来自SQL查询的堆积密度图

问题描述

我从类似这样的SQL查询中得到了一个结果（没有特殊含义的测试查询）：

 week       cash      ccard      fcard      mobile     total   
    9       3.45       0.00       0.00       0.00       3.45
   10      13.02      17.18       4.32      21.24      55.76
   11      47.61      24.52      12.32      32.18     116.63
   12      21.32      61.96      17.32       1.40     102.00
   13     181.80       1.70     275.20       3.50     462.20
   14     390.14     191.80      10.08     100.40     692.42
   15     102.40     207.80     101.40       0.00     411.60

此查询的结果进入一个数据框，我想将其绘制为堆积密度图，其中“周”应位于X轴上，而Y轴应为分数“现金/总计”，“卡数/总计”等等。我该怎么办？我用谷歌搜索，但到目前为止发现的所有示例似乎都不适用于sql输出。

预先感谢...

解决方法

通常，ggplot2倾向于使用“长”格式的数据，而当前它是“宽”格式的数据。用SQL术语来说，这是一个PIVOT，尽管我发现使用tidyr::pivot_*和data.table::melt和::dcast比在SQL中更容易使用。

通过这种方式，我的意思是：

library(dplyr)
library(tidyr) # just for pivot_longer
dat <- pivot_longer(dat,cash:mobile) %>%
  mutate(pct = (value / total))
dat
# # A tibble: 28 x 5
#     week  total name   value    pct
#    <int>  <dbl> <chr>  <dbl>  <dbl>
#  1     9   3.45 cash    3.45 1     
#  2     9   3.45 ccard   0    0     
#  3     9   3.45 fcard   0    0     
#  4     9   3.45 mobile  0    0     
#  5    10  55.8  cash   13.0  0.234 
#  6    10  55.8  ccard  17.2  0.308 
#  7    10  55.8  fcard   4.32 0.0775
#  8    10  55.8  mobile 21.2  0.381 
#  9    11 117.   cash   47.6  0.408 
# 10    11 117.   ccard  24.5  0.210 
# # ... with 18 more rows

有了它，你可以做

library(ggplot2)
# library(scales) # percent
ggplot(dat,aes(week,pct,fill=name)) +
  geom_density(position="fill",stat="identity") +
  scale_y_continuous(labels = scales::percent)

（我还要补充一点，此图的“密度”性质有点欺骗：建议在每周点之间添加数据。由于x轴实际上是离散的，因此n较低，因此d就像@RyanJohn所建议的那样建议一个小程序。）

,

这是条形图-如果您愿意的话。

library(tidyverse)
library(scales)

df1 <- structure(list(week = c(9,10,11,12,13,14,15),cash = c(3.45,13.02,47.61,21.32,181.8,390.14,102.4),ccard = c(0,17.18,24.52,61.96,1.7,191.8,207.8),fcard = c(0,4.32,12.32,17.32,275.2,10.08,101.4),mobile = c(0,21.24,32.18,1.4,3.5,100.4,0),total = c(3.45,55.76,116.63,102,462.2,692.42,411.6)),class = c("spec_tbl_df","tbl_df","tbl","data.frame"),row.names = c(NA,-7L),spec = structure(list(
cols = list(week = structure(list(),class = c("collector_double","collector")),cash = structure(list(),ccard = structure(list(),fcard = structure(list(),mobile = structure(list(),total = structure(list(),"collector"))),default = structure(list(),class = c("collector_guess",skip = 1),class = "col_spec"))

df1 %>% 
  pivot_longer(cols = c(-week,-total),names_to = "type",values_to = "amount") %>% 
  mutate(pct = amount / total) %>% 
  ggplot(aes(week,fill = type))+
  geom_col() +
  scale_y_continuous(labels = scales::percent_format())+
  labs(title = "% spend by payment type")

^{由reprex package（v0.3.0）于2020-08-12创建}