R ggplot2统计数据="；“身份”；而在条形图中叠加颜色则给出；条纹的；条形图

在回答我的问题之后，我提出了另一个问题：

如何在不重塑数据的情况下，根据另一个类别以不同颜色绘制堆叠条形图，同时使用stats=“identity”汇总每个堆叠区域的值

stats标识可以很好地对值进行汇总，但对于非堆叠列。在堆叠的列中，堆叠以某种方式“倍增”或“条带化”，见下图

一些数据样本：

element <- rep("apples", 15)
qty <- c(2, 1, 4, 3, 6, 2, 1, 4, 3, 6, 2, 1, 4, 3, 6)
category1 <- c("Red", "Green", "Red", "Green", "Yellow")
category2 <- c("small","big","big","small","small")
d <- data.frame(element=element, qty=qty, category1=category1, category2=category2)

然后：
ggplot（d，aes（x=类别1，y=数量，fill=类别2））+geom_bar（stat=“identity”）

但是图表有点混乱：颜色没有组合在一起

为什么会有这种行为

---

是否仍有一个选项可以在不重塑数据的情况下正确分组颜色

一种方法是按

类别2

对数据进行排序。这也可以在

ggplot（）调用中完成

ggplot(d[order(d$category2),], aes(x=category1, y=qty, fill=category2)) + 
             geom_bar(stat="identity")

我曾经使用过这个解决方案，但碰巧在我的大型数据库（60000个条目）上，有序的堆叠条ggplot2根据缩放级别在条之间绘制了一些空白。不确定这个问题是从哪里来的——但有一种猜测是我堆积了太多的条：p

使用plyr聚合数据解决了问题：

element <- rep("apples", 15)
qty <- c(2, 1, 4, 3, 6, 2, 1, 4, 3, 6, 2, 1, 4, 3, 6, )
category1 <- c("Red", "Green", "Red", "Green", "Yellow")
category2 <- c("small","big","big","small","small")
d <- data.frame(element=element, qty=qty, category1=category1, category2=category2)

1：数据帧名称
2，3：要保留的列->要进行计算的分组因子
概述：创建新的数据帧（与转换不同）
4：计算列的名称
函数：要应用的函数-这里是sum（）
6：应用函数的列

4、5、6可重复计算更多字段

GG2：
ggplot（d，aes（x=类别1，y=数量，fill=类别2））+geom_bar（stat=“identity”）

现在，正如罗曼·卢什特里克（Roman Luštrik）所建议的那样，数据是根据要显示的图表进行聚合的

应用ddply后，数据确实更清晰：

  category1 category2 qty
1     Green       big   3
2     Green     small   9
3       Red       big  12
4       Red     small   6
5    Yellow     small  18

我终于了解了如何管理我的数据集，因为这是一个非常棒的信息源：

还有那个：

。。。就因为？ddply有点。。。奇怪（示例不同于选项的解释）-看起来没有关于速记的说明。。。但我可能遗漏了一点…
为什么重塑是不可能的
stat=identity
只会画出你给它的东西。在您的例子中，是一个混乱的数据集。您必须手动处理该表以获得所需的结果（我不知道它应该是什么样子）。我尝试将最轻的代码嵌入到php编码的插件中，以包含在网站（tikiwiki CMS）中，这样非R-Wiki用户仍然可以根据其数据自定义一些统计数据。另外，由于一个页面中可能有许多插件，我希望保持服务器用于显示低统计数据。。。也就是说，重塑并不是不可能的：）
d <- ddply(d, .(category1, category2), summarize, qty=sum(qty, na.rm = TRUE))

ddply(1, .(2, 3), summarize, 4=function(6, na.rm = TRUE))

  category1 category2 qty
1     Green       big   3
2     Green     small   9
3       Red       big  12
4       Red     small   6
5    Yellow     small  18