在R中实现日期X轴的离散变量累积条形图并封装通用函数

嘿，我明白你现在的困扰——手动一个个筛选品牌来做堆叠图太麻烦，而且代码完全没法复用对吧？咱们用tidyverse这套工具来重构，既简洁又能轻松封装成通用函数，完美适配不同变量。

先理清楚核心需求 #

你的目标是：

• X轴为日期（支持按日/月/年等粒度聚合）
• Y轴为离散变量的频率，绘制堆叠条形图（或百分比堆叠）
• 代码要通用，能快速切换不同的分类变量和日期列

第一步：准备示例数据 #

先把你提供的示例数据转换成可直接调用的格式：

library(tidyverse)
library(lubridate)

# 示例数据
sample_data <- tibble(
  Purchase_date = ymd(c(
    "2014-10-23", "2014-10-23", "2014-10-23", "2014-10-23",
    "2014-10-24", "2014-10-24", "2014-10-24", "2014-10-24", "2014-10-24",
    "2014-10-25", "2014-10-25", "2014-10-25", "2014-10-25", "2014-10-25"
  )),
  Phone = c("Sony", "Apple", "Nokia", "Nokia", NA, "Nokia", "Sony", "Other", "Apple",
            "Sony", NA, "Apple", "Sony", "Nokia")
)

第二步：通用数据处理函数 #

不用手动筛选每个分类，我们用tidyverse的语法自动统计并补全缺失组合（比如某日期没有的品牌，频次设为0）：

process_plot_data <- function(data, date_col, category_col, date_unit = "day") {
  data %>%
    # 按指定粒度聚合日期（支持day/month/year等）
    mutate(!!sym(date_col) := floor_date(!!sym(date_col), unit = date_unit)) %>%
    # 处理NA值：将缺失的分类归为"Unknown"
    mutate(!!sym(category_col) := replace_na(!!sym(category_col), "Unknown")) %>%
    # 统计每个日期-分类的频次
    group_by(!!sym(date_col), !!sym(category_col)) %>%
    count(name = "frequency") %>%
    # 补全所有日期-分类组合，缺失的频次填0
    complete(!!sym(date_col), !!sym(category_col), fill = list(frequency = 0)) %>%
    ungroup()
}

# 处理示例数据：按日聚合，分类为Phone列
processed_data <- process_plot_data(sample_data, "Purchase_date", "Phone", date_unit = "day")

第三步：堆叠条形图绘制函数 #

用ggplot2实现普通堆叠/百分比堆叠两种模式，自动适配不同变量：

plot_stacked_bar <- function(processed_data, date_col, category_col, plot_type = "stack") {
  # 选择堆叠模式：stack为普通频次堆叠，fill为百分比堆叠
  pos <- ifelse(plot_type == "fill", "fill", "stack")
  
  processed_data %>%
    ggplot(aes(x = !!sym(date_col), y = frequency, fill = !!sym(category_col))) +
    geom_col(position = pos) +
    # 格式化日期轴，避免标签重叠
    scale_x_date(date_labels = "%Y-%m-%d", guide = guide_axis(angle = 45)) +
    # 根据模式调整Y轴标签
    labs(
      x = "日期",
      y = ifelse(plot_type == "fill", "占比", "频次"),
      fill = str_to_title(category_col)
    ) +
    theme_minimal() +
    theme(plot.title = element_text(hjust = 0.5))
}

# 生成普通频次堆叠图
plot_stacked_bar(processed_data, "Purchase_date", "Phone", plot_type = "stack") +
  ggtitle("每日各品牌手机购买频次堆叠图")

# 生成百分比堆叠图
plot_stacked_bar(processed_data, "Purchase_date", "Phone", plot_type = "fill") +
  ggtitle("每日各品牌手机购买占比堆叠图")

为什么这比你原来的代码更优？ #

• 完全通用：换分类变量（比如"Payment_Type"）或日期列（比如"Sale_Date"），直接传参数即可，无需修改核心逻辑
• 自动处理NA：不会漏掉缺失值，统一归为"Unknown"类别
• 无数据断层：自动补全所有日期-分类组合，绘图时不会出现空白
• 代码简洁：不用手动创建多个xts对象，管道语法清晰易读

测试复用性 #

比如你有另一个数据集，想按月聚合支付方式的占比，直接调用函数就行：

# 模拟另一个数据集
another_data <- tibble(
  Sale_Date = ymd(rep(seq(ymd("2024-01-01"), ymd("2024-03-01"), by = "day"), each = 5)),
  Payment_Method = sample(c("Credit", "Cash", "WeChat", NA), 90, replace = TRUE)
)

# 处理数据（按月聚合）
processed_another <- process_plot_data(another_data, "Sale_Date", "Payment_Method", date_unit = "month")

# 绘制百分比堆叠图
plot_stacked_bar(processed_another, "Sale_Date", "Payment_Method", plot_type = "fill") +
  ggtitle("每月各支付方式占比堆叠图")

这样不管你换什么数据、什么变量，都能快速生成符合要求的堆叠条形图啦！

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