Ordenar barras en el gráfico de barras ggplot2

Estoy tratando de hacer un gráfico de barras donde la barra más grande estaría más cerca del eje y y la barra más corta estaría más lejos. Así que esto es algo así como la tabla que tengo

    Name   Position
1   James  Goalkeeper
2   Frank  Goalkeeper
3   Jean   Defense
4   Steve  Defense
5   John   Defense
6   Tim    Striker

Así que estoy tratando de construir un gráfico de barras que muestre el número de jugadores según la posición.

p <- ggplot(theTable, aes(x = Position)) + geom_bar(binwidth = 1)

pero el gráfico muestra la barra del portero primero, luego la defensa, y finalmente la del delantero. Me gustaría que el gráfico se ordene de modo que la barra de defensa esté más cerca del eje y, la del portero y finalmente la del delantero. Gracias

La clave para ordenar es establecer los niveles del factor en el orden que desee. No se requiere un factor ordenado; la información adicional en un factor ordenado no es necesaria y si estos datos se están utilizando en algún modelo estadístico, podría producirse una parametrización incorrecta: los contrastes polinómicos no son adecuados para datos nominales como este.

## set the levels in order we want
theTable <- within(theTable, 
                   Position <- factor(Position, 
                                      levels=names(sort(table(Position), 
                                                        decreasing=TRUE))))
## plot
ggplot(theTable,aes(x=Position))+geom_bar(binwidth=1)

En el sentido más general, simplemente necesitamos establecer los niveles de factores para que estén en el orden deseado. Si no se especifica, los niveles de un factor se ordenarán alfabéticamente. También puede especificar el orden de nivel dentro de la llamada al factor como se indicó anteriormente, y también son posibles otras formas.

theTable$Position <- factor(theTable$Position, levels = c(...))

@GavinSimpson: reorderes una solución poderosa y efectiva para esto:

ggplot(theTable,
       aes(x=reorder(Position,Position,
                     function(x)-length(x)))) +
       geom_bar()

Utilizando scale_x_discrete (limits = ...)para especificar el orden de las barras.

positions <- c("Goalkeeper", "Defense", "Striker")
p <- ggplot(theTable, aes(x = Position)) + scale_x_discrete(limits = positions)

Creo que las soluciones ya proporcionadas son demasiado detalladas. Una forma más concisa de hacer un diagrama de barras ordenado por frecuencia con ggplot es

ggplot(theTable, aes(x=reorder(Position, -table(Position)[Position]))) + geom_bar()

Es similar a lo que sugirió Alex Brown, pero un poco más corto y funciona sin una definición de función cualquiera.

Actualizar

Creo que mi solución anterior era buena en ese momento, pero hoy en día prefiero usar forcats::fct_infreqlos niveles de factor de clasificación por frecuencia:

require(forcats)

ggplot(theTable, aes(fct_infreq(Position))) + geom_bar()

Como reorder()en la respuesta de Alex Brown, también podríamos usar forcats::fct_reorder(). Básicamente, ordenará los factores especificados en el primer argumento, de acuerdo con los valores en el segundo argumento después de aplicar una función específica (predeterminado = mediana, que es lo que usamos aquí ya que solo tenemos un valor por nivel de factor).

Es una pena que en la pregunta del OP, el orden requerido también sea alfabético, ya que ese es el orden de clasificación predeterminado cuando crea factores, por lo que ocultará lo que esta función está haciendo realmente. Para que quede más claro, reemplazaré "Portero" con "Zoalkeeper".

library(tidyverse)
library(forcats)

theTable <- data.frame(
                Name = c('James', 'Frank', 'Jean', 'Steve', 'John', 'Tim'),
                Position = c('Zoalkeeper', 'Zoalkeeper', 'Defense',
                             'Defense', 'Defense', 'Striker'))

theTable %>%
    count(Position) %>%
    mutate(Position = fct_reorder(Position, n, .desc = TRUE)) %>%
    ggplot(aes(x = Position, y = n)) + geom_bar(stat = 'identity')

Un simple reordenamiento de factores basado en dplyr puede resolver este problema:

library(dplyr)

#reorder the table and reset the factor to that ordering
theTable %>%
  group_by(Position) %>%                              # calculate the counts
  summarize(counts = n()) %>%
  arrange(-counts) %>%                                # sort by counts
  mutate(Position = factor(Position, Position)) %>%   # reset factor
  ggplot(aes(x=Position, y=counts)) +                 # plot 
    geom_bar(stat="identity")                         # plot histogram

Solo necesita especificar que la Positioncolumna sea un factor ordenado donde los niveles están ordenados por sus cuentas:

theTable <- transform( theTable,
       Position = ordered(Position, levels = names( sort(-table(Position)))))

(Tenga en cuenta que table(Position)produce un conteo de frecuencia de la Positioncolumna).

Luego, su ggplotfunción mostrará las barras en orden decreciente de conteo. No sé si hay una opción geom_barpara hacer esto sin tener que crear explícitamente un factor ordenado.

Además de forcats :: fct_infreq, mencionado por @HolgerBrandl, hay forcats :: fct_rev, que invierte el orden del factor.

theTable <- data.frame(
    Position= 
        c("Zoalkeeper", "Zoalkeeper", "Defense",
          "Defense", "Defense", "Striker"),
    Name=c("James", "Frank","Jean",
           "Steve","John", "Tim"))

p1 <- ggplot(theTable, aes(x = Position)) + geom_bar()
p2 <- ggplot(theTable, aes(x = fct_infreq(Position))) + geom_bar()
p3 <- ggplot(theTable, aes(x = fct_rev(fct_infreq(Position)))) + geom_bar()

gridExtra::grid.arrange(p1, p2, p3, nrow=3)             

Estoy de acuerdo con zach en que contar dentro de dplyr es la mejor solución. He encontrado que esta es la versión más corta:

dplyr::count(theTable, Position) %>%
          arrange(-n) %>%
          mutate(Position = factor(Position, Position)) %>%
          ggplot(aes(x=Position, y=n)) + geom_bar(stat="identity")

Esto también será significativamente más rápido que reordenar los niveles de factor de antemano ya que el conteo se realiza en dplyr, no en ggplot o usando table.

Si las columnas del gráfico provienen de una variable numérica como en el marco de datos a continuación, puede usar una solución más simple:

ggplot(df, aes(x = reorder(Colors, -Qty, sum), y = Qty)) 
+ geom_bar(stat = "identity")  

El signo menos antes de la variable de clasificación (-Qty) controla la dirección de clasificación (ascendente / descendente)

Aquí hay algunos datos para probar:

df <- data.frame(Colors = c("Green","Yellow","Blue","Red","Yellow","Blue"),  
                 Qty = c(7,4,5,1,3,6)
                )

**Sample data:**
  Colors Qty
1  Green   7
2 Yellow   4
3   Blue   5
4    Red   1
5 Yellow   3
6   Blue   6

Cuando encontré este hilo, esa fue la respuesta que estaba buscando. Espero que sea útil para otros.

Otra alternativa usando reordenar para ordenar los niveles de un factor. En orden ascendente (n) o descendente (-n) según el recuento. Muy similar a la que utiliza fct_reorderdesde elforcats paquete:

Orden descendiente

df %>%
  count(Position) %>%
  ggplot(aes(x = reorder(Position, -n), y = n)) +
  geom_bar(stat = 'identity') +
  xlab("Position")

Orden ascendente

df %>%
  count(Position) %>%
  ggplot(aes(x = reorder(Position, n), y = n)) +
  geom_bar(stat = 'identity') +
  xlab("Position")

Marco de datos:

df <- structure(list(Position = structure(c(3L, 3L, 1L, 1L, 1L, 2L), .Label = c("Defense", 
"Striker", "Zoalkeeper"), class = "factor"), Name = structure(c(2L, 
1L, 3L, 5L, 4L, 6L), .Label = c("Frank", "James", "Jean", "John", 
"Steve", "Tim"), class = "factor")), class = "data.frame", row.names = c(NA, 
-6L))

Como solo estamos viendo la distribución de una sola variable ("Posición") en lugar de mirar la relación entre dos variables , entonces quizás un histograma sería la gráfica más apropiada. ggplot tiene geom_histogram () que lo hace fácil:

ggplot(theTable, aes(x = Position)) + geom_histogram(stat="count")

Usando geom_histogram ():

Creo que geom_histogram ( ) es un poco peculiar ya que trata los datos continuos y discretos de manera diferente.

Para datos continuos , puede usar geom_histogram () sin parámetros. Por ejemplo, si agregamos un vector numérico "Puntaje" ...

    Name   Position   Score  
1   James  Goalkeeper 10
2   Frank  Goalkeeper 20
3   Jean   Defense    10
4   Steve  Defense    10
5   John   Defense    20
6   Tim    Striker    50

y use geom_histogram () en la variable "Score" ...

ggplot(theTable, aes(x = Score)) + geom_histogram()

Para datos discretos como "Posición" tenemos que especificar una estadística calculada calculada por la estética para dar el valor y para la altura de las barras usando stat = "count":

 ggplot(theTable, aes(x = Position)) + geom_histogram(stat = "count")

Nota: Curiosa y confusamente, también puede usar stat = "count"datos continuos y creo que proporciona un gráfico más estéticamente agradable.

ggplot(theTable, aes(x = Score)) + geom_histogram(stat = "count")

Ediciones : Respuesta extendida en respuesta a las útiles sugerencias de DebanjanB .

Me pareció muy molesto que ggplot2no ofrezca una solución 'automática' para esto. Por eso creé la bar_chart()función en ggcharts.

ggcharts::bar_chart(theTable, Position)

Por defecto bar_chart()ordena las barras y muestra un diagrama horizontal. Para cambiar ese conjunto horizontal = FALSE. Además, bar_chart()elimina el desagradable 'espacio' entre las barras y el eje.