绘图代码：

ggplot(subset_so, aes(reorder(date,factor(cluster)), reorder(factor(cluster),date))) +
  geom_line(aes(group=cluster), color='black') +
  geom_point(size=3) +
  ylab("cluster") + xlab("date") +
  theme_light() +
  theme(
    legend.position = "bottom",
    legend.key=element_rect(fill='gray96'),
    legend.title =element_text(size=10),
    text=element_text(size=12),
    axis.title.x = element_text(vjust = 0, size = 11),
    axis.title.y = element_text(vjust = 2, size = 11),
    axis.text.x = element_text(angle = 90, hjust = 1, size = 9),
    panel.grid.major.x = element_blank(),
    panel.grid.minor.x = element_blank())

解决方法 #

核心思路是先计算每个cluster对应的最早日期，再用这个日期值重新排序cluster因子。

步骤1：计算每个cluster的最早日期 #

用dplyr分组聚合生成每个cluster的最小日期，再合并回原数据框：

library(dplyr)

# 计算每个cluster的最早日期
cluster_min_dates <- subset_so %>%
  group_by(cluster) %>%
  summarise(min_date = min(date)) %>%
  ungroup()

# 将最小日期合并到原数据框
subset_so <- subset_so %>%
  left_join(cluster_min_dates, by = "cluster")

步骤2：用最早日期排序Y轴的cluster #

修改ggplot的aes参数，将Y轴的cluster按min_date排序：

ggplot(subset_so, aes(x = date, y = reorder(cluster, min_date))) +
  geom_line(aes(group=cluster), color='black') +
  geom_point(size=3) +
  ylab("cluster") + xlab("date") +
  theme_light() +
  theme(
    legend.position = "bottom",
    legend.key=element_rect(fill='gray96'),
    legend.title =element_text(size=10),
    text=element_text(size=12),
    axis.title.x = element_text(vjust = 0, size = 11),
    axis.title.y = element_text(vjust = 2, size = 11),
    axis.text.x = element_text(angle = 90, hjust = 1, size = 9),
    panel.grid.major.x = element_blank(),
    panel.grid.minor.x = element_blank())

补充：反转排序（最早日期的cluster在Y轴顶部） #

如果需要让最早日期的cluster显示在Y轴顶部，只需在reorder中对min_date取负：

y = reorder(cluster, -min_date)

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