studio - Use stat_summary para anotar la gráfica con el número de observaciones

ggplot2 r install

Question

¿Cómo puedo usar stat_summary para etiquetar un diagrama con n = x donde x es una variable? Aquí hay un ejemplo del resultado deseado:

Puedo hacer la trama anterior con este código bastante ineficiente:

nlabels <- sapply(1:length(unique(mtcars$cyl)), function(i) as.vector(t(as.data.frame(table(mtcars$cyl))[,2][[i]])))
ggplot(mtcars, aes(factor(cyl), mpg, label=rownames(mtcars))) +
  geom_boxplot(fill = "grey80", colour = "#3366FF") + 
  geom_text(aes(x = 1, y = median(mtcars$mpg[mtcars$cyl==sort(unique(mtcars$cyl))[1]]), label = paste0("n = ",nlabels[[1]]) )) +
  geom_text(aes(x = 2, y = median(mtcars$mpg[mtcars$cyl==sort(unique(mtcars$cyl))[2]]), label = paste0("n = ",nlabels[[2]]) )) +
  geom_text(aes(x = 3, y = median(mtcars$mpg[mtcars$cyl==sort(unique(mtcars$cyl))[3]]), label = paste0("n = ",nlabels[[3]]) )) 

Esta es una continuación de esta pregunta: ¿Cómo agregar un número de observaciones por grupo y usar la media del grupo en ggplot2 boxplot? donde puedo usar stat_summary para calcular y mostrar el número de observaciones, pero no he podido encontrar una manera de incluir n = en el resultado stat_summary . Parece que stat_summary podría ser la forma más eficiente de hacer este tipo de etiquetado, pero otros métodos son bienvenidos.

Answer 1

La mayoría de las cosas en R están vectorizadas, por lo que puede aprovechar eso.

nlabels <- table(mtcars$cyl)

#  To create the median labels, you can use by
meds <- c(by(mtcars$mpg, mtcars$cyl, median))

ggplot(mtcars, aes(factor(cyl), mpg, label=rownames(mtcars))) +
   geom_boxplot(fill = "grey80", colour = "#3366FF") + 
   geom_text(data = data.frame(), aes(x = names(meds) , y = meds, 
            label = paste("n =", nlabels)))

En cuanto a los nlables :

En lugar de su declaración sapply simplemente puede usar:

nlabels <- table(mtcars$cyl)

Tenga en cuenta que su código actual está tomando lo anterior, convirtiéndolo, transponiéndolo, y luego iterando sobre cada fila solo para tomar los valores uno por uno, luego vuelva a juntarlos en un solo vector.

Si realmente los quieres como un vector entero no dimensionado, usa c()

nlabels <- c(table(mtcars$cyl))   

pero, por supuesto, incluso esto no es necesario para lograr lo anterior.

Answer 2

Puede hacer su propia función para usar dentro de stat_summary() . Aquí n_fun calcule el lugar del valor y como median() y luego agregue label= que consiste en n= y el número de observaciones. Es importante usar data.frame() lugar de c() porque paste0() producirá carácter pero el valor de y será numérico, pero c() hará ambos caracteres. Luego, en stat_summary() use esta función y geom="text" . Esto asegurará que para cada valor de x, la posición y la etiqueta solo se realicen a partir de los datos de este nivel.

n_fun <- function(x){
  return(data.frame(y = median(x), label = paste0("n = ",length(x))))
}

ggplot(mtcars, aes(factor(cyl), mpg, label=rownames(mtcars))) +
  geom_boxplot(fill = "grey80", colour = "#3366FF") + 
  stat_summary(fun.data = n_fun, geom = "text")