首页 文章

了解日期并使用R中的ggplot2绘制直方图

提问于
浏览 次
56

主要问题

我在理解为什么日期，标签和中断的处理没有像我在R中尝试使用ggplot2进行直方图时所预期的那样有问题 .

I'm looking for:

  • 我日期频率的直方图

  • 在匹配条下方居中的刻度线

  • %Y-b 格式的日期标签

  • 适当的限制;最小化网格空间边缘和最外边条之间的空白空间

我已经uploaded my data to pastebin使这个可重复 . 我确定最好的方法：

> dates <- read.csv("http://pastebin.com/raw.php?i=sDzXKFxJ", sep=",", header=T)
> head(dates)
       YM       Date Year Month
1 2008-Apr 2008-04-01 2008     4
2 2009-Apr 2009-04-01 2009     4
3 2009-Apr 2009-04-01 2009     4
4 2009-Apr 2009-04-01 2009     4
5 2009-Apr 2009-04-01 2009     4
6 2009-Apr 2009-04-01 2009     4

这是我试过的：

library(ggplot2)
library(scales)
dates$converted <- as.Date(dates$Date, format="%Y-%m-%d")

ggplot(dates, aes(x=converted)) + geom_histogram()
+      opts(axis.text.x = theme_text(angle=90))

产生this graph . 我想要 %Y-%b 格式化，所以我在this SO基于this SO进行了搜索并尝试了以下内容：

ggplot(dates, aes(x=converted)) + geom_histogram()
+    scale_x_date(labels=date_format("%Y-%b"),
+    breaks = "1 month")
+    opts(axis.text.x = theme_text(angle=90))

stat_bin: binwidth defaulted to range/30. Use 'binwidth = x' to adjust this.

那给了我this graph

  • 更正x轴标签格式

  • 频率分布发生了变化（binwidth问题？）

  • 刻度标记不会显示在条形图的中心

  • xlims也发生了变化

我在 scale_x_date 部分的ggplot2 documentation中完成了示例，当我使用相同的x轴数据时， geom_line() 似乎正确地打破，标记和居中 . 我不明白为什么直方图不同 .

根据来自edgeter和gauden的答案进行更新

我最初认为gauden的回答帮助我解决了我的问题，但现在我更加困惑地看了一眼 . 请注意代码后两个答案的结果图之间的差异 .

假设两者：

library(ggplot2)
library(scales)
dates <- read.csv("http://pastebin.com/raw.php?i=sDzXKFxJ", sep=",", header=T)

基于@ edgester的答案，我能够做到以下几点：

freqs <- aggregate(dates$Date, by=list(dates$Date), FUN=length)
freqs$names <- as.Date(freqs$Group.1, format="%Y-%m-%d")

ggplot(freqs, aes(x=names, y=x)) + geom_bar(stat="identity") +
       scale_x_date(breaks="1 month", labels=date_format("%Y-%b"),
                    limits=c(as.Date("2008-04-30"),as.Date("2012-04-01"))) +
       ylab("Frequency") + xlab("Year and Month") +
       theme_bw() + opts(axis.text.x = theme_text(angle=90))

这是我基于高登答案的尝试：

dates$Date <- as.Date(dates$Date)
ggplot(dates, aes(x=Date)) + geom_histogram(binwidth=30, colour="white") +
       scale_x_date(labels = date_format("%Y-%b"),
                    breaks = seq(min(dates$Date)-5, max(dates$Date)+5, 30),
                    limits = c(as.Date("2008-05-01"), as.Date("2012-04-01"))) +
       ylab("Frequency") + xlab("Year and Month") +
       theme_bw() + opts(axis.text.x = theme_text(angle=90))

基于edgeter方法的绘图：

edgester-plot

基于gauden方法的情节：

gauden-plot

请注意以下事项：

在2009年12月和2010年3月的高登的情节中存在差距; table(dates$Date) 显示数据中有19个 2009-12-01 个实例和26个 2010-03-01 个实例

  • edgeter 's plot starts at 2008-Apr and ends at 2012-May. This is correct based on a minimum value in the data of 2008-04-01 and a max date of 2012-05-01. For some reason gauden'的情节从2008年3月开始，并且仍然以某种方式设法在2012年5月结束 . 在计算垃圾箱并沿着月份标签阅读之后，对于我的生活，我无法弄清楚哪个地块有额外的或缺少直方图的垃圾箱！

有关这些差异的任何想法吗？ edgeter创建单独计数的方法

相关参考资料

顺便说一句，这里有其他位置有关于日期的信息和ggplot2供路人寻求帮助：

  • Started here在learnr.wordpress，一个受欢迎的R博客 . 它表示我需要将我的数据转换为POSIXct格式，我现在认为这种格式是错误的，浪费了我的时间 .

  • Another learnr post在ggplot2中重新创建了一个时间序列，但并不适用于我的情况 .

  • r-bloggers has a post on this，但它似乎已过时 . 简单的 format= 选项对我不起作用 .

  • This SO question正在玩休息和标签 . 我试着将我的 Date 矢量视为连续的，并且认为它不能很好地工作 . 看起来它一遍又一遍地覆盖相同的标签文字，所以字母看起来很奇怪 . 分布是正确的，但有一些奇怪的休息 . 我基于接受的答案的尝试是这样的（result here） .

r datetime ggplot2 histogram

3 回答

  • 30

    UPDATE

    版本2：使用Date类

    我更新了示例以演示在绘图上对齐标签和设置限制 . 我还证明 as.Date 在使用时确实有效（实际上它可能比我之前的例子更适合你的数据） .

    目标图v2

    date-based histogram

    守则v2

    这是（有点过分）评论代码：

    library("ggplot2")
library("scales")

dates <- read.csv("http://pastebin.com/raw.php?i=sDzXKFxJ", sep=",", header=T)
dates$Date <- as.Date(dates$Date)

# convert the Date to its numeric equivalent
# Note that Dates are stored as number of days internally,
# hence it is easy to convert back and forth mentally
dates$num <- as.numeric(dates$Date)

bin <- 60 # used for aggregating the data and aligning the labels

p <- ggplot(dates, aes(num, ..count..))
p <- p + geom_histogram(binwidth = bin, colour="white")

# The numeric data is treated as a date,
# breaks are set to an interval equal to the binwidth,
# and a set of labels is generated and adjusted in order to align with bars
p <- p + scale_x_date(breaks = seq(min(dates$num)-20, # change -20 term to taste
                                   max(dates$num), 
                                   bin),
                      labels = date_format("%Y-%b"),
                      limits = c(as.Date("2009-01-01"), 
                                 as.Date("2011-12-01")))

# from here, format at ease
p <- p + theme_bw() + xlab(NULL) + opts(axis.text.x  = theme_text(angle=45,
                                                                  hjust = 1,
                                                                  vjust = 1))
p

    版本1：使用POSIXct

    我尝试了一个解决方案，它可以完成 ggplot2 中的所有操作，不使用聚合进行绘制，并在2009年初到2011年底之间设置x轴上的限制 .

    目标图v1

    plot with limits set in ggplot2

    守则v1

    library("ggplot2")
library("scales")

dates <- read.csv("http://pastebin.com/raw.php?i=sDzXKFxJ", sep=",", header=T)
dates$Date <- as.POSIXct(dates$Date)

p <- ggplot(dates, aes(Date, ..count..)) + 
    geom_histogram() +
    theme_bw() + xlab(NULL) +
    scale_x_datetime(breaks = date_breaks("3 months"),
                     labels = date_format("%Y-%b"),
                     limits = c(as.POSIXct("2009-01-01"), 
                                as.POSIXct("2011-12-01")) )

p

    当然，它可以在轴上使用标签选项，但这是在绘图包中使用干净的短程序完成绘图 .

    回复于
  • 5

    我认为关键是你需要在ggplot之外进行频率计算 . 将aggregate（）与geom_bar（stat =“identity”）一起使用以获得没有重新排序因子的直方图 . 这是一些示例代码：

    require(ggplot2)

# scales goes with ggplot and adds the needed scale* functions
require(scales)

# need the month() function for the extra plot
require(lubridate)

# original data
#df<-read.csv("http://pastebin.com/download.php?i=sDzXKFxJ", header=TRUE)

# simulated data
years=sample(seq(2008,2012),681,replace=TRUE,prob=c(0.0176211453744493,0.302496328928047,0.323054331864905,0.237885462555066,0.118942731277533))
months=sample(seq(1,12),681,replace=TRUE)
my.dates=as.Date(paste(years,months,01,sep="-"))
df=data.frame(YM=strftime(my.dates, format="%Y-%b"),Date=my.dates,Year=years,Month=months)
# end simulated data creation

# sort the list just to make it pretty. It makes no difference in the final results
df=df[do.call(order, df[c("Date")]), ]

# add a dummy column for clarity in processing
df$Count=1

# compute the frequencies ourselves
freqs=aggregate(Count ~ Year + Month, data=df, FUN=length)

# rebuild the Date column so that ggplot works
freqs$Date=as.Date(paste(freqs$Year,freqs$Month,"01",sep="-"))

# I set the breaks for 2 months to reduce clutter
g<-ggplot(data=freqs,aes(x=Date,y=Count))+ geom_bar(stat="identity") + scale_x_date(labels=date_format("%Y-%b"),breaks="2 months") + theme_bw() + opts(axis.text.x = theme_text(angle=90))
print(g)

# don't overwrite the previous graph
dev.new()

# just for grins, here is a faceted view by year
# Add the Month.name factor to have things work. month() keeps the factor levels in order
freqs$Month.name=month(freqs$Date,label=TRUE, abbr=TRUE)
g2<-ggplot(data=freqs,aes(x=Month.name,y=Count))+ geom_bar(stat="identity") + facet_grid(Year~.) + theme_bw()
print(g2)
    回复于
  • 0

    Headers 为“基于Gauden方法的绘图”下的错误图是由于binwidth参数：... Geom_histogram（binwidth = 30，color =“white”）...如果我们将30的值更改为a如果值小于20，例如10，您将获得所有频率 .

    在统计数据中，这些值比表示更重要，更重要的是一个平淡的图形到一个非常漂亮的图片，但有错误 .

    回复于

相关问题