如何使用ggplot2结合fct_reorder()实现分类占比条形图的降序排序
按交易占比降序排列分类轴的ggplot2条形图实现方法
代码失效的核心原因
- 两次重复叠加冲突的柱形图层:在管道里count聚合出每个类别的频数后,没有直接基于聚合好的数据绘图,反而又额外加了一个基于全量数据算占比的
geom_bar图层,两套统计逻辑的柱形叠在一起,视觉结果自然错乱。 - 没有将类别变量转换为按数值排序的有序因子:哪怕占比计算正确,x轴的分类变量如果是普通字符/默认无序因子,坐标轴顺序会按照字符首字母/原始出现顺序排列,不会自动按照柱高降序展示。
可直接运行的两种实现方案
方案1:提前聚合计算占比(稳定性最高,适合需要自定义标注的场景)
先在数据预处理阶段算好每个类别的交易数、占比,再用*fct_reorder*按照占比值把类别转成降序的有序因子,最后直接绘图即可:
# 依赖包加载 library(ggplot2) library(dplyr) library(forcats) library(scales) # 数据预处理 data_plot <- data %>% count(category, name = "trans_num") %>% # 统计每个类别的交易笔数 mutate( trans_prop = trans_num / sum(trans_num), # 计算类别的交易占比 # 按占比降序重设类别因子的顺序,绘图时x轴就会按照这个顺序展示 category = fct_reorder(category, trans_prop, .desc = TRUE) ) # 绘图 ggplot(data = data_plot) + geom_bar(aes(x = category, y = trans_prop), stat = "identity") + scale_y_continuous(labels = percent_format()) + coord_flip() + ylab("Total transactions %") + labs(title = "Total Transactions by Category") + theme_classic()
方案2:直接在原始数据上完成排序(无需提前聚合,代码更简洁)
如果不需要提前计算中间统计值,可以直接在aes映射里把x轴的类别变量通过*fct_reorder*按每个类别的记录数(也就是交易数)降序排列,配合原有的占比统计逻辑绘图:
ggplot(data = data) + # 直接在x映射里把类别按记录数降序排序,配合占比统计 geom_bar(aes( x = fct_reorder(category, category, .fun = length, .desc = TRUE), y = ..prop.., group = 1 )) + scale_y_continuous(labels = percent_format()) + coord_flip() + xlab("Category") + ylab("Total transactions %") + labs(title = "Total Transactions by Category") + theme_classic()
常见踩坑提醒
- 原基础代码存在语法位置错误:
..prop..作为y轴映射的统计变量,需要写到aes()内部,和x、group参数放在同一个映射块里,之前的写法把..prop..放到aes()外面,根本无法被ggplot识别。 - 不要同时叠加
stat="count"和stat="identity"两种统计逻辑的柱形图层,两层柱形的统计基数不同,画出来的占比会完全失真。 - 用
..prop..做占比统计时,一定要加group = 1参数,否则ggplot会默认按照x轴的分类分组算占比,每个类别的占比都会是100%,完全不符合预期。
内容的提问来源于stack exchange,提问作者SidStack
相关产品推荐
相关产品推荐

