重塑/改造数据框以创建标准化条形图和饼图 [英] reshape/remould data frame to create normalized bar chart and pie chart

问题描述

我有从csv文件（附加）读取的以下data_frame结构。基本上，这对每个运营商（A M D L J）总结他们的得分是优秀的，好的，好的，差的还是可怕的。其他领域的日期和得分手（我计划以后使用，但目前不需要）。

我正在努力的是如何将这些数据缩减为一种格式这允许我绘制条形图（通过将每个操作员的总计数除以标准化）和条形图。

 运算符分数计数$ b $如何将这个数据框缩小到如下所示的数据框中，这将允许我使用geom_bar。 b好11 
差5 
好​​3 
 A可怕0 
优秀0 
 D好36 
差50 
 D Ok 10 
 D可怕1 
 D优秀0 
  

我知道我可以根据运算符子集初始数据帧，然后从摘要中获得数字。 '）
summary（dfA）

但我想自动执行此过程（即自动将数据框重构成上面的结构，我可以使用ggplot2来显示结果）。然而，我不知道从哪里开始解决这个问题。

  structure（list（Operator = structure（c（5L，5L， 5L，5L，5L，5L，
 2L，2L，2L，2L，2L，2L，2L，4L，4L，4L，4L，4L，4L，4L，4L，4L，
 4L， 4L，3L，1L，1L，1L，2L，2L，2L，2L，2L，4L，4L，4L，4L，4L，4L，4L，4L， 5L，5L，2L，2L，2L，2L，2L，2L，
 2L，2L，2L，2L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L， 3L，
 3L，5L，5L，5L，5L，2L，2L，2L，2L，2L，4L，4L，4L，4L，4L，4L，
 4L，4L，4L，4L， 3L，3L，3L，3L，1L，1L，1L，1L，5L，2L，2L，2L，
 2L，2L，4L，4L，4L，4L，4L，4L，4L，4L， 4L，4L，4L，4L，3L，
 3L，3L，3L，3L，3L，3L，3L，5L，5L，5L，2L，2L，2L，2L，2L， 4L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，2L，
 2L，2L，2L，2L，2L， 4L，3L，3L，3L，3L，3L，3L，3L，3L，
 3L，3L，3L，3L，1L，1L，1L，5L，2L，2L，2L， 3L，3L，
 3L，3L，3L，3L，3L，3L，3L，5L，5L，5L，5L，5L，2L，2L，3L，3L，
 3L，3 L，3L，3L，3L，3L，3L，3L，3L，1L，5L，2L，2L，2L，2L，2L，
 2L，2L，2L，2L，2L，4L，4L， 3L，3L，3L，5L，5L，5L，5L，2L，
 2L，2L，2L，2L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L， 3L，3L，1L，5L，5L，5L，2L，2L，2L，2L，4L，4L，4L，4L，3L，3L，
 3L，3L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，5L，5L，2L，2L，2L，2L，4L，4L，4L，4L， 2L，4L，4L，4L，4L，
 3L，3L，5L，5L，5L，5L，5L，5L，5L，5L，5L，2L，2L，2L，2L，2L， 2L，4L，4L，5L，5L，5L，5L，5L，2L，2L，3L，3L，3L，3L，3L，3L，
 3L，3L，3L， 1L，1L，1L，1L，5L，5L，5L，5L，5L，
 5L，5L，2L，2L，2L，4L，4L，4L，4L，4L，4L，3L，3L， 3L，3L，
 3L，5L，2L，2L，2L，2L，2L，2L，2L，2L，4L，4L，4L，4L，4L，4L，
 3L，3L， 3L，3L，3L，5L，5L，5L，5L，5L，2L，2L，4L，4L，4L，
 4L，4L，3L，3L，3L，3L，3L， 2L，4L，4L，4L，4L，4L，
 4L，4L，4L，4L，4L，4L），标签= c（A，D，J M），class =factor），
 ROI_分数=结构（c（3L，1L，1L，2L，1L，3L，1L，3L，3L，
 2L，3L，1L，1L，3L，1L，1L，1L，3L，3L，3L， 3L，1L，1L，3L，1L，1L，3L，3L，3L，3L，3L，3L，3L，3L，3L，1L，3L，3L，1L，2L，2L，3L，3L， 1L，3L，1L，3L，1L，3L，2L，3L，1L，1L，1L，3L，3L，1L，1L，3L，3L， 3L，3L，1L，1L，
 3L，1L，1L，1L，3L，1L，3L，2L，3L，3L，2L，1L，1L，3L，3L，
 1L， 1L，1L，3L，1L，1L，3L，1L，1L，3L，1L，1L，1L，1L，3L，
 1L，3L，3L，3L，3L， 3L，3L，3L，3L，3L，1L，
 3L，3L，3L，2L，2L，2L，1L，1L，1L，1L，1L，1L，3L， 1L，3L，3L，1L，3L，3L，1L，3L，1L，1L，1L，1L，1L，3L，1L，
 1L，3L，1L，3L， 1L，1L，3L，3L，3L，1L，2L，
 1L，3L，2L，3L，1L，1L，1L，3L，3L，1L，1L，1L，1L，2L，3L， $ b 3L，1L，2L，2L，3L，3L，3L，1L，1L，1L，1L，1L，3L，3L，3L，
 3L，1L，3L， 3L，3L，3L，3L，3L，1L，1L，3L，
 1L，1L，1L，1L，2L，3L， 1L，1L，3L，3L，1L，3L，1L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 2L，
 1L，1L，3L，3L，1L，1L，1L，3L，1L，1L，3L，1L，1L，3L，3L，
 1L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，1L，3L，3L，3L，1L， 3L，1L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，1L，1L，1L，1L，1L，1L，1L，1L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，1L，3L， 3L，3L，3L，
 3L，1L，1L，3L，1L，1L，1L，3L，3L，3L，1L，3L，1L，1L，2L，
 3L，1L， 1L，3L，3L，1L，3L，3L，3L，3L，3L，3L，3L，3L，1L，3L，3L，3L， 3L，3L，3L，1L，
 2L，3L，3L，1L，1L，3L，1L，3L，1L，1L，3L，1L，3L，3L，2L， 1L，3L，1L，3L，2L，1L，1L，3L，3L，1L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L），。标签= c（好，
好，差，糟糕），上课=factor），Date = structure（c（3L，
 3L，5L，5L，5L，7L，3L，3L，9L，9L，9L，11L，11L，3L，3L，
 5L，5L，5L，7L，7L，7L，11L，11L，11L，3L，15L，15L，21L，
 13L，17L，17L，19L，21L，13L，13L，13L，15L， 17L，17L，
 17L，19L，19L，19L，21L，21L，30L，30L，23L，25L，25L，25L，
 27L，27L，27L，29L，29L，29L，23L， 23L，25L，25L，25L，27L，
 27L，27L，30L，30L，30L，30L，30L，32L，32L，36L，2L，36L，
 36L，36L，39L，39L， 34L，34L，34L，36L，36L，36L，39L，39L，
 2L，2L，32L，34L，34L，36L，41L，41L，41L，43L，1L，38L， 41L，42L，43L，38L，38L，41L，41L，41L，42L，42L，42L，
 43L，43L，1L，1L，1L，38L，42L，42L，42L，42L，1L， 1L，
 3L，3L，7L，3L，3L，3L，5L，7L，11L，3L，3L，3L，3L，5L，
 5L，5L，7L，7L，7L， 9L，11L，11L，11L，13L，15L，17L，
 19L，19L，21L，21L，13L，21L，13L，13L，13L，15L，17L，17L，
 17L，19L， 19L，21L，21L，21L，29L，29L，29L，30L，23L，25 L，
 29L，29L，23L，23L，23L，25L，25L，25L，27L，27L，30L，30L，
 30L，32L，32L，32L，2L，2L，39L，39L， 32L，32L，32L，34L，
 34L，34L，36L，36L，2L，2L，2L，43L，1L，38L，41L，41L，42L，
 42L，42L，43L，43L， 1L，1L，43L，1L，42L，1L，1L，1L，32L，
 32L，36L，2L，36L，36L，36L，39L，39L，34L，34L，34L，36L，
 36L，36L，39L，39L，2L，2L，32L，34L，34L，36L，10L，4L，
 6L，6L，10L，10L，10L，12L，4L，4L，12L，12L， 6L，6L，
 8L，8L，8L，12L，12L，14L，16L，14L，14L，18L，20L，14L，
 18L，18L，18L，14L，14L，14L， 16L，16L，22L，22L，22L，
 28L，28L，31L，28L，28L，28L，31L，31L，31L，33L，33L，33L，
 35L，35L，35L，37L， 37L，33L，33L，33L，33L，35L，37L，37L，
 40L，40L，32L，32L，32L，2L，2L，39L，39L，32L，32L，32L， 34L，34L，36L，36L，2L，2L，2L，6L，6L，10L，10L，10L，
 10L，4L，4L，6L，6L，8L，8L，8L，10L，10L，12L， 4L，8L，8L，
 8L，8L，12L，4L，4L， 4L，4L，8L，12L，16L，16L，14L，16L，
 18L，18L，20L，20L，20L，14L，14L，20L，20L，22L，22L，14L，
 16L， 18L，18L，18L，18L，24L，24L，24L，24L，26L，26L，31L，31L，
 24L，26L，26L，26L，26L，24L，24L，24L，24L，31L，31L， 
 37L，33L，33L，33L，33L，35L，35L，35L，37L，37L，37L，37L，
 40L），。标签= c（01/02/2013​​，01 / 03/2013，04/02/2013，
04/03/2013，05/02/2013，05/03/2013，06/02/2013， 2013年6月3日，
2013年7月2日，2013年7月3日，08/02/2013​​，08/03/2013​​，11/02/2013 ，
11/03/2013，12/02/2013，12/03/2013，13/02/2013，13/03/2013，
 2013年2月14日，14/03/2013​​，15/02/2013​​，15/03/2013​​，18/02/2013​​，
18/03/2013 ，19/02/2013，19/03/2013，20/02/2013，20/03/2013，
21/02/2013，22/02 / 2013，22/03/2013，25/02/2013，25/03/2013，
26/02/2013，26/03/2013，27 / 02/2013，27/03/2013，28/01/2013，
28/02/2013，28/03/2013，29/01/2013，  （2L，2L，3L，3L，
 2L，2L，1L） ，1L，2L，2L，2L，2L，2L，2L，1L，1L，1L，2L，2L，
 2L，2L，2L，1L，1L，2L，3L，3L，2L，2L，2L ，2L，3L，2L，2L，
 2L，2L，1L，1L，2L，1L，2L，3L，1L，3L，1L，2L，2L，2L，2L，
 3L， ，3L，2L，2L，2L，3L，3L，3L，1L，2L，1L，1L，1L，2L，
 1L，1L，2L，1L，2L，2L，2L，2L，2L，2L ，3L，1L，3L，2L，2L，
 3L，3L，1L，1L，1L，1L，2L，1L，1L，3L，1L，1L，3L，3L， ，3L，3L，2L，2L，2L，1L，1L，1L，1L，1L，1L，2L，1L，1L，
 1L，1L，1L，2L，2L，2L，2L，1L，2L ，3L，3L，3L，3L，2L，2L，
 2L，2L，2L，3L，2L，1L，2L，1L，1L，2L，2L，1L，2L，1L，1L， b 3L，1L，3L，1L，3L，3L，1L，2L，1L，2L，2L，1L，2L，3L，3L，
 2L，2L，2L，2L，2L，2L，2L，3L ，2L，2L，1L，1L，3L，2L，1L，
 1L，1L，1L，3L，2L，2L，3L，3L，3L，2L，1L，2L，3L，1L，3L， b $ b 2L，2L，1L，2L，2L，2L，2L，2L，3L，3L，3L，3L，1L，1L， 1L，
 2L，2L，3L，2L，2L，1L，1L，3L，2L，2L，2L，3L，3L，2L，1L，
 2L，1L，2L，2L，2L， 2L，1L，2L，2L，2L，2L，2L，2L，2L，3L，
 1L，3L，2L，2L，3L，3L，1L，1L，1L， 3L，1L，
 1L，3L，3L，1L，2L，3L，2L，2L，1L，1L，2L，2L，3L，1L，2L，
 1L，1L，2L， 1L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 1L，2L，2L，
 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L， 1L，2L，2L，2L，3L，3L，2L，2L，2L，3L，3L，3L， 3L，2L，2L，1L，
 3L，2L，1L，3L，3L，2L，2L，2L，3L，2L，2L，2L，2L，1L，1L， 2L，1L，1L，3L，1L，3L，2L，2L，1L，3L，2L，1L，3L，
 3L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，3L，1L，3L，3L，
 1L，2L，2L，2L，3L，3L，2L，2L，2L，1L，1L，3L，3L，2L，1L，
 2L， 2L，1L，1L，3L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，
 2L，2L ，1L），.Label = c（，B，G），class =factor）），.Names = c（Operator，
ROI_Score，Date Scorer），row.names = c（NA，-412L），class =data.frame）
  

data.table 来准备数据：

pre $ require（data.table）
dt< - data.table（df）
ops< - as.character（unique（dt $ Operator））
scr < - as.character（unique（dt $ ROI_Score））
oo< - setkey（dt [，.N，by =Operator，ROI_Score]，Operator，
ROI_Score）[CJ（ops，scr）] [is.na（N），N：= 0L]


这里是你如何用这个数据得到一个标准化的柱状图：

  oo [，N.norm：= N / sum（N），by = Operator] 
  

：

  require（ggplot2）
 ggplot（data = oo，aes（x = Operator，y = N.norm ））+ 
 geom_bar（positon =stack，stat =identit y，aes（fill = ROI_Score））
  

I have the following data_frame structure which has been read from a csv file (appended). Basically, this summarises for each Operator (A M D L J) whether their score is Excellent, Good, Ok, Poor or Terrible. The other fields date and scorer ( I plan to use later but are not required at the moment).

What I am struggling with is how to reduce this data to a format that allows me to plot a bar chart (normalized by dividing total counts for each operator) and a bar chart. How do I reduce this data frame to something like the following which will allow me to greate geom_bar.

Operator Score Count
A        Good  11
A        Poor  5
A        Ok    3
A        Terrible 0
A        Excellent 0
D        Good  36
D        Poor  50
D        Ok    10
D        Terrible 1
D        Excellent 0

I know I can subset the initial data frame according to operator and then get the numbers from summary

dfA = subset(df, Operator=='A')
summary(dfA)

but I would like to automate this process (i.e automatically remould the data frame into the above structure from which I can use ggplot2 to visualise the results). However, I have no idea where to start with this problem

   structure(list(Operator = structure(c(5L, 5L, 5L, 5L, 5L, 5L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 5L, 5L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 3L, 
3L, 5L, 5L, 5L, 5L, 2L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 5L, 2L, 2L, 2L, 
2L, 2L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 5L, 5L, 5L, 2L, 2L, 2L, 2L, 2L, 2L, 
4L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 4L, 4L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 1L, 1L, 1L, 5L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 5L, 5L, 5L, 5L, 5L, 2L, 2L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 5L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 4L, 4L, 3L, 3L, 3L, 3L, 5L, 5L, 5L, 5L, 2L, 
2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 3L, 3L, 
3L, 3L, 1L, 5L, 5L, 5L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 5L, 5L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 5L, 5L, 2L, 4L, 4L, 4L, 4L, 
3L, 3L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 2L, 2L, 2L, 2L, 2L, 
2L, 4L, 4L, 5L, 5L, 5L, 5L, 5L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 1L, 1L, 5L, 5L, 5L, 5L, 5L, 
5L, 5L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 4L, 4L, 3L, 3L, 3L, 3L, 3L, 
3L, 5L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 4L, 4L, 
3L, 3L, 3L, 3L, 3L, 3L, 5L, 5L, 5L, 5L, 5L, 2L, 2L, 4L, 4L, 4L, 
4L, 4L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 5L, 2L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L), .Label = c("A", "D", "J", "L", "M"), class = "factor"), 
    ROI_Score = structure(c(3L, 1L, 1L, 2L, 1L, 3L, 1L, 3L, 3L, 
    2L, 3L, 1L, 1L, 3L, 1L, 1L, 1L, 3L, 3L, 3L, 3L, 1L, 1L, 3L, 
    3L, 1L, 1L, 2L, 2L, 3L, 3L, 1L, 1L, 3L, 3L, 1L, 3L, 3L, 3L, 
    1L, 3L, 1L, 3L, 1L, 3L, 1L, 3L, 2L, 3L, 1L, 1L, 1L, 3L, 3L, 
    3L, 1L, 1L, 1L, 3L, 1L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 1L, 
    3L, 1L, 1L, 1L, 3L, 1L, 3L, 2L, 3L, 3L, 2L, 1L, 1L, 3L, 3L, 
    1L, 1L, 1L, 3L, 1L, 1L, 3L, 1L, 1L, 3L, 1L, 1L, 1L, 1L, 3L, 
    1L, 3L, 3L, 3L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 
    3L, 3L, 3L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 1L, 3L, 
    1L, 3L, 3L, 1L, 3L, 3L, 1L, 3L, 1L, 1L, 1L, 1L, 1L, 3L, 1L, 
    1L, 3L, 1L, 3L, 1L, 3L, 3L, 3L, 1L, 1L, 3L, 3L, 3L, 1L, 2L, 
    1L, 3L, 2L, 3L, 1L, 1L, 1L, 3L, 3L, 1L, 1L, 1L, 1L, 2L, 3L, 
    3L, 1L, 2L, 2L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 1L, 3L, 3L, 3L, 
    3L, 1L, 3L, 1L, 1L, 1L, 1L, 3L, 3L, 3L, 3L, 3L, 1L, 1L, 3L, 
    1L, 1L, 1L, 1L, 2L, 3L, 1L, 1L, 3L, 3L, 1L, 3L, 1L, 2L, 3L, 
    3L, 3L, 3L, 3L, 3L, 2L, 1L, 1L, 3L, 1L, 3L, 2L, 3L, 3L, 2L, 
    1L, 1L, 3L, 3L, 1L, 1L, 1L, 3L, 1L, 1L, 3L, 1L, 1L, 3L, 3L, 
    1L, 1L, 3L, 1L, 1L, 3L, 1L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
    3L, 3L, 1L, 3L, 1L, 3L, 3L, 1L, 1L, 1L, 3L, 1L, 2L, 3L, 1L, 
    3L, 3L, 2L, 3L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 1L, 3L, 3L, 3L, 
    3L, 2L, 3L, 2L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 3L, 3L, 
    4L, 3L, 1L, 1L, 3L, 1L, 3L, 1L, 1L, 1L, 1L, 3L, 3L, 3L, 3L, 
    3L, 1L, 1L, 3L, 1L, 1L, 1L, 3L, 3L, 3L, 1L, 3L, 1L, 1L, 2L, 
    3L, 1L, 1L, 1L, 3L, 3L, 1L, 3L, 3L, 3L, 3L, 2L, 3L, 3L, 3L, 
    1L, 1L, 2L, 3L, 3L, 3L, 1L, 3L, 3L, 2L, 1L, 3L, 3L, 3L, 1L, 
    2L, 3L, 3L, 1L, 1L, 3L, 1L, 3L, 1L, 1L, 3L, 1L, 3L, 3L, 2L, 
    2L, 3L, 1L, 3L, 1L, 3L, 2L, 1L, 1L, 3L, 3L, 1L, 3L, 3L, 2L, 
    3L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 3L, 3L, 3L, 3L, 3L), .Label = c("Good", 
    "OK", "Poor", "Terrible"), class = "factor"), Date = structure(c(3L, 
    3L, 5L, 5L, 5L, 7L, 3L, 3L, 9L, 9L, 9L, 11L, 11L, 3L, 3L, 
    5L, 5L, 5L, 7L, 7L, 7L, 11L, 11L, 11L, 3L, 15L, 15L, 21L, 
    13L, 17L, 17L, 19L, 21L, 13L, 13L, 13L, 15L, 15L, 17L, 17L, 
    17L, 19L, 19L, 19L, 21L, 21L, 30L, 30L, 23L, 25L, 25L, 25L, 
    27L, 27L, 27L, 29L, 29L, 29L, 23L, 23L, 25L, 25L, 25L, 27L, 
    27L, 27L, 30L, 30L, 30L, 30L, 30L, 32L, 32L, 36L, 2L, 36L, 
    36L, 36L, 39L, 39L, 34L, 34L, 34L, 36L, 36L, 36L, 39L, 39L, 
    2L, 2L, 32L, 34L, 34L, 36L, 41L, 41L, 41L, 43L, 1L, 38L, 
    38L, 41L, 42L, 43L, 38L, 38L, 41L, 41L, 41L, 42L, 42L, 42L, 
    43L, 43L, 1L, 1L, 1L, 38L, 42L, 42L, 42L, 42L, 1L, 1L, 1L, 
    3L, 3L, 7L, 3L, 3L, 3L, 5L, 7L, 11L, 3L, 3L, 3L, 3L, 5L, 
    5L, 5L, 7L, 7L, 7L, 9L, 9L, 11L, 11L, 11L, 13L, 15L, 17L, 
    19L, 19L, 21L, 21L, 13L, 21L, 13L, 13L, 13L, 15L, 17L, 17L, 
    17L, 19L, 19L, 21L, 21L, 21L, 29L, 29L, 29L, 30L, 23L, 25L, 
    29L, 29L, 23L, 23L, 23L, 25L, 25L, 25L, 27L, 27L, 30L, 30L, 
    30L, 32L, 32L, 32L, 2L, 2L, 39L, 39L, 32L, 32L, 32L, 34L, 
    34L, 34L, 36L, 36L, 2L, 2L, 2L, 43L, 1L, 38L, 41L, 41L, 42L, 
    42L, 42L, 43L, 43L, 1L, 1L, 43L, 1L, 42L, 1L, 1L, 1L, 32L, 
    32L, 36L, 2L, 36L, 36L, 36L, 39L, 39L, 34L, 34L, 34L, 36L, 
    36L, 36L, 39L, 39L, 2L, 2L, 32L, 34L, 34L, 36L, 10L, 4L, 
    6L, 6L, 10L, 10L, 10L, 12L, 4L, 4L, 12L, 12L, 6L, 6L, 6L, 
    8L, 8L, 8L, 12L, 12L, 14L, 16L, 14L, 14L, 18L, 20L, 14L, 
    18L, 18L, 18L, 14L, 14L, 14L, 16L, 16L, 16L, 22L, 22L, 22L, 
    28L, 28L, 31L, 28L, 28L, 28L, 31L, 31L, 31L, 33L, 33L, 33L, 
    35L, 35L, 35L, 37L, 37L, 37L, 33L, 33L, 33L, 35L, 37L, 37L, 
    40L, 40L, 32L, 32L, 32L, 2L, 2L, 39L, 39L, 32L, 32L, 32L, 
    34L, 34L, 34L, 36L, 36L, 2L, 2L, 2L, 6L, 6L, 10L, 10L, 10L, 
    10L, 4L, 4L, 6L, 6L, 8L, 8L, 8L, 10L, 10L, 12L, 4L, 8L, 8L, 
    8L, 8L, 12L, 4L, 4L, 4L, 4L, 8L, 12L, 16L, 16L, 14L, 16L, 
    18L, 18L, 20L, 20L, 20L, 14L, 14L, 20L, 20L, 22L, 22L, 14L, 
    16L, 18L, 18L, 18L, 18L, 24L, 24L, 24L, 26L, 26L, 31L, 31L, 
    24L, 26L, 26L, 26L, 26L, 24L, 24L, 24L, 24L, 31L, 31L, 40L, 
    37L, 33L, 33L, 33L, 33L, 35L, 35L, 35L, 37L, 37L, 37L, 37L, 
    40L), .Label = c("01/02/2013", "01/03/2013", "04/02/2013", 
    "04/03/2013", "05/02/2013", "05/03/2013", "06/02/2013", "06/03/2013", 
    "07/02/2013", "07/03/2013", "08/02/2013", "08/03/2013", "11/02/2013", 
    "11/03/2013", "12/02/2013", "12/03/2013", "13/02/2013", "13/03/2013", 
    "14/02/2013", "14/03/2013", "15/02/2013", "15/03/2013", "18/02/2013", 
    "18/03/2013", "19/02/2013", "19/03/2013", "20/02/2013", "20/03/2013", 
    "21/02/2013", "22/02/2013", "22/03/2013", "25/02/2013", "25/03/2013", 
    "26/02/2013", "26/03/2013", "27/02/2013", "27/03/2013", "28/01/2013", 
    "28/02/2013", "28/03/2013", "29/01/2013", "30/01/2013", "31/01/2013"
    ), class = "factor"), Scorer = structure(c(2L, 2L, 3L, 3L, 
    2L, 2L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 2L, 2L, 
    2L, 2L, 2L, 1L, 1L, 2L, 3L, 3L, 2L, 2L, 2L, 2L, 3L, 2L, 2L, 
    2L, 2L, 1L, 1L, 2L, 1L, 2L, 3L, 1L, 3L, 1L, 2L, 2L, 2L, 2L, 
    3L, 3L, 3L, 2L, 2L, 2L, 3L, 3L, 3L, 1L, 2L, 1L, 1L, 1L, 2L, 
    1L, 1L, 2L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 1L, 3L, 2L, 2L, 
    3L, 3L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 3L, 1L, 1L, 3L, 3L, 1L, 
    3L, 3L, 3L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 
    1L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 2L, 3L, 3L, 3L, 3L, 2L, 2L, 
    2L, 2L, 2L, 3L, 2L, 1L, 2L, 1L, 1L, 2L, 2L, 1L, 2L, 1L, 1L, 
    3L, 1L, 3L, 1L, 3L, 3L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 3L, 3L, 
    2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 2L, 2L, 1L, 1L, 3L, 2L, 1L, 
    1L, 1L, 1L, 3L, 2L, 2L, 3L, 3L, 3L, 2L, 1L, 2L, 3L, 1L, 3L, 
    2L, 2L, 1L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 
    2L, 2L, 3L, 2L, 2L, 1L, 1L, 3L, 2L, 2L, 2L, 3L, 3L, 2L, 1L, 
    2L, 1L, 2L, 2L, 2L, 2L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 
    1L, 3L, 2L, 2L, 3L, 3L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 3L, 1L, 
    1L, 3L, 3L, 1L, 2L, 3L, 2L, 2L, 1L, 1L, 2L, 2L, 3L, 1L, 2L, 
    1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 2L, 
    2L, 3L, 3L, 1L, 1L, 1L, 2L, 3L, 1L, 3L, 1L, 2L, 1L, 2L, 2L, 
    2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 2L, 2L, 1L, 
    2L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 2L, 2L, 2L, 3L, 3L, 3L, 
    3L, 1L, 1L, 1L, 2L, 2L, 3L, 2L, 2L, 1L, 1L, 3L, 2L, 2L, 1L, 
    3L, 2L, 1L, 3L, 3L, 2L, 2L, 2L, 3L, 2L, 2L, 2L, 2L, 1L, 1L, 
    1L, 3L, 2L, 1L, 1L, 3L, 1L, 3L, 2L, 2L, 1L, 3L, 2L, 1L, 3L, 
    3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 2L, 3L, 1L, 3L, 3L, 
    1L, 2L, 2L, 2L, 3L, 3L, 2L, 2L, 2L, 1L, 1L, 3L, 3L, 2L, 1L, 
    2L, 2L, 1L, 1L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
    2L, 2L, 1L), .Label = c("", "B", "G"), class = "factor")), .Names = c("Operator", 
"ROI_Score", "Date", "Scorer"), row.names = c(NA, -412L), class = "data.frame")

解决方案

Here's to prepare your data using data.table:

require(data.table)
dt <- data.table(df)
ops <- as.character(unique(dt$Operator))
scr <- as.character(unique(dt$ROI_Score))
oo <- setkey(dt[, .N, by="Operator,ROI_Score"], Operator, 
                 ROI_Score)[CJ(ops, scr)][is.na(N), N:= 0L]

And here's how you can get a normalised bar-chart with this data:

oo[, N.norm := N/sum(N), by=Operator]

One way to plot this would be with x = Operator:

require(ggplot2)
ggplot(data = oo, aes(x = Operator, y = N.norm)) + 
       geom_bar(positon="stack", stat="identity", aes(fill = ROI_Score))

这篇关于重塑/改造数据框以创建标准化条形图和饼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！