Фильтруйте график плотности ggplot2 по количеству наблюдений

Question

Можно ли отфильтровать подмножества данных, которые имеют небольшое количество наблюдений в вызове ggplot2?

Например, возьмите следующий график: qplot(price,data=diamonds,geom="density",colour=cut)

Сюжет немного занят, и я хотел бы исключить значения cut с небольшим количеством наблюдений, т. Е.

> xtabs(~cut,diamonds)
cut
     Fair      Good Very Good   Premium     Ideal 
     1610      4906     12082     13791     21551

Fair и Good качеств фактора cut.

Мне нужно решение, которое могло бы соответствовать произвольному набору данных и, если возможно, иметь возможность выбирать не только по пороговому количеству наблюдений, но, например, по первой тройке.

Answer 1

ggplot(subset(diamonds, cut %in% arrange(count(diamonds, .(cut)), desc(freq))[1:3,]$cut),
  aes(price, colour=cut)) + 
  geom_density() + facet_grid(~cut)

1. count подсчитывает каждый элемент в data.frame.
2. arrange заказывает data.frame на основе указанного столбца.
3. descразрешает сортировку в обратном порядке.
4. наконец поднабор строк, вырезание которых включено в верхние 3, на %in%.

Answer 2

Вот мой дубль.Сначала создайте функцию, которая возвращает категории с большим количеством объектов.

firstx <- function (category, data, x = 1:3) {
  tab <- xtabs(~category, data)

  dimnames(tab)$category[order(tab, decreasing = TRUE)[x]]
}

#Then use subset to subset the data and droplevels to drop unused levels
#so they don't clutter the legend.
ggplot(droplevels(subset(diamonds, cut %in% firstx(cut, diamonds))), 
       aes(price, color = cut)) + geom_density()

Надеюсь, это поможет.

Answer 3

Это, кажется, требует написания вашей собственной функции поднабора, возможно, что-то вроде этого:

mySubset <- function(dat,largestK=3,thresh=NULL){
   if (is.null(thresh)){
      tbl <- sort(table(dat)) 
      return(dat %in% tail(names(tbl),largestK))
   }
   else{
      return(dat >= thresh)
   }
}

Это может быть использовано в вызове ggplot следующим образом:

ggplot(diamonds[mySubset(diamonds$cut),],...)

Этот кодне имеет дело с падением уровней из-за факторов, так что следите за этим.По этой причине я обычно оставляю категориальные переменные в виде символов, если только я не нуждаюсь в их упорядочении.

Answer 4

## Top 3 cuts
tmp <- names(sort(summary(diamonds$cut), decreasing = T))[1:3]
tmp <- droplevels(subset(diamonds, cut == tmp))
ggplot(tmp, aes(price, color=cut)) + geom_density()

Но вы рассматривали огранку?

ggplot(diamonds, aes(price, color=cut)) + geom_density() + facet_grid(~cut)