R dplyr组内计算相对频率及ggplot分组占比图实现问题

问题根源 #

之前统计和绘图失败的核心原因：宽格式数据转长表后，未按农场类型+物种的维度分组计算出现率，直接调用绘图函数默认按全量样本计数，无法得到分组维度的占比结果。

1. 分组占比统计实现 #

使用tidyverse套件完成数据整形与分组计算，运行结果完全匹配预期值：

# 加载依赖包
library(tidyverse)

# 示例数据
df <- data.frame(id=1:10,
               farmtype=c(rep("org",4), rep("conv",6)),
               spA=c(0,0,0,1,1,1,1,1,1,1),
               spB=c(1,1,1,0,0,0,0,0,0,0)
)

# 数据整形+分组统计
df_summarised <- df %>%
  # 宽表转长表，将两个物种类的列统一规整为species、occur两个字段
  pivot_longer(cols = starts_with("sp"),
               names_to = "species",
               values_to = "occur") %>%
  # 按农场类型、物种分组，计算出现占比（0/1变量的均值即为出现率）
  group_by(farmtype, species) %>%
  summarise(occur_rate = mean(occur), .groups = "drop")

运行后得到的统计结果：

完全符合预期：spA在有机农场占比25%、常规农场100%；spB在有机农场占比75%、常规农场0%。

2. 分组占比柱状图实现 #

之前的绘图代码存在两个问题：一是未指定y轴映射为出现率，默认geom_bar做全量计数；二是未设置分组柱状图的位置参数，不同农场类型的柱子会堆叠而非并排。直接使用上述汇总好的df_summarised绘图即可，代码如下：

ggplot(df_summarised, aes(x = species, y = occur_rate, fill = farmtype)) +
  # 绘制并排柱状图
  geom_col(width = 0.6, position = position_dodge(width = 0.7)) +
  # y轴设置为百分比格式，留足标签空间
  scale_y_continuous(labels = scales::percent_format(), limits = c(0, 1.1)) +
  # 在柱子上方添加占比数值标签
  geom_text(aes(label = scales::percent(occur_rate, accuracy = 1)),
            position = position_dodge(width = 0.7),
            vjust = -0.3, size = 3.5) +
  # 调整轴标签与主题
  labs(x = "物种", y = "物种检出占比", fill = "农场类型") +
  theme_classic()

如果不想提前做数据汇总，也可以直接在绘图函数内指定统计逻辑，但这种写法对分组参数要求高，容易出现计算错误，不推荐：

# 长表直接绘图写法
df_long <- df %>%
  pivot_longer(cols = starts_with("sp"), names_to = "species", values_to = "occur")

ggplot(df_long, aes(x = species, y = occur, fill = farmtype)) +
  geom_bar(stat = "summary", fun = "mean", width = 0.6, position = position_dodge(width = 0.7))

内容的提问来源于stack exchange，提问作者Gmichael