ggplot按分组统计百分比实现分类数据可视化问题咨询

原有代码的问题 #

原有代码输出全局占比而非组内占比，核心是三个问题：

• dplyr::group_by()的分组规则不会自动传递给ggplot的统计计算逻辑，管道里加group_by(d)对后续ggplot的计数逻辑没有任何作用
• 原来的(..count..)/sum(..count..)写法是对全量数据的所有计数求和，计算基准是整个数据集，自然无法得到单组内的占比
• 代码里错误引用了不存在的数据集DataT，且全局映射未指定分组维度（fill），进一步导致统计逻辑无法按组拆分

正确实现方法 #

方法1：绘图层直接计算（无需提前统计） #

用ggplot2支持的after_stat()获取统计后的计数值，配合ave()按分组维度计算组内总和，直接得到组内占比：

library(tidyverse)
library(scales)

# 示例数据
c <- c("Impossible", "Easy", "Impossible", "Difficult", "Impossible", "Difficult", "Easy", "Easy",
       "Easy", "Difficult")
d <- c("F", "F", "V", "V", "F", "F", "V", "F", "V", "F")
e <- data.frame(c,d)

# 绘图
plot_by_group <- e %>%
  ggplot(mapping = aes(x = c, fill = d)) +                            
  geom_bar(
    aes(y = after_stat(count / ave(count, fill, FUN = sum))), 
    position = "dodge2"
  ) + 
  scale_y_continuous(labels = percent, name = "组内占比")
plot_by_group

关键逻辑说明：ave(count, fill, FUN = sum)会按照fill映射的d列分组，分别计算F、V两个组各自的总样本量，再用单个难度类别的计数除以对应组的总样本量，最终每个分组下的柱形占比累加为100%。

方法2：提前统计占比后绘图（逻辑更可控） #

如果怕统计口径出错，可以先用dplyr提前算好每个组内的百分比，再用geom_col()绘图，中间结果可直接核对：

plot_precomputed <- e %>%
  # 交叉统计两个分类变量的频数
  count(d, c) %>%
  # 按d分组计算组内占比
  group_by(d) %>%
  mutate(pct = n / sum(n)) %>%
  ungroup() %>%
  # 传入统计好的结果绘图
  ggplot(aes(x = c, y = pct, fill = d)) +
  geom_col(position = "dodge2") +
  scale_y_continuous(labels = percent, name = "组内占比")
plot_precomputed

这个方法可以在绘图前直接输出统计的表格，确认每个d分组的pct列累加为1，避免统计逻辑错误。

内容的提问来源于stack exchange，提问作者C.L.