自变量为离散型变量，因变量也为离散型变量画什么图

如附件中的数据所示：

有10个score变量，现在需要探究这10个score与因变量bad_good之间的影响关系。

在这之前将每个score做纵坐标，bad_good做横坐标画箱线图，但是关系不是很明显，需要进一步展示他们之间的关系，如下图（以score1为例）。

在探索更好的方法中，我首先将score从小到大排序，利用深度分箱将数据分成10段（深度分箱就是将数据分成想分成的组数，然后每个组的个数尽量相等，这是一种很好的将连续性数据离散化的方法，返回的是每个数据对应的区间，并且自动将缺失值排除在外。还有另一种分箱也可以将连续性数据离散化，具体的可以百度）然后按分组分别计算bad_good中bad和good的占比（ggplot2自动计算）然后画出柱状图，如下（以score10为例）：

但是，我们关注的是bad对因变量的作用，因此我们只用将图的上半部分bad拿出来画柱状图，另外，要看去世的话，折线图最好用，因此这里再将bad那部分的柱状图画成折线图的形式，同样，这里我也封装了一个函数，下次可以直接使用：

mygraghfun <- function(data_analysis, independent_variable, dependent_variable, attention){

  #注：

  # data_analysis是待分析的数据

  # independent_variable是需要画图的自变量

  # dependent_variable是需要展示的因变量

  # attention是因变量中需要重点展示的水平

  #用函数的时候以这种形式输入：mygraghfun(loandata, "score10", "bad_good", "bad")

  data_arrange <- data_analysis %>%

    arrange(eval(parse(text = independent_variable)))

  #对连续性自变量进行排序

  library(Hmisc)

  

  data_cut <- data_arrange %>%

    select(independent_variable) %>%

    unlist()%>%

    cut2(g = 10)

  #排序后的自变量进行深度分箱操作，分为10组（返回每个数据在的组别）

  dependent <- data_arrange %>%

    select(dependent_variable)

  #提取排序后的数据中的因变量

  data_bind <- data.frame(data_cut, dependent)

  #将排序后的因变量和分割的数据合并

  bad <- data_bind %>%

    filter(eval(parse(text = dependent_variable)) == attention) %>%

    group_by(data_cut) %>%

    summarise(bad_n = n())

  #计算每组中受关注度的数据总数

  sum <- data_bind %>%

    group_by(data_cut) %>%

    summarise(sum_n = n()) %>%

    select(sum_n) %>%

    unlist()

  #计算每组的总数

  bad_need <- bad %>%

    mutate(prob = bad_n/sum)

  #添加新的一列：受关注变量分别占每组总的变量的比率

  data_cut_factor_level <- bad_need %>%

    select(data_cut) %>%

    unlist() %>%

    factor(exclude = FALSE)

  #对分好组的自变量因子进行处理，使缺失值在因子水平中显示出来

  bad_need %>%

    ggplot(aes(x = data_cut, y = prob, group = 1)) +

    geom_line(colour = "steelblue", size = 1) + #画折线

    scale_y_continuous(labels = percent) + #将纵向刻度变为百分制

    scale_x_discrete(limits = rev(levels(data_cut_factor_level))) + #横坐标因子逆序

    geom_point(colour = "steelblue", size = 2) + #加入点图

    geom_text(aes(label = percent(prob), hjust = 1)) + #将纵坐标换算成百分制

    labs(x = independent_variable) + #修改横坐标标签

    theme_dark() + #一种主题

    theme(panel.background = element_blank(), #去掉背景色

          panel.grid.major.x = element_blank(), #去掉纵轴线

          panel.grid.minor.x = element_blank(), #去掉纵轴线

          axis.text.x = element_text(angle = 30)) #横坐标标签旋转30度

}



mygraghfun(loandata, "score8", "bad_good", "bad")

需要用到的信息都在注释里边了。最后的完整代码在附件中也有

画出图的效果（以score10为例）：

很明显，随着分数段增高，bad出现的概率更高，可以进一步探索信息。

• mydata.zip
• loandata_task.zip