R 基于ggplot的文本挖掘频率

我正在使用一个叫做课堂演示的数据集，并分析词频的人口统计学差异。我使用tidytext进行大多数分析，并使用它创建大多数视觉效果。但是，我在创建带有标签的单词频率图的代码中遇到了一个问题。我的数据集的结构与他们的不同，我认为我是在解释它，但显然不是。这是他们生成图表的示例代码（将简·奥斯汀与勃朗特姐妹和H.G.威尔斯进行比较）

library（tidyr）
频率%
变异（单词=str_extract（单词，[a-z']+”）%%>%
计数（作者、单词）%>%
组别(作者)%>%
突变（比例=n/和（n））%>%
选择（-n）%>%
传播（作者，比例）%>%
聚集（作者，比例，'Brontë姐妹'：'H.G.威尔斯'）
图书馆（比例尺）
#预期会出现关于删除缺少值的行的警告
ggplot（频率，aes（x=比例，y=简·奥斯汀），颜色=绝对值（`简·奥斯汀`-比例）））+
几何图形（color=“gray40”，lty=2）+
几何抖动（α=0.1，尺寸=2.5，宽度=0.3，高度=0.3）+
几何图形文本（aes（标签=单词），检查重叠=真，vjust=1.5）+
比例×对数10（标签=百分比格式（）+
比例y日志10（标签=百分比格式（）+
比例颜色梯度（极限=c（0，0.001），低=“深灰色4”，高=“灰色75”）+
面包（~作者，ncol=2）+
主题（legend.position=“无”）+
实验室（y=“Jane Austen”，x=NULL）

代码生成了这个图：

我希望用我的数据集中的人口统计数据来模拟这一点，但总是会出错。这是我的代码，它使用了我已经整理过的数据集：

library(dplyr)
library(tidyr)
library(ggplot2)
library(tidytext)
library(stringr) 

windowsFonts(Franklin=windowsFont("Franklin Gothic Demi"))

marriedmen <- tidy_hm[which(tidy_hm$marital =="married" &
                               tidy_hm$gender == "m"),]
marriedwomen <- tidy_hm[which(tidy_hm$marital =="married" &
                                tidy_hm$gender == "f"),]
singlemen <- tidy_hm[which(tidy_hm$marital =="single" &
                             tidy_hm$gender == "m"),]

frequency <- bind_rows(mutate(marriedmen, status = "Married men"),
                       mutate(marriedwomen, status = "Married women"), 
                       mutate(singlemen, status = "Single men")) %>% 
  count(status, word) %>%
  group_by(status) %>%
  mutate(proportion = n / sum(n)) %>% 
  select(-n) %>% 
  spread(status, proportion) %>% 
  gather(status, proportion, `Married women`:`Single men`)

library(scales)

# expect a warning about rows with missing values being removed
ggplot(frequency, aes(x = proportion, y = 'Married men', color = abs(`Married men` - proportion)) +
  geom_abline(color = "gray40", lty = 2) +
  geom_jitter(alpha = 0.1, size = 2.5, width = 0.3, height = 0.3) +
  geom_text(aes(label = word), check_overlap = TRUE, vjust = 1.5) +
  scale_x_log10(labels = percent_format()) +
  scale_y_log10(labels = percent_format()) +
  scale_color_gradient(limits = c(0, 0.001), low = "darkslategray4", high = "gray75") +
  facet_wrap(~status, ncol = 2) +
  theme(legend.position="none") +
  labs(y = NULL, x = NULL)

库（dplyr）
图书馆（tidyr）
图书馆（GG2）
图书馆（tidytext）
图书馆（stringr）
windowsFonts（Franklin=windowsFont（“Franklin哥特式半人字”））
已婚男子%
选择（-n）%>%
价差（状态、比例）%>%
聚集（地位、比例、‘已婚妇女’：‘单身男子’）
图书馆（比例尺）
#预期会出现关于删除缺少值的行的警告
ggplot（频率，aes（x=比例，y=已婚男性，颜色=绝对值（`已婚男性`-比例））+
几何图形（color=“gray40”，lty=2）+
几何抖动（α=0.1，尺寸=2.5，宽度=0.3，高度=0.3）+
几何图形文本（aes（标签=单词），检查重叠=真，vjust=1.5）+
比例×对数10（标签=百分比格式（）+
比例y日志10（标签=百分比格式（）+
比例颜色梯度（极限=c（0，0.001），低=“深灰色4”，高=“灰色75”）+
面（状态，ncol=2）+
主题（legend.position=“无”）+
实验室（y=NULL，x=NULL）

但我一直在犯这样的错误：

日志（x，base）中的错误：数学函数的非数值参数

---

我尝试删除缩放行，但这导致大量数据被删除，绘图看起来与预期的不一样，也没有线条、标签或颜色。我对r和编码基本上是新手，因此非常感谢您的帮助。

在您的

ggplot

中，调用您的

y='已婚男人'

，将y设置为就是那个字符串。看起来你想用反勾号而不是撇号，就像你对

颜色
元素所做的那样（假设
已婚男人
在
频率
数据框中是一个变量名）@AndrewGustar是的，谢谢你的捕获。但是现在更改它会给我这个错误：
（组合变量（数据，参数$plot\u env，变量，drop=params$drop）中出错：至少一个层必须包含用于镶嵌面的所有变量）
如果看不到数据帧结构的一点细节，很难判断，但我想知道
扩展
然后
聚集
是否有删除
状态变量的效果，您正试图使用该变量进行镶嵌面处理。欢迎使用堆栈溢出！我不太清楚使用ut查看您的数据帧结构。您可以查看关于在R中制作可复制示例的问题，以获取有关如何制作小示例数据集的帮助，以便我们可以帮助您：
library(dplyr)
library(tidyr)
library(ggplot2)
library(tidytext)
library(stringr) 

windowsFonts(Franklin=windowsFont("Franklin Gothic Demi"))

marriedmen <- tidy_hm[which(tidy_hm$marital =="married" &
                               tidy_hm$gender == "m"),]
marriedwomen <- tidy_hm[which(tidy_hm$marital =="married" &
                                tidy_hm$gender == "f"),]
singlemen <- tidy_hm[which(tidy_hm$marital =="single" &
                             tidy_hm$gender == "m"),]

frequency <- bind_rows(mutate(marriedmen, status = "Married men"),
                       mutate(marriedwomen, status = "Married women"), 
                       mutate(singlemen, status = "Single men")) %>% 
  count(status, word) %>%
  group_by(status) %>%
  mutate(proportion = n / sum(n)) %>% 
  select(-n) %>% 
  spread(status, proportion) %>% 
  gather(status, proportion, `Married women`:`Single men`)

library(scales)

# expect a warning about rows with missing values being removed
ggplot(frequency, aes(x = proportion, y = 'Married men', color = abs(`Married men` - proportion)) +
  geom_abline(color = "gray40", lty = 2) +
  geom_jitter(alpha = 0.1, size = 2.5, width = 0.3, height = 0.3) +
  geom_text(aes(label = word), check_overlap = TRUE, vjust = 1.5) +
  scale_x_log10(labels = percent_format()) +
  scale_y_log10(labels = percent_format()) +
  scale_color_gradient(limits = c(0, 0.001), low = "darkslategray4", high = "gray75") +
  facet_wrap(~status, ncol = 2) +
  theme(legend.position="none") +
  labs(y = NULL, x = NULL)