R中的比例树形图 [英] Proportions tree graph in R

问题描述

我需要构建一个算法，给定由n个因子组成的 data.frame ，返回一个树形图，其中每个节点表示一个因子的级别，而按照该因子级别和上级节点级别划分的行比例（例如，每个节点可以显示：factorX.levelY = 30％）。

第一个节点将表示总行数，并将作为基数（100）。树的第二层将有k个节点，它们将对应于第一个因子的k个层次，第三层将有k * m个节点，其中m将是第二个因子的层次。等等。

用作函数输入的'data.frame'将按照可用作节点层次结构的方式对列进行排序。例如， data [，1] 将是树中的上层因子， data [，2] 和等等。

以下是一个用作输入的 data.frame 示例：

  df <-data.frame（f1 = factor（rep（LETTERS [1：2]，each = 50）），
 f2 = rep（字母[1：4]，每个= 25），
 f3 = rep（colors（1）[1：2]，25，each = 2））
  

该图看起来像这样，但是前面指出的节点内的格式为：（factorX.levelY = 30％）

我注意到 rpart 包可以生成类似的图，但唯一接受的输入是模型对象类型。

解决方案

这是一个递归方法。首先，有一个函数来构建树结构，将每个拆分级别的比例收集到一个命名的嵌套列表中。其次，有一个函数可以将嵌套列表转换为边界列表，以便与 igraph 一起使用。最后， igraph 提供绘图功能。

  ##创建树结构在嵌套列表中
 makePtree<  - 函数（data，prev = 1）{
 tab < - （t < -  table（data [，1L]））[t> 0] / nrow数据）* prev＃计算当前级别的比例
 ns < -  sprintf（％s。％s =％。2f，names（data）[1L]，names（tab），unname（c（tab ）））＃names 
 if（NCOL（data）< 2L）return（ns）＃我们完成了，只返回名字
 setNames（mapply（makePtree，split（data [， -  1L，drop = F]，data [，1L]，drop = T），
 tab，SIMPLIFY = F），ns）＃recurse 
} 
 
 ##从嵌套列表创建边界列表对于igraph :: graph_from_data_frame 
 lst2edge<  -  function（lst）{
 if（！is.list（lst））return（data.frame（a = character（0），b = character（0 ））
 do.call（rbind，
c（lapply（names（lst），function（x）{
 if （！is.list（lst [[x]]））return（data.frame（a = x，b = lst [[x]]））
 data.frame（a = x，b = names（ lst [[x]]））
}），lapply（lst，lst2edge）））
} 
 
 ## Apply函数
 lst < -  makePtree df）＃嵌套列表
 dat <-lst2edge（lst）＃edgelist 
 dat <-rbind（dat，data.frame（a =root，b = names（lst）））＃＃添加根节点
 
 ##制作一个igraph 
库（igraph）
g < -  graph_from_data_frame（dat）
 plot（g，layout = layout.reingold。 tilford（g，root =root））
  

您可以调整绘图函数的 vertex.label.degree 参数的顶点标签的位置。

I need to build an algorithm that, given a data.frame made up of n factors, returns a tree graph where each node represents a level of a factor and the proportion of rows classified by the level of that factor and by the level of the upper nodes (for example, each node could display: factorX.levelY=30%).

The first node will represent the total number of rows and will be the base (100). The second level of the tree will have k nodes that will correspond to the k levels of the first factor, the third level will have k*m nodes, where m will be the levels of the second factor. And so on.

The 'data.frame' used as input for the function will have its columns ordered in a way that will serve as the hierarchy of the nodes. For instance, data[,1] will be the upper level factor in the tree, data[,2] and so on.

Here's an example of the data.frame that would be used as input:

 df<-data.frame( f1=factor( rep( LETTERS[1:2], each=50)),  
                 f2=rep( letters[1:4], each=25),
                 f3=rep( colors(1)[1:2], 25, each=2))

The graph would look like these, but with the format inside the nodes indicated before: (factorX.levelY=30%)

I've noticed that the rpart package can produce similar graphs, but the only input that functions accept is a model object type.

解决方案

Here is a recursive approach. First, there is a function to build the tree structure, gathering the proportions at each split level into a named, nested list. Second, there is a function to convert the nested list to an edgelist to use with igraph. Lastly, igraph provides the plotting capability.

## Create tree structure in nested list
makePtree <- function(data, prev=1) {
    tab <- (t <- table(data[,1L]))[t>0] / nrow(data)*prev                     # calculate proportions at current level
    ns <- sprintf("%s.%s=%.2f", names(data)[1L], names(tab), unname(c(tab)))  # names
    if (NCOL(data) < 2L) return( ns )                                         # we are done, return names only
    setNames(mapply(makePtree, split(data[,-1L,drop=F], data[,1L], drop=T),
                    tab, SIMPLIFY = F), ns)                                   # recurse
}

## Create edgelist from nested list for igraph::graph_from_data_frame
lst2edge <- function(lst) {
    if (!is.list(lst)) return( data.frame(a=character(0), b=character(0)) )
    do.call(rbind,
            c(lapply(names(lst), function(x) {
                if (!is.list(lst[[x]])) return( data.frame(a=x, b=lst[[x]]) )
                data.frame(a=x, b=names(lst[[x]]))
            }), lapply(lst, lst2edge)))
}

## Apply functions
lst <- makePtree(df)                                   # nested list
dat <- lst2edge(lst)                                   # edgelist
dat <- rbind(dat, data.frame(a="root", b=names(lst)))  # add a root node 

## Make an igraph
library(igraph)
g <- graph_from_data_frame(dat)
plot(g, layout=layout.reingold.tilford(g, root="root"))

If you wanted the final nodes to be represented separately you could alter their names so igraph points to them separately. Here, I modified the lst2edge function to produce longer names for the final level. Then use some regex to shorten them for the final figure.

## Create edgelist from nested list for igraph::graph_from_data_frame
lst2edge <- function(lst) {
    if (!is.list(lst)) return( data.frame(a=character(0), b=character(0)) )
    do.call(rbind,
            c(lapply(names(lst), function(x) {
                if (!is.list(lst[[x]])) return( data.frame(a=x, b=paste0(x, lst[[x]])) )
                data.frame(a=x, b=names(lst[[x]]))
            }), lapply(lst, lst2edge)))
}

## Apply functions
lst <- makePtree(df)                                           # nested list
dat <- lst2edge(lst)                                           # edgelist
dat <- rbind(dat, data.frame(a="root", b=names(lst)))          # add a root node 

## Make an igraph
g <- graph_from_data_frame(dat)

## Fix the names of the last level (they are lengthened in lst2edge
## so igraph doesn't show multiple incoming arrows to single nodes)
V(g)$name <- gsub(".*?([^\\.]+=[^=]+$)", "\\1", V(g)$name)
plot(g, layout=layout.reingold.tilford(g, root="root"),
     vertex.label.dist=-0.1, vertex.label.degree=c(rep(pi/2, 7), rep(c(pi/2, 3*pi/2), 4)))

You can adjust the position of the vertex labels with vertex.label.degree argument to the plotting function.

这篇关于R中的比例树形图的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！