Comparar automáticamente todas las variables categóricas de un dataframe en R es muy importante. Para simplificar el problema por favor asuma que todas las variables del dataframe son categóricas.
Como ejemplo crearé un dataframe que llamaremos df_categorical y está formado por las variables categóricas Sex, Pclass, y Survived del conjunto de datos Titanic.
Para atacar este problema, he leído que muchos autores, como por ejemplo Paul Murrell en su libro R Graphics, consideran que un mosaic plot sería lo más adecuado.
library(titanic)
library(tidyverse)
data(titanic_train)
str(titanic_train)
df_categorical <- titanic_train %>%
mutate(Survived = factor(Survived), Pclass = factor(Pclass), Sex = factor(Sex)) %>%
select(Survived, Pclass, Sex)
str(df_categorical)
library(vcd)
pairs(structable(df_categorical))
Sin embargo, preferiría porcentajes en lugar de totales. También desearía colores.
Puedo obtenerlo manualmente usando cada posible subconjunto con la librería plotluck de Stefan Schroedl @stefan.schroedl. Sin embargo, me interesa una solución automática para cualquier dataframe que tenga solamente variables categóricas. Este plot si tiene porcentajes. Sin embargo, tengo q usar los nombres de las variables. Algo que no quiero hacer :(:(:( Podrían por favor ayudarme? De antemano, muchas gracias!
install.packages('devtools')
library(devtools)
devtools::install_github("stefan-schroedl/plotluck")
library(plotluck)
plotluck(df_categorical, Survived~Pclass)
Otra posibilidad que he estado pensando es encontrar los subsets de 2 elementos y graficar esos plots, uno después de otro-es decir individualmente, usando plotluck. Por ejemplo si el dataframe tiene 3 variables: {1,2},{1,3}, {2,3}. Dataframe de 4 variables: {1,2}, {1,3}, {1,4}, {2,3}, {2,4}. Y así sucesivamente.
Sin embargo, para 5 variables son 10 subsets. Para 6 variables, 15 subsets. Etc. Parece algo imposible, pero es lo que se logra con
library(vcd)
pairs(structable(df_categorical))