R 从时间数据创建堆叠面积图

我是一名社会科学研究员，致力于想象人们如何在社区中扮演各种角色

我已经将人们的每月行为分类为角色类别，现在我想可视化每个角色在每个（相对）时间段的人数和比例

现在，数据位于CSV中，看起来像这样：

ID  T1  T2  T3 ...
1   2   2   3
2   1   0   2
3   1   2   1
...

其中X（ij）是我在第j个月时所在的集群ID

我想要的是这样的东西（我在诽谤中创造的）。

我相信我需要使用ggplot2，但我一直在努力找出如何以ggplot喜欢的格式获取数据

我想我的第一个任务是在每个时间段总结每个集群？有没有一个简单的方法

我可以用下面的代码来实现这一点，但它既糟糕又混乱，必须有更好的方法来实现吗

clus1 <- apply(clusters, 2, function(x) {sum(x=='1', na.rm=TRUE)})
clus2 <- apply(clusters, 2, function(x) {sum(x=='2', na.rm=TRUE)})
clus3 <- apply(clusters, 2, function(x) {sum(x=='3', na.rm=TRUE)})
clus0 <- apply(clusters, 2, function(x) {sum(x=='0', na.rm=TRUE)})
clusters2 <- data.frame(clus0, clus1, clus2, clus3)
c2 <- t(clusters2)
c3 <- as.data.frame(c2)
c3$id = c('Low Activity Cluster', 'Cluster 1', 'Cluster 2', 'Cluster 3')
c3 <- c3[order(c3$'id'),]
print(ggplot(melt(c3, id.vars="id")) +
  geom_area(aes(x=variable, y=value, fill=id, group=id), position="fill"))

---

这是正确的策略吗？

编辑，试图解决评论：

`rownames<-`(
  as.data.frame(lapply(df[-1], function(x) as.numeric(table(x)))), 
  paste("Clust ", 0:3)
)

这将使用

表

统计每个时间段每个簇类型（0:3）的出现次数。关键代码是

lappy（…）

。它周围的东西非常漂亮

关于数据：

set.seed(1)
labels <- paste("Clust ", 0:3)
df <- as.data.frame(c(list(ID=1:20), setNames(replicate(10, factor(sample(0:3, 20, rep=T)), simplify=F), paste0("T", 1:10))))

需要一点时间来适应

ggplot

，但一旦你习惯了，这基本上是直观的。你应该先看看melt（df，id.vars=“id”）的结果，看看我所说的“长格式”是什么意思。然后，在这种情况下，我们使用

geom_区域

，并在

aes

中指定

x

值（

variable

是由

melt

产生的名称，在这种情况下，它包含

time

值），

y

值（

value

也是由

melt

创建的），并且还指定我们区域填充的颜色应该来自

ID

。请注意，因为我们在这里使用的时间是分类的（T1、T2等，而不是实际日期），除了使用

fill

外，我们还必须使用

group

，以便

ggplot

知道您希望连接不同时间的点

注意，在打印之前不需要执行聚合步骤。

ggplot

可以在内部处理它。以下命令是等效的（注意我们如何使用

df.mlt

）：

这是我使用的数据：

df <- as.data.frame(c(list(ID=rep(factor(0:3), 3)), setNames(replicate(10, sample(1:10, 12, rep=T), simplify=F), paste0("T", 1:10))))

---

df这真的非常有帮助，但我认为这是问题的后半部分。我可能对前半部分不够清楚。我不想描绘每个用户的角色随时间的变化，而是我想描绘所有角色随时间的比例。我会调整原始问题以澄清问题。我不确定我做错了什么，但t不起作用。我的df.agg有3列-id、variable和value，其中的值只是当时该用户的集群。我正在用一些似乎有效的代码为我的问题添加一些注释，尽管它是复杂的代码。@Jeremy，这很正常。请看下一步（dcast

）。这将三列格式（长格式）转换为您希望看到的格式（宽格式）。大多数对组进行操作的R分析工具（包括

ggplot

）都使用长格式数据（在本例中为三列版本）。我想问题可能是我对原始数据解释得不够好。第一列（ID）表示用户ID，而不是群集ID。因此，有数千行，具有不同的ID。我的目标是每次跨ID聚合群集值（即表中的值）。作为旁注，非常感谢您的帮助！！！

set.seed(1)
labels <- paste("Clust ", 0:3)
df <- as.data.frame(c(list(ID=1:20), setNames(replicate(10, factor(sample(0:3, 20, rep=T)), simplify=F), paste0("T", 1:10))))

library(reshape2)
library(ggplot2)
df.mlt <- melt(df, id.vars="ID")
df.agg <- aggregate(. ~ ID + variable, df.mlt, sum)
dcast(df.agg, ID ~ variable)  # just for show, we don't use the result anyplace

#   ID T1 T2 T3 T4 T5 T6 T7 T8 T9 T10
# 1  0 25 18 29 23 16 15 14 22 29  19
# 2  1  7  7 14 18 19 11 21 17 15  22
# 3  2 16 15 16 20 23 20 16 13 15  12
# 4  3 14 13 20 17 25 14 13  7 21  24

ggplot(df.agg) +
  geom_area(aes(x=variable, y=value, fill=ID, group=ID), position="fill") 

ggplot(df.mlt) +
  stat_summary(aes(x=variable, y=value, fill=ID, group=ID), fun.y=sum, position="fill", geom="area") 

df <- as.data.frame(c(list(ID=rep(factor(0:3), 3)), setNames(replicate(10, sample(1:10, 12, rep=T), simplify=F), paste0("T", 1:10))))