如何在 R 中绘制探索性决策树

Posted 2023-03-12

【中文标题】如何在 R 中绘制探索性决策树

【英文标题】：How to plot an exploratory decision tree in R

【发布时间】：2016-05-07 15:43:36

【问题描述】：

假设在一段时间内跟踪了一组人，并且在 3 个时间点询问他们是否愿意成为评委。在此期间，他们会改变他们的看法。我想以图形方式显示在一段时间内成为判断/不判断的意见变化。 这是一个如何显示它的想法：

以下是阅读情节的方法：

抽样了 1,462 名学生，其中 (400+295+22+147) 名学生希望成为评委（第一行向上）。 蓝色路径意味着他们最终成为法官。 黑色路径意味着他们最后做了其他事情。 线路上升：他们想成为法官。 线路中断：他们不想成为法官。 线条的粗细与通过此特定路径的人数成正比（= 绘制在路径末端的人数）。

例如： (a) 118 人在高中和大学期间不想成为法官，但在实践中他们决定成为法官。 (b) 直到练习 695 决定成为法官，但在练习 400 成为法官之后，295 做了其他事情。

主要思想是探索存在哪种决策路径，哪些是最常用的。

我有几个问题：

这种图表有名称吗？ 是否已有可以绘制此图的 R 函数？ 如果没有 R 函数：知道如何绘制更漂亮的图吗？例如：（3.1）我想让曲线相邻（曲线之间没有间隙并且没有重叠）。 (3.2) 曲线的起点和终点应平行于 y 轴。

有什么建议吗？

编辑 1： 我发现了一个类似于上面的图：riverplot，例如，参见R library riverplot 或R blogger。 Riverplot 的缺点是在交叉点处会丢失单个线程或路径。

---

以下是数据：

library(reshape2)
library(ggplot2)

# Data
wide <- data.frame(  grp        = 1:8,
                    time1_orig = rep(8,8)
                  , time2_orig = rep(c(4,12), each = 4)
                  , time3_orig = rep(c(2,6,10,14), each = 2)
                  , time4_orig = seq(1,15,2)
                  , n           = c(409,118,38,33,147,22,295,400)  # number of persion
                  , d           = c(1,0,1,0,1,0,1,0)               # decision
                  )

wide
  grp time1_orig time2_orig time3_orig time4_orig   n d
1   1          8          4          2          1 409 1
2   2          8          4          2          3 118 0
3   3          8          4          6          5  38 1
4   4          8          4          6          7  33 0
5   5          8         12         10          9 147 1
6   6          8         12         10         11  22 0
7   7          8         12         14         13 295 1
8   8          8         12         14         15 400 0

以下是数据的转换以获得绘图：

w <- 500
wide$time1 <- wide$time1_orig + (cumsum(wide$n)-(wide$n)/2)/w
wide$time2 <- wide$time2_orig + (cumsum(wide$n)-(wide$n)/2)/w
wide$time3 <- wide$time3_orig + (cumsum(wide$n)-(wide$n)/2)/w
wide$time4 <- wide$time4_orig + (cumsum(wide$n)-(wide$n)/2)/w


long<- melt(wide[,-c(2:5)], id = c("d","grp","n"))
long$d<-as.character(long$d)
str(long)

这里是ggplot：

gg1 <- ggplot(long, aes(x=variable, y=value, group=grp, colour=d)) +
          geom_line (aes(size=n),position=position_dodge(height=c(0.5))) +
          geom_text(aes(label=c( "1462",""   ,""   ,""   ,""   ,""   ,""   ,""
                                ,""    ,""   ,"598",""   ,""   ,"864",""   ,""
                                ,"527" ,""   ,""   ,"71" ,"169",""   ,""   ,"695"
                            ,"409" ,"118","38" ,"33" ,"147","22" ,"295","400"
                            )
                        , size = 300, vjust= -1.5)
                    ) +
           scale_colour_manual(name="",labels=c("Yes", "No"),values=c("royalblue","black")) +
           theme(legend.position = c(0,1),legend.justification = c(0, 1),
                 legend.text = element_text( size=12),
                 axis.text = element_text( size=12),
                 axis.title = element_text( size=15),
                 plot.title = element_text( size=15)) +
           guides(lwd="none") +
           labs(x="", y="Consider a judge career as an option:") +
           scale_y_discrete(labels="") +
           scale_x_discrete(labels = c(  "during high school"
                                       , "during university"
                                       , "during practice"
                                       , ""
                                    )
                                )
gg1

【参考方案1】：

感谢图书馆riverplot，我找到了一个解决方案，它给了我这个情节：

代码如下：

library("riverplot")
# Create nodes
nodes <- data.frame(  ID     = paste(rep(c("O","C","R","D"),c(1,2,4,8)),c(1,1:2,1:4,1:8),sep="")
                    , x      = rep(0:3, c(1,2,4,8)) 
                    , y      = c(8, 12,4,14, 10,6,2, 15,13,11,9,7,5,3,1)
                    , labels = c("1462","864","598","695","169","71","527","400","295","22","147","33","38","118","409")
                    , col    = rep("lightblue", 15)
                    , stringsAsFactors= FALSE
                    )
# Create edges
edges <- data.frame(  N1 = paste(rep(c("O","C","R"), c(2,4,8)), rep(c(1,2,1,4:1)  , each=2), sep="")
                    , N2 = paste(rep(c("C","R","D"), c(2,4,8)), c(c(2:1,4:1,8:1)), sep="")
                    )

edges$Value   <- as.numeric(nodes$labels[2:15])
edges$col     <- NA
edges$col     <- rep(c("black","royalblue"), 7)
edges$edgecol <- "col"

# Create nodes/edges object
river <- makeRiver(nodes, edges)

# Define styles
style <-default.style()
style[["edgestyle"]]<-"straight"

# Plot
plot(river, default_style= style, srt=0, nsteps=200, nodewidth = 3)

# Add label
names <- data.frame (Time = c(" ", "during high school", "during university", "during practive")
                     ,hi  = c(0,0,0,0)
                     ,wi  = c(0,1,2,3)
                     )
with( names, text( wi, hi, Time) )

还有一种方法可以绘制一系列分类信息：TraMineR - Mining sequence data

TraMineR：探索序列数据的工具箱 TraMineR 是一个 R 包，用于挖掘、描述和可视化状态或事件序列，以及更普遍的离散序列数据。其主要目的是分析社会科学中的传记纵向数据，例如描述职业或家庭轨迹的数据。然而，它的大部分功能也适用于非时间数据，例如文本或 DNA 序列