graphpad分组百分⽐柱状图_Stata⾥⾯的三种柱状图
三种样式的柱状图，你更喜欢哪种呢？
R⾥⾯的ggplot2包可绘制的柱状图总共来说的话有三种，分别是identity、fill和dodge。那么如何在Stata中也画出相应的三种类型的图呢？⾸先以最简单的柱状图⼊⼿：
use diamonds,clear
* 这份数据集包含了 53940 颗钻⽯的价格和其它属性数据：
* carat：钻⽯的重量(克拉)
* cut：钻⽯的切⼯(五分组变量：Fair, Good, Very Good, Premium, Ideal)
* color：钻⽯的颜⾊
* clarity：钻⽯的纯净度(⼋分组变量)
* price：钻⽯的价格
contract cut //这个时候不能⽤collapse，collapse⾥⾯的percent是计算⾮缺失值的百分⽐，这个命令在进⾏数据预处理时⽐较好⽤，但在此处不好⽤。
tw bar _freq cut, fcolor(green%50) barwidth(0.8) xlab(, val)
上⾯展⽰的是tw bar的柱状图，其实也可以使⽤gr bar来实现同样的操作(⼀定要注意tw bar和gr bar两个是不同的命令)，代码如下：
use diamonds,clear
gr bar , over(cut) bar(1,color(green%50))  ///
blab(bar,pos(inside) format(%6.2f) size(small))
两者最⼤的区别在于纵轴，但是反映出来的信息其实是⼀样的。⽽且gr bar可以通过blab()选项来显⽰每⼀个柱条的对应数值，⽽tw类型的bar应该是没有这个选项的。⽽且，⾮要折腾使⽤gr bar做出纵轴为频数的柱状图的话，也不是不可以，代码如下：
use diamonds.dta, clear
gen id = _n
gr bar (count) id ,over(cut) bar(1,color(green%50)) ///
blab(bar,pos(inside) format(%6.2f) size(small))  yti(Frequency)
效果如下：
OK，已经做出了⼤概，但是如果想让我们的图形更具有视觉上的冲击⼒的话，那么我们就得给不同的
柱体加上不同的颜⾊，那么怎么操作呢？很简单，使⽤tw bar进⾏图层的叠加即可。
use diamonds, clear
contract cut
tw ///
bar _freq cut if cut == 1, fc(red) barwidth(0.8) || ///
bar _freq cut if cut == 2, fc(yellow) barwidth(0.8) || ///
bar _freq cut if cut == 3, fc(gold) barwidth(0.8) || ///
bar _freq cut if cut == 4, fc(blue) barwidth(0.8) || ///
bar _freq cut if cut == 5, fc(purple) barwidth(0.8) ///
xlab(, val) leg(off)
同样的，gr bar也可以实现类似的功能：
use diamonds, clear
gen id = _n
gr bar (count) id ,over(cut) ///
asyvars ///
bar(1, color(red)) ///
bar(2, color(yellow)) ///
bar(3, color(gold)) ///
bar(4, color(blue)) ///
bar(5, color(purple)) ///
leg(pos(11) col(3)) ///
blab(bar,pos(inside) format(%6.2f) size(small)) ///
stata怎么发音
yti(Frequency)
以上就是只有⼀个分组变量的情况，但是更多时候往往是多个分组变量的组合。例如想研究⼀个班上男⽣和⼥⽣不同籍贯，这个时候就存在两个分组变量：性别和籍贯。
⾸先第⼀种，对应ggplot2⾥⾯的fill
use diamonds, clear
colorscheme 8, palette(Set1)
gr bar, over(clarity) over(cut) ///
stack asyvars yti(count) ///
leg(ti(clarity)) ///
bar(1, color("`r(color1)'")) ///
bar(2, color("`r(color2)'")) ///
bar(3, color("`r(color3)'")) ///
bar(4, color("`r(color4)'")) ///
bar(5, color("`r(color5)'")) ///
bar(6, color("`r(color6)'")) ///
bar(7, color("`r(color7)'")) ///
bar(8, color("`r(color8)'")) ///
leg(pos(11) size(*0.8) col(4)) ///
blab(bar,pos(inside) format(%4.1f))
这个图的优势就在于可以清楚的看出不同cut的占⽐份额，⽽且也兼顾到了在同⼀cut中不同clarity的占⽐份额。但是由于有的占⽐太少，导致显⽰的数字很乱，此时我们可以再做进⼀步的分析，看⼀下同⼀个cut中，占⽐份额的具体多少。代码也很简单，加上⼀个precent选项就可以了。
gr bar (percent) id , over(clarity) over(cut) ///
stack asyvars yti(percent) ///
bar(1, color("`r(color1)'")) ///
bar(2, color("`r(color2)'")) ///
bar(3, color("`r(color3)'")) ///
bar(4, color("`r(color4)'")) ///
bar(5, color("`r(color5)'")) ///
bar(6, color("`r(color6)'")) ///
bar(7, color("`r(color7)'")) ///
bar(8, color("`r(color8)'")) ///
leg(off) percent

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。