简介
最近和师妹参加一个数据分析大赛，比赛中需要对产品的每天失效数进行可视化。这时，我想起了 GitHub 中的热力图，如下所示：
于是，我打算使用这种热力图/日历图来绘制我的需求。经过搜索，发现了几篇值得参考的文章：
- Time-Series Calendar Heatmaps[1]
- ggTimeSeries 的 Github 教程[2]
- 《R语言数据可视化之美专业图表绘制指南[3]》第六章
以下为他们所构造出的结果：
来源 1
来源 2
来源 3 中 192 页
和我想象的 GitHub 的不大相同。个人需求是将产品失效个数按照离散形式（极少，少，中，多，极多）划分。并且图形应当更加简洁美观。
于是在学习 {ggTimeSeries} 包后，我打算在他们基础上进行修改。
数据介绍
我们使用模拟数据进行分析，一共生成两列数据：日期以及对应的产品失效等级（a:e）。为了突出产品失效是极少的，所以在抽样(sample())过程中，给 a 类增加抽到的概率。
注意：此类需求还可拓展到其他时间序列中，例如：图书馆书籍日均借阅次数/等级；AQI日均级别等。
# 构建数据 library(tidyverse) set.seed(20230309) dtData <- tibble( DateCol = seq( as.Date("1/01/2020", "%d/%m/%Y"), as.Date("31/12/2022", "%d/%m/%Y"), "days" ), ValueCol = sample( c('a', 'b', 'c', 'd', 'e'), 1096, #根据日期长度确定 prob = c(0.7, 0.1, 0.1, 0.05, 0.05), replace = TRUE ) ) head(dtData)
可视化
加载所需的 R 包
library(ggTimeSeries) library(ggplot2)
初级版本
利用 {ggTimeSeries} 包中的 ggplot_calendar_heatmap() 绘制基于年份的日历图。
p = ggplot_calendar_heatmap( dtData, 'DateCol', 'ValueCol' ) p
此时，默认情况下，图形非常丑陋。
细节调整
根据上图存在的问题，我们做一些细节调整，例如:
- 变化分面位置；
- 改变日历中边缘粗细和颜色；
- 修改主题和配色等。
由于这里是离散数据，并且想要复现 GitHub 那种款式。
所以小编使用颜色采集器获取对应颜色代码，并使用 scale_fill_manual() 进行赋值。其他细节如下所示，不做过多说明。读者可以删除对应内容，查看绘图结果，从而判断该参数的功能。
col <- c("#EBEDF0", "#CBE491", "#89C876", "#459944", "#2C602C") p + scale_fill_manual(values = col) + facet_wrap(~Year, ncol = 1,strip.position = "right") + theme( panel.background = element_blank(), legend.text = element_blank(), panel.border = element_rect(colour="grey60",fill=NA), strip.background = element_blank(), strip.text = element_text(size=13,face="plain",color="black"), axis.line=element_line(colour="black",size=0.25), axis.title=element_text(size=10,face="plain",color="black"), axis.text = element_text(size=10,face="plain",color="black")) + xlab('') + ylab('') + labs(fill = "Freq")
小编有话说
注意：本文的代码（.RMD）已经放到我的 GitHub 中（文末原文直达），有兴趣读者可以下载。此外，往期部分推文代码都已经公开，欢迎大家 Fork，star 使用。
参考资料
[1]
Time-Series Calendar Heatmaps: http://www.columbia.edu/~sg3637/blog/Time_Series_Heatmaps.html
[2]
ggTimeSeries 的 Github 教程: https://exts.ggplot2.tidyverse.org/ggTimeSeries.html
[3]
R语言数据可视化之美专业图表绘制指南: https://github.com/EasyChart/Beautiful-Visualization-with-R
