对宗教进行重新排序后，可以更容易地看出“不知道”类别的人看电视的时间要多得多，而印度教和其他东方宗教的人看电视的时间要少得多。

当你开始进行更复杂的变换时，我建议将它们从 aes() 中移出，放到单独的 mutate() 步骤中。例如，你可以将前面的图形重写为：

relig %>% mutate(relig = fct_reorder(relig, tvhours)) %>% ggplot(aes(tvhours, relig)) + geom_point()

如果我们创建一个类似的图形，看看平均年龄如何随报告的收入水平变化，会怎样呢？

rincome <- gss_cat %>% group_by(rincome) %>% summarize( age = mean(age, na.rm = TRUE), tvhours = mean(tvhours, na.rm = TRUE), n = n() ) ggplot( rincome, aes(age, fct_reorder(rincome, age)) ) + geom_point()