ggplot2 - 柱状图

简介

柱状图一般用于，当我们都有一组分类变量以及每个类别的定量值，而我们关注的主要重点是定量值的大小时。

1. 应该在柱状图背景保留横网格线，便于比较我们关注的值。

2. 当分类label过长时，最好选择横向柱状图，避免出现旋转label，保持文字阅读方向与图形方向的统一性。

3. 应该注意对柱状图进行排序（大小，分类变量，分布心态）。

4. 当分类数据过多时，可以选择棒棒糖图（点图 + 点到坐标轴连线）或热图

ggplot2中柱状图的基本绘制函数有geom_bar() 和 geom_col()，其中geom_bar() 产生的柱状图映射是经过统计变换的(count, ..prop..)；geom_col()是不经过统计变换的，代表的就是该分类变量的实际值。

1. 美学映射

• x

• y

• alpha

• colour

• fill

• group

• linetype

• size

ggplot2中柱状图的基本绘制函数有geom_bar() 和 geom_col()，其中geom_bar() 产生的柱状图映射是经过统计变换的(count, ..prop..)；geom_col()是不经过统计变换的，代表的就是该分类变量的实际值。

2. 简单柱状图

ggplot() + geom_bar(data = mpg, aes(x = class), stat = "count")

以每个x在数据集中出现的总数为y轴。

bar_plot.png

排序

ggplot2中一般数据和视觉元素映射是分开的，如果需要对柱状图排序，就需要对数据进行排序处理。 数据排序 柱状图排序

data_sorted <- mpg %>% 
 group_by(class) %>% 
 summarise(count = n()) %>%
 mutate(class = fct_reorder(class, count))
​
ggplot() + geom_bar(data =data_sorted, aes(x = class, y = count), 
 stat = "identity")

bar_plot.png

外框颜色和填充颜色

ggplot() + geom_bar(data = mpg, aes(x = class), stat = "count", 
fill = "white", colour="dodgerblue")

参数color控制外框颜色，fill控制填充颜色。 bar_plot.png

坐标轴中断

当柱状图非常高，展示时可以选择截断坐标轴，形成只有底部和上部的中断柱状图。

Graph with broken y axis.png

水平柱状图

当数据分组标签名字过长时，有一种方法是将label旋转，这样它们就不会互相重叠。

film <- data.frame( 
 RANK =c(1,2,3,4,5),
 Title = c("Star Wars: The Last Jedi", 
 "Jumanji_Welcome to the Jungle", 
 "Pitch Perfect", 
 "The Greatest Showman",
 "Ferdinand"), 
 Weekend_gross = c(71565498, 36169328, 19928525, 805843, 7316746))
p <- ggplot() +  geom_bar(data = data_sorted, 
 aes(x = Title2, y = Weekend_gross2),
 stat = "identity",
 width = 0.5, 
 position = position_dodge(width = 0.9))
 p + theme(axis.text.x = element_text(angle = 45,
 vjust = 1,
 hjust = 1,
 size = 10),
 axis.text.y = element_text(size = 10))

但一般过长的名字，旋转后可读性也并不好，而且还破坏了整个图片中字符的水平排列一致性，所以比较好的解决办法是将坐标轴旋转( coord_flip())，生成水平柱状图。

library(tidyverse)
data_sorted <- film %>% 
 mutate(Title2 = fct_reorder(Title, Weekend_gross),
 Weekend_gross2 = Weekend_gross/1000000)
ggplot() +  geom_bar(data = data_sorted, 
 aes(x = Title2, y = Weekend_gross2),
 stat = "identity",
 width = 0.5, 
 position = position_dodge(width = 0.9)) + 
theme(panel.grid.major.x = element_line(colour = "black"), 
 panel.background = element_blank(),
 axis.line.y = element_blank(),
 axis.title.y = element_blank()) + 
 coord_flip()

img

误差线

1. 标准差(sd)是描述性统计里用来表示数据本身均值范围的，两倍标准差范围以外就可能是异常值了，标准差的使用不牵扯均值对比推测，仅仅是描述性的。 2. 标准误(se)表示样本平均数对总体平均数的变异程度，反映抽样误差的大小，是量度结果精密度的指标。

注： 95%置信区间是用的Mean ± 2*SE，即ci。

箱线图和柱状图的误差线

3. 堆叠柱状图

ggplot() + geom_bar(data = mpg, aes(x = class, fill = drv), stat = "count")

分组作图的默认position 是 position = "stack"，fill参数表示将数据映射为填充颜色，color参数表示将数据映射为外框颜色。 bar_plot.png

堆叠组块间留空

利用lwd参数增加外框线宽度，然后将外框线颜色和背景色统一，就可以形成堆叠间有间隔的柱状图。

ggplot() + geom_bar(data = mpg, aes(x = class, group = drv, fill = drv), 
 stat = "count", lwd = 1.5, colour = "white") + 
 theme_classic()

bar_plot.png

百分比堆叠图

1. 比较各组中每个类别出现次数在该组中占的百分比

ggplot() + geom_bar(data = mpg, aes(x = class, fill = factor(cyl)),
 position = "fill")

bar_plot.png

2. 比较各组中每个类别实际值在该组中占的百分比

data <- mpg %>%
 group_by(class, cyl) %>% 
 summarise(count = n())
ggplot() + geom_bar(data =data, aes(x = class, y = count, fill = factor(cyl)),
 stat = "identity",
 position = "fill")

bar_plot.png

tips：由于数据集data中的count就是数据集mpg中每个组别的出现次数，因此值是图片是一样的。

堆叠柱状图连线

1. 求出连线起点和终点坐标，用segment或line

2. ggalluvial

4. 并排柱状图

position = "dodge"

ggplot() + geom_bar(data = mpg,aes(x = class, fill=factor(cyl)), position="dodge")

在aes()内部的width控制柱子的宽度，position = position_dodge()中的width控制的是一组中各柱子的间隔宽度。 bar_plot.png

position_dodge2()

2seater中的cyl在分组4,5和6上没有值，因此柱状图中2seater占据了x轴上4个位子的宽度。可以用position_dodge2解决， 其中的参数preserve = "single"使每个柱子宽度相同并居中，preserve = "total"结果与position_dodge相同。

ggplot() + geom_bar(data = mpg, aes(x = class, fill=factor(cyl)),
 position = position_dodge2(padding = 0,
 preserve = "single"))

position_dodge2中用参数padding控制同一分组中各柱子的间隔宽度，默认为padding = 0.1。 bar_plot.png

并排柱状图的误差线

并排的柱状图误差线和单个的相同，但需要注意一些参数。

1. position_dodge() 用position_dodge() 产生的并排柱状图，首先，需要给误差线一个分组依据，然后进行的potion调试：

data <- mpg %>%
 group_by(class, cyl) %>% 
 summarise(count = n())
ggplot() + geom_col(data = data, aes(x = class, y = count, fill=factor(cyl)),
 position = position_dodge()) +
 geom_errorbar(data = data, aes(x = class,  ymin = count - 1, ymax = count + 1,
 group = factor(cyl)),
 width= 0.2,
 position = position_dodge(0.9))

bar_plot.png

由于width是根据柱子的宽度产生的，所以其宽度是不同的，我觉得应该有参数可以固定宽度，但是没有找到。

2. position_dodge2() 同样的，position_dodge2()生成的并排柱状图，其error_bar()的position同样需要调试。

data <- mpg %>%
 group_by(class, cyl) %>% 
 summarise(count = n())

ggplot() + geom_col(data = data, aes(x = class, y = count, fill = factor(cyl)),
 position = position_dodge2(padding = 0, preserve = "single")) +
 geom_errorbar(data = data, aes(x = class, 
 ymin = count - 1,
 ymax = count + 1),
position = position_dodge2(padding = 0.5, preserve = "single"))

bar_plot.png

5. 棒棒糖图

a. 一个分组变量

data <- mpg %>%
 group_by( manufacturer) %>% 
 summarise(count = n())
​
# 设置连线的起点Y坐标为0
data$ymin <- rep(0, 15)
​
ggplot(data = data) + geom_point(aes(x = manufacturer, 
 y = count),size = 5) +
 geom_segment(aes(x = manufacturer, y = ymin,
 xend = manufacturer, yend = count)) +
# 设置y轴从0开始
 scale_y_continuous(expand = c(0,0))+
# 由于x轴名字有重叠，旋转坐标轴变成横向
 coord_flip() + 
 theme(panel.background = element_blank(), # 去掉背景格子
# 显示x平行网格线
 panel.grid.major.x = element_line(colour = "black"), 
# 显示x轴坐标
 axis.line.x = element_line(colour = "black"),
 axis.title.y = element_blank())

Lollipop Chart.png

[图片上传失败...(image-ae516e-1582459796851)]

b. 分组中再分组

data <- mpg %>%
 group_by( manufacturer, cyl) %>% 
 summarise(count = n())
data$ymin <- rep(0, times = 32)
# 将两个分组信息合并生成新的分组，此时
data$group <- paste(data$manufacturer, data$cyl, sep="_")
​
theme <- theme(panel.background = element_blank(), # 去掉背景格子
 # 显示x平行网格线
 panel.grid.major.x = element_line(colour = "black"), 
 # 显示x轴坐标
 axis.line.x = element_line(colour = "black"),
 axis.title.y = element_blank())
​
​
ggplot(data = data) + geom_point(aes(x = group, y = count, 
 color = factor(cyl)), 
 size = 5) +
 geom_segment(aes(x = group, y = ymin,
 xend = group, yend = count)) +
 scale_y_continuous(limits =c(0, 25) ,expand = c(0,0))+
 coord_flip() + theme

Lollipop_group.png

但x轴的labels就变成了合并后的文字，解决办法：

1.修改x轴信息

data <- mpg %>%
 group_by( manufacturer, cyl) %>% 
 summarise(count = n())
data$ymin <- rep(0, times = 32)
as.integer()
data$index <- as.integer(rownames(data))
​
theme <- theme(panel.background = element_blank(), # 去掉背景格子
 # 显示x平行网格线
 panel.grid.major.x = element_line(colour = "black"), 
 # 显示x轴坐标
 axis.line.x = element_line(colour = "black"),
 axis.title.y = element_blank())
​
​
ggplot(data = data) + geom_point(aes(x = index, y = count, 
 color = factor(cyl)), 
 size = 5) +
 geom_segment(aes(x = index, y = ymin,
 xend = index, yend = count)) +
 scale_y_continuous(limits =c(0, 25) ,expand = c(0,0)) + 
# 修改坐标轴信息
 scale_x_continuous(breaks = data$index, 
 labels = data$manufacturer) +
 coord_flip() + theme

2.对分组变量添加label信息

data <- mpg %>%
 group_by( manufacturer, cyl) %>% 
 summarise(count = n())
data$ymin <- rep(0, times = 32)
​
data$manufacturer <- factor(as.integer(rownames(data)), 
 labels = data$manufacturer)
​
theme <- theme(panel.background = element_blank(), # 去掉背景格子
 # 显示x平行网格线
 panel.grid.major.x = element_line(colour = "black"), 
 # 显示x轴坐标
 axis.line.x = element_line(colour = "black"),
 axis.title.y = element_blank())
​
​
ggplot(data = data) + geom_point(aes(x = manufacturer, y = count, 
 color = factor(cyl)), 
 size = 5) +
 geom_segment(aes(x = manufacturer, y = ymin,
 xend = manufacturer, yend = count)) +
 scale_y_continuous(limits =c(0, 25) ,expand = c(0,0)) + 
 coord_flip() + theme

3.structure() - Attributes信息

所有对象都可以具有任意其他属性。可以将它们视为该列表和命名列表构成的数据框。 可以使用attr()单独访问属性，也可以使用attribute()一次访问所有属性列表。而structure()函数是R中给对象赋予Attributes的函数。

• names, character vector of element names

• labels

• class, used to implement the S3 object system, described in the next section

• dim, used to turn vectors into high-dimensional structures

data <- mpg %>%
 group_by( manufacturer, cyl) %>% 
 summarise(count = n())
data$ymin <- rep(0, times = 32)
​
data$index <- fct_inseq(rownames(data))
# 添加Attributes - 也是labels
labels <- structure(data$manufacturer, 
 labels = data$index)
theme <- theme(panel.background = element_blank(), # 去掉背景格子
 # 显示x平行网格线
 panel.grid.major.x = element_line(colour = "black"), 
 # 显示x轴坐标
 axis.line.x = element_line(colour = "black"),
 axis.title.y = element_blank())
​
​
ggplot(data = data) + geom_point(aes(x = index, y = count, 
 color = factor(cyl)), 
 size = 5) +
 geom_segment(aes(x = index, y = ymin,
 xend = index, yend = count)) +
 scale_y_continuous(limits =c(0, 25) ,expand = c(0,0)) +
 scale_x_discrete(labels = labels) +
 coord_flip() + theme

Attributes.png

6. 金字塔图

金字塔图的核心就是找到需要分开的变量，然后以它为依据对数据进行正和负变换，然后将正负坐标轴强制设置成对应的正值。

set.seed(13)
data <- data.frame(num = rep(c(seq(from = 10, to = 100, by = 10),
 rev(seq(from = 40, to = 90, by = 10))), 
 times = 2),
 age = rep(seq(from = 80, to = 5, by = -5), 
 times = 2),
 gender = rep(c("male", "female"), each = 16))
​
# 根据性别对num赋值
data$num2 <- ifelse(data$gender == "male", 
 data$num *1,
 data$num * -1)
​
ggplot(data = data) + geom_col(aes(x = factor(age), 
 y = num2, 
 fill = gender)) + 
 scale_y_continuous(breaks = seq(from = -100, to = 100,
 by = 20),
 labels = c(seq(100, 0, -20), 
 seq(20, 100, 20))) + 
 coord_flip() + theme_bw()

pyramid.png