Как построить гистограмму месячных отклонений от среднегодового значения?

Question

SO!

Я пытаюсь создать график месячных отклонений от среднегодового значения температуры для данных, используя гистограмму. У меня есть данные за многие годы, и я хочу показать сезонное поведение температур между месяцами. Столбцы должны представлять отклонение от среднегодового значения, которое пересчитывается для каждого года. Вот пример, который похож на то, что я хочу, только на один год:

Мои данные конфиденциальны, поэтому я пока не могу ими поделиться, но я сделал воспроизводимый пример, используя набор данных txhousing (он поставляется с ggplot2). Столбец salesdiff - это отклонение между месячными продажами (усредненными по всем городам) и среднегодовым показателем за каждый год Теперь проблема в том, чтобы построить это.

library(ggplot2)
df <- aggregate(sales~month+year,txhousing,mean)

df2 <- aggregate(sales~year,txhousing,mean)

df2$sales2 <- df2$sales #RENAME sales
df2 <- df2[,-2] #REMOVE sales

df3<-merge(df,df2) #MERGE dataframes

df3$salesdiff <- df3$sales - df3$sales2 #FIND deviation between monthly and annual means

#plot deviations
ggplot(df3,aes(x=month,y=salesdiff)) +
         geom_col()

Мой ggplot в данный момент выглядит не очень хорошо

Каким-то образом он складывает столбцы для каждого месяца со всеми данными за годы. В идеале, дата должна быть на оси X, охватывающей многие годы (я думаю, что набор данных за 2000-2015 гг.), И разные цвета в зависимости от того, будет ли salesdiff выше или ниже. Вы все классные, и я бы приветствовал ЛЮБОЙ совет !!!!

Answer 1

Вероятно, главная проблема здесь в том, что geom_col() не примет другие эстетические свойства, если вы явно не скажете это. Один из способов получить то, что вы хотите, - использовать два вызова geom_col(), чтобы создать две разные гистограммы, которые будут объединены в два разных слоя. Кроме того, вам необходимо создать информацию о дате, которую можно легко передать в ggplot(); Я использую пакет lubridate() для этой задачи.

Обратите внимание, что мы объединяем здесь столбцы "месяц" и "год", а затем используем ymd() для получения значений даты. Я решил не преобразовывать столбец «date» с двойным значением в txhousing, используя что-то вроде date_decimal(), потому что иногда это может сбить с толку февральские и январские месяцы (например, 1 февраля «округляется» до 31 января).

Я решил построить подмножество набора данных txhousing, который намного удобнее отображать в учебных целях.

Код:

library("tidyverse")
library("ggplot2")

# subset txhousing to just years >= 2011, and calculate nested means and dates
housing_df <- filter(txhousing, year >= 2011) %>%
  group_by(year, month) %>%
  summarise(monthly_mean = mean(sales, na.rm = TRUE),
            date = first(date)) %>%
  mutate(yearmon = paste(year, month, sep = "-"),
         date = ymd(yearmon, truncated = 1), # create date column
         salesdiff = monthly_mean - mean(monthly_mean), # monthly deviation
         higherlower = case_when(salesdiff >= 0 ~ "higher", # for fill aes later
                                 salesdiff < 0 ~ "lower"))

ggplot(data = housing_df, aes(x = date, y = salesdiff, fill = as.factor(higherlower))) +
  geom_col() +
  scale_x_date(date_breaks = "6 months",
               date_labels = "%b-%Y") +
  scale_fill_manual(values = c("higher" = "blue", "lower" = "red")) +
  theme_bw()+
  theme(legend.position = "none") # remove legend

Участок:

Здесь хорошо видно периодическое поведение; Увеличение продаж, как представляется, происходит каждую весну, причем продажи падают в осенние и зимние месяцы. Имейте в виду, что вы можете изменить цвета, которые я назначил, если вы хотите использовать этот код для температурных данных! Это было весело - удачи и счастливого заговора!

Answer 2

Как-то так должно работать?

Как правило, вам нужно создать двоичную переменную, которая позволит вам изменить цвет (fill), если salesdiff положительный или отрицательный, который называется ниже factordiff.

Плюс вам нужна переменная date для month и year вместе взятых.

library(ggplot2)
library(dplyr)

df3$factordiff <- ifelse(df3$salesdiff>0, 1, 0) # factor variable for colors

df3 <- df3 %>% 
  mutate(date = paste0(year,"-", month), # this builds date like "2001-1"
         date = format(date, format="%Y-%m")) # here we create the correct date format

#plot deviations
ggplot(df3,aes(x=date,y=salesdiff, fill = as.factor(factordiff))) +
  geom_col()

Конечно, это приводит к сложному для чтения графику, потому что у вас много дат, вы можете установить его поднабор и показать только ограниченное время:

df3 %>% 
  filter(date >= "2014-1") %>% # we filter our data from 2014
  ggplot(aes(x=date,y=salesdiff, fill = as.factor(factordiff))) +
  geom_col() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) # adds label rotation