如何按col3值从下到上升序重排分组堆叠条形图？

问题描述 #

现有数据集包含两组（col1=1和col1=2），共享col2类别但每组对应col3数值不同。需要实现：

• 每组的堆叠条形图按col3值从下到上升序排列
• 无需手动指定col2顺序，保证代码复用性
• 最终堆叠顺序：
  • group1（col1=1）：D(5) → A(10) → C(25) → B(60)
  • group2（col1=2）：B(10) → A(15) → D(30) → C(45)

原代码默认按col2字母顺序堆叠，直接排序col3会破坏col2与col3的对应关系，需针对性处理。

解决方案 #

核心逻辑：针对每个分组（col1），将col2转换为因子类型，因子水平的顺序由该组内col3的升序排列决定——ggplot会按照因子水平的先后顺序从下到上堆叠条形。

方法1：数据集预处理（推荐，复用性强） #

先对数据集做一次分组处理，生成按col3升序排列的col2因子列，后续绘图直接调用处理后的数据集即可：

library(dplyr)
library(ggplot2)

# 原始数据集（注：原数据集group2的col3数值与需求描述不符，此处已调整为需求对应值，使用原数据可直接替换）
df <- data.frame(
  col1 = c(1, 1, 1, 1, 2, 2, 2, 2),
  col2 = c("A", "B", "C", "D", "B", "A", "D", "C"),
  col3 = c(10, 60, 25, 5, 10, 15, 30, 45)
)

# 分组处理：按col1分组，生成按col3升序排列的col2因子
df_processed <- df %>%
  group_by(col1) %>%
  mutate(
    col2_ordered = factor(col2, levels = col2[order(col3)])
  ) %>%
  ungroup()

# 绘制group1
df_processed %>% 
  filter(col1 == 1) %>% 
  ggplot(aes(x = "", y = col3, fill = col2_ordered)) +
  geom_bar(stat = "identity") +
  labs(fill = "col2") # 保持图例名称与原数据一致

# 绘制group2
df_processed %>% 
  filter(col1 == 2) %>% 
  ggplot(aes(x = "", y = col3, fill = col2_ordered)) +
  geom_bar(stat = "identity") +
  labs(fill = "col2")

方法2：ggplot内动态调整因子顺序 #

如果不需要修改原始数据集，可直接在ggplot的fill参数中动态生成按分组排序的因子：

# 绘制group1
df %>% 
  filter(col1 == 1) %>% 
  ggplot(aes(x = "", y = col3, fill = factor(col2, levels = col2[order(col3)]))) +
  geom_bar(stat = "identity") +
  labs(fill = "col2")

# 绘制group2
df %>% 
  filter(col1 == 2) %>% 
  ggplot(aes(x = "", y = col3, fill = factor(col2, levels = col2[order(col3)]))) +
  geom_bar(stat = "identity") +
  labs(fill = "col2")

注意事项 #

• 两种方法均实现了分组独立排序，不会跨组干扰col2与col3的对应关系
• 方法1适合需要多次绘图或后续分析的场景，预处理一次即可复用；方法2更轻量化，适合单次快速绘图

内容的提问来源于stack exchange，提问作者Wren