基于 R 中的条形图顺序对 Likert 图进行排序

在 R 中创建水平匹配的 Likert 和条形图

该解决方案演示了一种使用 R 的方法，重点是基于条形图数据对 Likert 图进行排序和对齐。

# Load necessary libraries
library(tidyverse)
library(ggplot2)
library(ggridges)
library(ggiraphExtra)

# Step 1: Generate sample data
set.seed(123)
likert_levels <- c("1" = "Very Dissatisfied",
                   "2" = "Dissatisfied",
                   "3" = "Neutral",
                   "4" = "Satisfied",
                   "5" = "Very Satisfied")

df <- data.frame(year = sample(c(2023, 2022, 2020, 2018), 50, replace = TRUE),
                 A = sample(likert_levels, 50, replace = TRUE),
                 B = sample(likert_levels, 50, replace = TRUE),
                 C = sample(likert_levels, 50, replace = TRUE)) %>%
  mutate(across(everything(), as.factor)) %>%
  as_tibble() %>%
  mutate(across(-year, ~factor(.x, levels = likert_levels)))

# Step 2: Create a bar plot with descending order
bar_data <- df %>%
  pivot_longer(-year, names_to = "group", values_to = "response") %>%
  count(response, group) %>%
  arrange(desc(n))

bar_plot <- ggplot(bar_data, aes(x = reorder(response, -n), y = n, fill = group)) +
  geom_bar(stat = "identity", position = "dodge") +
  labs(title = "Bar Plot of Responses", x = "Response", y = "Count") +
  theme_minimal()

print(bar_plot)

# Step 3: Create a Likert chart aligned to bar plot ordering
likert_data <- df %>%
  mutate(id = row_number()) %>%
  pivot_longer(-c(id, year), names_to = "group", values_to = "response") %>%
  mutate(response = factor(response, levels = levels(bar_data$response)))

likert_plot <- ggplot(likert_data, aes(x = response, fill = factor(year))) +
  geom_bar(position = "fill") +
  facet_wrap(~group) +
  labs(title = "Likert Chart Matched to Bar Plot", x = "Response", y = "Proportion") +
  theme_minimal()

print(likert_plot)

替代方案：自动排序和匹配

这种方法使用 R 中的自动排序和映射功能来实现更大的模块化和重用。

# Define a function for sorting and matching
create_sorted_charts <- function(df, likert_levels) {
  bar_data <- df %>%
    pivot_longer(-year, names_to = "group", values_to = "response") %>%
    count(response, group) %>%
    arrange(desc(n))

  bar_plot <- ggplot(bar_data, aes(x = reorder(response, -n), y = n, fill = group)) +
    geom_bar(stat = "identity", position = "dodge") +
    theme_minimal()

  likert_data <- df %>%
    mutate(id = row_number()) %>%
    pivot_longer(-c(id, year), names_to = "group", values_to = "response") %>%
    mutate(response = factor(response, levels = levels(bar_data$response)))

  likert_plot <- ggplot(likert_data, aes(x = response, fill = factor(year))) +
    geom_bar(position = "fill") +
    facet_wrap(~group) +
    theme_minimal()

  list(bar_plot = bar_plot, likert_plot = likert_plot)
}

# Use the function
plots <- create_sorted_charts(df, likert_levels)
print(plots$bar_plot)
print(plots$likert_plot)

关于李克特图排序和对齐的常见问题

1. 什么是 pivot_longer() 在这种情况下做什么？
2. 它将宽格式数据转换为长格式，从而更轻松地创建分组可视化（例如 Likert 图表）。
3. 如何确保条形图的排序顺序与李克特图匹配？
4. 通过使用 reorder() 并调整 Likert 图中的因子水平以匹配重新排序的条形图。
5. 我可以自定义 Likert 图表中的颜色吗？
6. 是的！使用 scale_fill_manual() 或预定义的调色板，例如 viridis 为 Likert 水平分配不同的颜色。
7. 是否可以使图表具有交互性？
8. 绝对地！使用类似的库 plotly 或者 shiny 创建交互式、用户友好的数据可视化。
9. 如果我需要比较多个分组变量怎么办？
10. 杠杆作用 facet_grid() 或者 facet_wrap() 创建单独的面板以进行多组比较。

有效可视化的关键要点

对齐李克特图和条形图等可视化效果可以提高清晰度，尤其是在分析跨组或跨年的调查结果时。通过根据频率对数据进行排序并跨图进行匹配，您的见解对受众来说变得更具影响力和吸引力。 🎨

结合技术，如 刻面包裹 用于子组分析和用于区分的调色板可确保您的图表不仅信息丰富，而且美观。这些实践有助于简化故事讲述，使您的数据对各个领域的决策者来说都是可操作的。