1. 引子

前两天还说 R 语言不是不好，(只是不适合咱用)[]，今天就想收回这话了。这货用着也太别扭了，一个最简单的可视化差点憋死我。

就像马保国，名气大，实则很完蛋。

2. 问题

比如一个最简单的 csv，想打印成 Bar Plot。数据长的像下面这样

skillsnumbermachine learning7255communication skill2970fast pace1672software develop1356track record1079deep learning1065project management1047natural language958data mining939written communication926

再简单不过的一个表格，想按照上面顺序打印出来。于是导入以后调用 ggplot2 开始可视化

library(ggplot2)sdata = read.csv('skills.csv')ggplot(data=sdata) + geom_col(mapping = aes(x=skills, y=n)) +    theme(axis.text.x = element_text(angle = 90)) + coord_flip()

但就这么简单个东西，问题就出来了，打印结果如下

不对吖，不应该是按照我数据的顺序打印么？这算怎么回事儿？仔细一看，丫的自作主张给我按照字母顺序排序打印了。

自作多情。谁稀罕你的排序啊。我就纳闷了，有多少次我们打印会按照字母顺序？直接按我原始数据指定的打印不好么？看 Python 多听话

import pandas as pdimport matplotlib.pyplot as plt
sdata = pd.read_csv("skills.csv", skipinitialspace=True)plt.style.use('ggplot')plt.barh(y=sdata.skills, width=sdata.numbers)plt.xticks(rotation=90)plt.gca().invert_yaxis()

结果

3. 分析

上网搜了一下，有的文章说是因为 dataframe 把 categorical data 转换成了 factor，然后按照 factor 的 order 打印的。那我们把 factor 转换成 vector 是不是就可以了？

试试

sdata = read.csv('skills.csv')sdata$skills = as.character(sdata$skills)ggplot(data=sdata) + geom_col(mapping = aes(x=skills, y=numbers)) +    theme(axis.text.x = element_text(angle = 90)) + coord_flip()

很遗憾，结果和之前一模一样

所以，应该是 R 在处理坐标轴排序的时候就是用的字母顺序，和 factor 还是 vector 没有关系。这个设计真是脑残。

既然想保持固定顺序，我们最后还是得回到能排序的东西上来。仔细看了看各种数据类型，也还是得靠 facto。不管是它的 level 属性，还是它的 ordered 属性，都是指定顺序的。指定 level 的时候，需要重新修改一下原来的 column

sdata = read.csv('skills.csv')s = as.character(sdata$skills)sdata$skills = factor(s, levels = rev(s))ggplot(data=sdata) + geom_col(mapping = aes(x=skills, y=numbers)) +    theme(axis.text.x = element_text(angle = 90)) + coord_flip()

这回终于一切正常了

4. 总结

这两天用 R，各方面都很怪异。作为被 Python 惯坏的东哥，实在有点伺候不了这个性格怪异的家伙。

上网大致搜了一下，R 第一版发布于 1993 年，前驱的 S 语言则发布于 1976 年，算是上古语言了。Python 则发布于 1990 年，没有前驱语言；其计算包 NumPy 发布于 1995 年，分析包 pandas 发布于 2008 年。

这就是先发优势吧。虽然 Python 优雅简洁，奈何 R 语言已经在统计和科学计算方面有了统治级别的地位。想一时半会儿取而代之，还是颇有难度。尤其在学界。

但我是真有点受够她了。人生苦短，我为啥不用 Python。

5. 交流

独学而无友则孤陋寡闻。现有「数据与统计科学」微信交流群，内有数据行业资深从业人员、海外博士、硕士等，欢迎对数据科学、数据分析、机器学习、人工智能有兴趣的朋友加入，一起学习讨论。

大家可以扫描下面二维码，添加荔姐微信邀请加入，暗号：机器学习加群。

Lily

6. 扩展

6.1. 参考文献

1. Dr. P. Prakash 和 A. S. K. Rao, R Data Structures and Algorithms. 2016.

2. H. Wickham 和 G. Grolemund, R for data science: import, tidy, transform, visualize, and model data, First edition. Sebastopol, CA: O’Reilly, 2016.

Data2Science

本文使用 mdnice 排版