具有重复因素的 ggplot 组的绘图顺序

Question

我正在尝试进行一些文本分析，并尝试使用反向文档频率（数值）显示每本书的热门词。我主要关注 TidyText 挖掘，但使用的是哈利波特。

有些书之间的前几个词（使用 IDF）是相同的（例如 Lupin 或 Griphook），并且在绘图时，顺序使用该词的最大 IDF。例如，拉钩是《魔法石》和《死亡圣器》中的关键词。它在死亡圣器中的价值为 .0007，但只有 .0002，但被列为魔法石的最高价值。

hp.plot <- hp.words %>%
  arrange(desc(tf_idf)) %>%
  mutate(word = factor(word, levels = rev(unique(word))))

##For correct ordering of books
hp.plot$book <- factor(hp.plot$book, levels = c('Sorcerer\'s Stone', 'Chamber of Secrets',
                                                 'Prisoner of Azkhaban', 'Goblet of Fire',
                                                 'Order of the Phoenix', 'Half-Blood Prince',
                                                 'Deathly Hallows'))

hp.plot %>%
  group_by(book) %>% 
  top_n(10) %>% 
  ungroup %>%
  ggplot(aes(x=word, y=tf_idf, fill = book, group = book)) +
  geom_col(show.legend = FALSE) +
  labs(x = NULL, y = "tf-idf") +
  facet_wrap(~book, scales = "free") +
  coord_flip()

和 here's 数据帧图像供您参考。

我事先尝试过排序，但似乎不起作用。有什么想法吗？

编辑：CSV is here

Answer 1

reorder() 函数将按指定变量对因子重新排序（参见 ?reorder）。

在绘图之前的最后一个块中的 ungroup() 之后插入 mutate(word = reorder(word, tf_idf)) 应该按 tf_idf 重新排序。我没有你的数据样本，但使用 janeaustenr 包，这样做是一样的：

library(tidytext)
library(janeaustenr)
library(dplyr)

book_words <- austen_books() %>%
  unnest_tokens(word, text) %>%
  count(book, word, sort = TRUE) %>%
  ungroup()

total_words <- book_words %>% 
  group_by(book) %>% 
  summarize(total = sum(n))

book_words <- left_join(book_words, total_words)

book_words <- book_words %>%
  bind_tf_idf(word, book, n) 


library(ggplot2)
book_words %>% 
  group_by(book) %>%
  top_n(10) %>% 
  ungroup() %>% 
  mutate(word = reorder(word, tf_idf)) %>% 
  ggplot(aes(x = word, y = tf_idf, fill = book, group = book)) + 
  geom_col(show.legend = FALSE) +
  labs(x = NULL, y = "tf-idf") +
  facet_wrap(~book, scales = "free") +
  coord_flip()

Answer 2

如果您想手动更改因子水平的顺序，您可以尝试：

word = factor(word, levels = word[c(grep("griphook", word)[1], grep("quirrell", word)[1], ...)]);

如果因子水平应按 tf_idf 排序，您可以使用以下内容：

level_ordered =rep(0, l)
for (i in 0: (l-1))
{
    level_ordered = c(level_ordered, grep(as.character((sort(tf_idf, partial=l-i)[l-i])), tf_idf)[1])
}
word = factor(word, levels=word[level_ordered])

Answer 3

问的是一个以前已经回答过的问题，但我不熟悉 ggplot 的术语。它在下面的 SO 线程中得到了回答。

具有重复因素的 ggplot 组的绘图顺序

Plotting order for ggplot groups with repeated factors

r

ggplot2

tidyverse