R-ggplot2-强迫症的福音-点与对应标签密度太高, 互相重
目录
- 0.问题导入
- 1.示例数据
- 2.示例数据导入及Simple Correspondence Analysis(CA对应分析)
- 3.CA分析结果初步可视化
- 4.方案一: 基于geom_text 自带的属性去重叠(图2)
- 5.方案二: 基于geom_text_repel的去重操作(图3)
- 6.总结
- 7.本文所使用的软件包(没有的需要通过install.packages('')来进行安装)
- 8.致谢
0. 问题导入
日常绘图过程中, 我们可能需要给图中的样本点加上标签. 但是, 当点的密度过于密集的时候, 标签的字可能会互相重叠, 这样会极大地影响信息的表达. 这时, 我们可能会通过缩小字的大小/增大图片的长宽来解决这个问题, 但这样会极大地影响图片的美感, 特别是在标字的大小与横/纵轴标签大小差距过大的时候. 此外, 标签的字过小也会失去其传达信息的本质作用, 出现在图中反而成为了一种累赘?! 那么应该如何解决这个问题呢?
本篇以Simple Correspondence Analysis分析结果图的呈现为例, 来就标签与标签重复以及标签与点重复的问题给出两套解决方案.(烦请大家多多转发并引导读者在简书平台中点赞加关注哈~特别感谢大家啦!)
1. 示例数据
2. 示例数据导入及Simple Correspondence Analysis(CA对应分析)
本篇对示例数据进行CA处理，分析土地利用类型与EFT的对应关系, 并在分析最后对CA分析结果进行输出.
setwd('L:\\JianShu\\20200102')
text = read.csv('text.csv', header = T)
rownames = text[,1]
text = text[,-1]
rownames(text) = rownames
head(text)
EFT1 EFT2 EFT3 EFT4 EFT5
Cropland 1792451 552037 382092 1545937 78970
Forest 2877 3696 4226 2218 6491
Grassland 61614 443988 591755 182162 395628
Shrubland 3 73 277 7 559
Impervious surface 817 25076 62320 3067 137074
Bareland 1256 9760 40619 3488 155106
## CA Analysis
ca.res = ca(text)
ca.col = data.frame(DIM1 = ca.res$colcoord[,1],DIM2=ca.res$colcoord[,2],Label = colnames(text))
ca.row = data.frame(DIM1 = ca.res$rowcoord[,1],
DIM2 = ca.res$rowcoord[,2],Label = rownames(text))
ca_df = rbind(ca.col,ca.row)
ca_m = melt(ca_df,c('DIM1','DIM2'))
head(ca_m)
DIM1 DIM2 variable value
1 -0.889536 -0.548955 Label EFT1
2 0.299793 1.262690 Label EFT2
3 0.882275 1.303609 Label EFT3
4 -0.689422 -0.196233 Label EFT4
5 2.050763 -1.750576 Label EFT5
6 -0.672387 -0.193882 Label Cropland
3. CA分析结果初步可视化
CA分析结果会以png图片形式呈现在文件夹下.
p1 = ggplot()+
geom_point(data = ca_m,aes(x = DIM1, y = DIM2, color = value,
shape = value),size = 3)+
scale_shape_manual(values = c(rep(1,6),rep(2,5)))+
scale_color_manual(values = c(rep('blue',6),rep('red',5)))+
geom_vline(data = ca_m,aes(xintercept = 0),size = 0.5,linetype = 'dashed',color = 'black')+
geom_hline(data = ca_m,aes(yintercept = 0),size = 0.5,linetype = 'dashed',color = 'black')+
geom_text(data = ca_m,aes(x = DIM1,y = DIM2, label = paste0(value),
color = value), size = 5)+
theme_bw()+
xlim(-1,3)+
theme(
legend.position = 'none',
panel.background = element_rect(fill = 'white'),
panel.grid = element_blank(),
axis.text = element_text(face='bold',colour='black',size=12,hjust=.5),
axis.title = element_text(face='bold',colour='black',size=12,hjust=.5),
)
png('plot1.png',
height = 20,
width = 20,
units = 'cm',
res = 800)
print(p1)
dev.off()
图1 CA分析结果初步可视化
来来来, 我们仔细端详下图1. 是不是车祸现场, OMG, 简直就是逼死强迫症系列好吧! 特别是:
1. 标签与符号重叠?
2. 标签与标签重叠?
小编表示一阵心塞...下面, 我们就来解决这个问题~
4. 方案一: 基于geom_text 自带的属性去重叠(图2)
ggplot2 中的geom_text 自带一属性是check_overlap 是专门用来应对标签重叠的问题的. 它解决问题的方式方法十分粗暴, 直接将重叠的两个/多个标签同时删去...此外, geom_text 也自备了nudge_x 与nudge_y 两个参数来解决标签与点重合的问题. 那么, 下边我们就来看看基于geom_text 属性调整的解决结果.
p2 = ggplot()+
geom_point(data = ca_m,aes(x = DIM1, y = DIM2, color = value,
shape = value),size = 3)+
scale_shape_manual(values = c(rep(1,6),rep(2,5)))+
scale_color_manual(values = c(rep('blue',6),rep('red',5)))+
geom_vline(data = ca_m,aes(xintercept = 0),size = 0.5,linetype = 'dashed',color = 'black')+
geom_hline(data = ca_m,aes(yintercept = 0),size = 0.5,linetype = 'dashed',color = 'black')+
geom_text(data = ca_m,aes(x = DIM1,y = DIM2, label = paste0(value),
color = value),size = 5,
check_overlap = T, nudge_x = 0.2,nudge_y = 0.2)+
theme_bw()+
xlim(-1,3)+
theme(
legend.position = 'none',
panel.background = element_rect(fill = 'white'),
panel.grid = element_blank(),
axis.text = element_text(face='bold',colour='black',size=12,hjust=.5),
axis.title = element_text(face='bold',colour='black',size=12,hjust=.5),
)
png('plot2.png',
height = 20,
width = 20,
units = 'cm',
res = 800)
print(p2)
dev.off()
图2 方案一: 基于geom_text 自带的属性去重叠结果
我们对比下图1与图2, 可以发现经过基于geom_text自带属性调整, 整个画面已经变得清爽多了. 但是也是太清爽了, 太多标签被删去了, 表示我们无法判读图中许多点的具体信息, 这种操作显然是太过顾此失彼.
那么有没有更好的解决方案呢? 请接着往下看
5. 方案二: 基于geom_text_repel的去重操作(图3)
这个函数可谓是标签界的一股清流, 完美解决了标签与标签重复与完整保留标签信息之间的矛盾. 下面我们来看看怎么操作与具体的修正效果(图3):
p3 = ggplot()+
geom_point(data = ca_m,aes(x = DIM1, y = DIM2, color = value,
shape = value),size = 3)+
scale_shape_manual(values = c(rep(1,6),rep(2,5)))+
scale_color_manual(values = c(rep('blue',6),rep('red',5)))+
geom_text_repel(data = ca_m,aes(x = DIM1,y = DIM2, label = paste0(value),
color = value),force =3,size = 5)+
geom_vline(data = ca_m,aes(xintercept = 0),size = 0.5,linetype = 'dashed',color = 'black')+
geom_hline(data = ca_m,aes(yintercept = 0),size = 0.5,linetype = 'dashed',color = 'black')+
theme_bw()+
xlim(-1,3)+
theme(
legend.position = 'none',
panel.background = element_rect(fill = 'white'),
panel.grid = element_blank(),
axis.text = element_text(face='bold',colour='black',size=12,hjust=.5),
axis.title = element_text(face='bold',colour='black',size=12,hjust=.5),
)
png('plot3.png',
height = 20,
width = 20,
units = 'cm',
res = 800)
print(p3)
dev.off()
图3 方案二: 基于geom_text_repel的去重操作结果图
6. 总结
本篇主要解决了以下几个问题:
1. 如何在R中进行对应分析(CA)?
2. 如何将CA分析的结果通过ggplot2进行可视化呈现?
3. 如何在保全完整信息的前提下解决标签/标签及标签/点重复的问题?
7. 本文所使用的软件包(没有的需要通过install.packages('')来进行安装)
library(ca)
library(ggplot2)
library(reshape2)
library(ggrepel)
8. 致谢
首先，感谢大家的持续关注，小编会继续努力，持续更新下去的！
大家如果觉得有帮助啊，还麻烦大家关注点赞，也可以扩散到朋友圈，多多引导朋友加入咱们这个简书技术平台, 代码共享推动科研进程, 多谢大家啦～
大家如果在使用本代码的过程有遇到问题的，可以留言评论，也可以私信我哈~~
小编联系方式
