引言
在进行数据分析时，免不了对结果进行可视化。那么，什么样的图形才最适合自己的数据呢？一个有效的图形应具备以下特点：
- 能正确传递信息，而不会产生歧义；
- 样式简单，但是易于理解；
- 添加的图形美学应辅助理解信息；
- 图形上不应出现冗余无用的信息。
本系列推文，小编将汇总可视化中常用 7 大类型图形，供读者参（有些图形也会给出其他拓展的 R 包）。每类制作成一篇推文，主要参考资料为：Top 50 ggplot2 Visualizations[1]。前几期可见：
其他类似功能网站，资料包括：
- 庄闪闪的可视化笔记——常用图形[2]
- R Graph Gallery[3]
- 《R 语言教程》——ggplot 的各种图形[4]
系列目录
本文主要介绍第三部分：排序关系图形。
3 排序
3.1 有序条形图
有序条形图是按 Y 轴变量排序的条形图，X 轴变量必须转换为因子型（使用 factor() 函数），有序的处理：利用函数 order()。
# 准备数据：按厂商分组计算平均城市里程。 cty_mpg <- aggregate(mpg$cty, by=list(mpg$manufacturer), FUN=mean) # aggregate colnames(cty_mpg) <- c("make", "mileage") # change column names cty_mpg <- cty_mpg[order(cty_mpg$mileage), ] # sort cty_mpg$make <- factor(cty_mpg$make, levels = cty_mpg$make) # to retain the order in plot. head(cty_mpg, 4)
ggplot(cty_mpg, aes(x=make, y=mileage)) + geom_bar(stat="identity", width=.5, fill="tomato3") + labs(title="Ordered Bar Chart", subtitle="Make Vs Avg. Mileage", caption="source: mpg") + theme(axis.text.x = element_text(angle=65, vjust=0.6))
有序条形图
3.2 棒棒糖图
棒棒糖图传达的信息与柱状图相同。通过将粗条转变为细线，减少了杂乱，使图形看起来更美观。主要利用 geom_point() 与 geom_segment() 函数。
ggplot(cty_mpg, aes(x=make, y=mileage)) + geom_point(size=3) + geom_segment(aes(x=make, xend=make, y=0, yend=mileage)) + labs(title="Lollipop Chart", subtitle="Make Vs Avg. Mileage", caption="source: mpg") + theme(axis.text.x = element_text(angle=65, vjust=0.6))
3.3 点图
点图非常类似于棒棒糖图，但没有线条，并且各标签都在水平位置上。它更强调项目的顺序与实际值有关。
注意代码中的 geom_segment() 内的 x 和 xend 的设置。以及最后使用了 coord_flip() 反转坐标轴。
ggplot(cty_mpg, aes(x=make, y=mileage)) + geom_point(col="tomato2", size=3) + # Draw points geom_segment(aes(x=make, xend=make, y=min(mileage), yend=max(mileage)), linetype="dashed", size=0.1) + # Draw dashed lines labs(title="Dot Plot", subtitle="Make Vs Avg. Mileage", caption="source: mpg") + coord_flip()
点图
3.4 坡度图
坡度图是比较两点之间差异的绝佳方法。目前，还没有内置函数来构建这个图形。下面的代码可以作为一个示例框架，告诉您如何绘制这个图形。
先展示下数据：
library(scales) # 数据准备 df <- read.csv("https://raw.githubusercontent.com/selva86/datasets/master/gdppercap.csv") colnames(df) <- c("continent", "1952", "1957") left_label <- paste(df$continent, round(df$'1952'),sep=", ") right_label <- paste(df$continent, round(df$'1957'),sep=", ") df$class <- ifelse((df$'1957' - df$'1952') < 0, "red", "green") head(df)
library(ggplot2) p <- ggplot(df) + geom_segment(aes(x=1, xend=2, y=`1952`, yend=`1957`, col=class), size=.75, show.legend=F) + geom_vline(xintercept=1, linetype="dashed", size=.1) + geom_vline(xintercept=2, linetype="dashed", size=.1) + scale_color_manual(labels = c("Up", "Down"), values = c("green"="#00ba38", "red"="#f8766d")) + # color of lines labs(x="", y="Mean GdpPerCap") + # Axis labels xlim(.5, 2.5) + ylim(0,(1.1*(max(df$`1952`, df$`1957`)))) # X and Y axis limits # Add texts p <- p + geom_text(label=left_label, y=df$`1952`, x=rep(1, NROW(df)), hjust=1.1, size=3.5) p <- p + geom_text(label=right_label, y=df$`1957`, x=rep(2, NROW(df)), hjust=-0.1, size=3.5) p <- p + geom_text(label="Time 1", x=1, y=1.1*(max(df$`1952`, df$`1957`)), hjust=1.2, size=5) # title p <- p + geom_text(label="Time 2", x=2, y=1.1*(max(df$`1952`, df$`1957`)), hjust=-0.1, size=5) # title #设置主题 p + theme(panel.background = element_blank(), panel.grid = element_blank(), axis.ticks = element_blank(), axis.text.x = element_blank(), panel.border = element_blank(), plot.margin = unit(c(1,2,1,2), "cm"))
图形是通过线段，竖线构成，之后添加文字。这是纯 ggplot 码出来的图形。当然现在也有现成的包可以完成。例如：CGPfunctions[5]。它可以得到的结果实例如下：
来源：https://ibecav.github.io/CGPfunctions/
来源：https://ibecav.github.io/CGPfunctions/
3.5 哑铃图
哑铃图作用：
- 比较两个时间点之间的相对位置（比如增长和下降）；
- 比较两类之间的距离。
为了得到哑铃的正确顺序，Y 变量应该是一个因子，因子变量的水平应该与它在图中出现的顺序相同。
数据如下：
health <- read.csv("https://raw.githubusercontent.com/selva86/datasets/master/health.csv") health$Area <- factor(health$Area, levels=as.character(health$Area)) # for right ordering of the dumbells # health$Area <- factor(health$Area) head(health)
直接使用 geom_dumbbel() 绘制哑铃图。之后就是一些细节的调整。
gg <- ggplot(health, aes(x=pct_2013, xend=pct_2014, y=Area, group=Area)) + geom_dumbbell(color="#a3c4dc", size=0.75, point.colour.l="#0e668b") + scale_x_continuous(label=percent) + labs(x=NULL, y=NULL, title="Dumbbell Chart", subtitle="Pct Change: 2013 vs 2014", caption="Source: https://github.com/hrbrmstr/ggalt") + theme(plot.title = element_text(hjust=0.5, face="bold"), plot.background=element_rect(fill="#f7f7f7"), panel.background=element_rect(fill="#f7f7f7"), panel.grid.minor=element_blank(), panel.grid.major.y=element_blank(), panel.grid.major.x=element_line(), axis.ticks=element_blank(), legend.position="top", panel.border=element_blank()) plot(gg)
拓展的哑铃图可以参考这个链接[6]，得到的示意图如下。这里代码就不贴出来了，需要的读者自行去网站下载。主要是在基础版本上，加入阴影（geom_rect()）、线段(geom_segment)，竖线(geom_vline)。
来源：https://r-graph-gallery.com
来源：https://r-graph-gallery.com
小编有话说
这个系列的推文，只是给出了最简约的图形，并没有在美观上进行设计。主要让读者了解，绘制什么图形，应该使用什么函数/包。具体的美观设计，暂时不做设计，可以在主题、配色上做文章。类似的推文小编整理了些，可供参考：
参考资料
[1]
Top 50 ggplot2 Visualizations: http://r-statistics.co/Top50-Ggplot2-Visualizations-MasterList-R-Code.html
[2]
庄闪闪的可视化笔记——常用图形: https://liangliangzhuang.github.io/R-tutorial/main-diagram-types.html
[3]
R Graph Gallery: https://www.r-graph-gallery.com/ggplot2-package.html
[4]
R 语言教程——ggplot 的各种图形: https://www.math.pku.edu.cn/teachers/lidf/docs/Rbook/html/_Rbook/ggplotvis.html
[5]
CGPfunctions: https://ibecav.github.io/CGPfunctions/
[6]
链接: https://r-graph-gallery.com/web-extended-dumbbell-plot-ggplot2.html
