R：自动识别变量的"type"

Question

我正在使用 R 编程语言。假设我有以下数据：

#create data
var_1 = rnorm(1000,10,10)

var_2 <- c("1","0")
var_2 <- sample(var_1, 1000, replace=TRUE, prob=c(0.3, 0.7))


response<- c("2", "1","0")
response <- sample(response, 1000, replace=TRUE, prob=c(0.3, 0.4, 0.3))

my_data = data.frame(var_1, var_2, response)

my_data$var_2 = as.factor(my_data$var_2)
my_data$response = as.factor(my_data$response)

我编写了以下代码，为“因子”变量绘制直方图，为“数值”变量绘制密度图：

  #load libraries
library(ggplot2)
library(gridExtra)


#first plot
p1 = ggplot(my_data) +
    geom_histogram(aes(x=var_1, fill=response), 
                   colour="grey50", alpha=0.5, position="identity")+ ggtitle("var_2 vs response")

#second plot (for some reason, this does not look correct?)

p2 = ggplot(my_data, aes(x = var_2, fill = response)) + geom_density(alpha = 0.5) + ggtitle("var_1 vs response")

grid.arrange(p1, p2, ncol=2)

我的问题：假设我有一个包含许多“因子”变量和“数值”变量的数据集。 R中有没有函数可以自动检测变量是“因子”还是“数值”，然后绘制相应的图形（使用“响应变量”的颜色填充）？

是否可以自动生成这些图表，而无需手动指示 R 为每个变量“类型”制作正确的图表类型？（例如，假设数据集中有 10 个变量，是否可以制作 10 个这样的图表？）

谢谢

Answer 1

您可以使用 lapply -

library(ggplot2)
library(gridExtra)

var_cols <- grep('var', names(my_data), value = TRUE)

do.call(grid.arrange, c(lapply(var_cols, function(x) {
  if(is.numeric(my_data[[x]])) {
    ggplot(my_data) +
      geom_histogram(aes(x=.data[[x]], fill=response), 
                     colour="grey50", alpha=0.5, position="identity") + 
      ggtitle(paste(x, 'vs response'))
  }
  else {
    ggplot(my_data, aes(x = .data[[x]], fill = response)) + 
      geom_density(alpha = 0.5) + 
      ggtitle(paste(x, 'vs response'))
  }
}), ncol = length(var_cols)))

Answer 2

我们可以尝试这个解决方案：

转换为 tibble
type.convert(as.is = TRUE)获得最真实的类型
将所有整数转换为跨所有列的因子

library(tidyverse)
library(gridExtra)

my_data1 <- my_data %>% 
  as_tibble() %>% 
  type.convert(as.is = TRUE) %>% 
  mutate(across(where(is.integer), factor))



#first plot
p1 = ggplot(my_data1) +
  geom_histogram(aes(x=var_1, fill=response), 
                 colour="grey50", alpha=0.5, position="identity")+ ggtitle("var_2 vs response")

#second plot (for some reason, this does not look correct?)

p2 = ggplot(my_data1, aes(x = var_2, fill = response)) + geom_density(alpha = 0.5) + ggtitle("var_1 vs response")

grid.arrange(p1, p2, ncol=2)

R：自动识别变量的"type"

R: Automatically recognizing the "type" of variable

r

data-visualization

ggplot2