绘制 R 中分类变量随时间的出现情况

Posted 2023-02-16

【中文标题】绘制 R 中分类变量随时间的出现情况

【英文标题】：Plot the occurrence over time of a categorical variable in R

【发布时间】：2021-11-03 03:17:08

【问题描述】：

我有一个推文数据集，对于每条推文，我都有创建日期（created_at 变量，其日期格式为 2021-09-05 12:03:20 等）和推文的主题（topic 变量；可能的值为 Topic 1、Topic 2 等）。这是我的数据集的结构方式：

mydata <- read.csv(header=TRUE, text='"tweet","Topic","created_at"
"1","topic1","2018-03-09 13:01:29"
"2","topic2","2018-03-08 10:01:05"
"3","topic3","2018-03-08 12:01:03"
"4","topic4","2018-03-07 22:04:03"
"5","topic5","2018-03-06 15:02:00"
"6","topic6","2018-03-06 14:20:08"
"7","topic1","2018-03-06 12:01:51"')

我有兴趣绘制不同主题随时间的演变（即不同主题在不同日子出现的次数；时间序列图）。 基本上，我希望日期是情节的 x，y 是推文的 n° 出现次数，每个主题都有一条曲线，以便比较不同主题的推文随时间的演变。

我能做什么？

【问题讨论】：

欢迎来到 Stack Overflow。 (1) 这个有点含糊，可以给我们minimal reproducible example吗？ (2) 您是否在 Stack Overflow 上搜索过类似的答案（我没有，但我敢打赌有一些……） (3) 一般策略是 (i) 从 created_at 计算“日”变量； (ii) 使用 aggregate 或 tidyverse group_by() + summarise()； (iii) 使用您选择的绘图方法（base-R matplot，可能在稍微重新排列输出之后）或 tidyverse ggplot2)

请提供足够的代码，以便其他人更好地理解或重现问题。

【参考方案1】：

将created_at 更改为POSIXct 类型并从中提取日期。计算每个date 上提及某个主题的次数。为每个 Topic 绘制不同颜色的图表。

library(dplyr)
library(ggplot2)

mydata %>%
  mutate(created_at = lubridate::ymd_hms(created_at), 
         date = as.Date(created_at)) %>%
  count(date, Topic) %>%
  ggplot(aes(date, n, color = Topic)) + geom_line()

【参考方案2】：

我不确定这个情节是你想要的

mydata %>%
  mutate(time = as.Date(created_at), 
         Topic = as.factor(Topic)) %>%
  ggplot(aes(time, tweet, group = Topic, color = Topic)) +
  geom_point() # + geom_line() + geom_smooth()

每组没有足够的数据点，但如果您的数据有足够的数据， 使用geom_line() 绘制通过点的线（通过Topic）和geom_smooth() 绘制平滑条件均值。有关选项参数，请参阅 geom_smooth。