
一场用R语言打造的商务图表视觉盛宴
之前已经模仿了挺多网络上流行的高难度商务图表案例,自觉功力有所小成,就想着趁热打铁,把那些剩余的还没有被挖掘出来了的商务图表案例全部补全。
本篇给出不等宽柱形图案例以及MEKKO(也称市场细分矩阵)图案例全部四张图的R语言代码,作为ggplot商务图表进阶道路上的一个小小一步。
因素需要构造自定义标度,这里需要scale包的支持
library(ggplot2)
library(scales)
构造不等宽柱形图的案例数据(本案例模仿对象是刘万祥老师的《Excel图表之道》,感谢老师在业界的无私奉献精神,给我后备爱或者留下了如此丰富的图表案例资源,这里再次向老师致敬!)。
mydata<-data.frame(Name=paste0("项目",1:5),Scale=c(35,30,20,10,5),ARPU=c(56,37,63,57,59))
因为本篇 所构造的不等宽柱形图、MEKKO矩阵图等都是建立在四边形(或者呈为矩阵)的基础图形之上的,即物理的二维空间中,四个点坐标可以定位出一个四边形,利用R语言的向量化操作,就可以同时操纵n组长度为4的向量,来批量生成矩形块,这里的核心技巧只是在数据源中准确的生成每一组向量(也即每一个矩形块的水平轴起点、终点、垂直轴的起点、终点)。
在ggplot系统中,生成矩形的图层函数是geom_rect()函数,内置四个参数:
xmin\xmax\ymin\ymax
不等宽柱形图:
#构造矩形X轴的起点(最小点)
mydata$xmin<-0
for (i in 2:5){
mydata$xmin[i]<-sum(mydata$Scale[1:i-1])
}
#构造矩形X轴的终点(最大点)
for (i in 1:5){
mydata$xmax[i]<-sum(mydata$Scale[1:i])
}
#构造数据标签的横坐标:
for (i in 1:5){
mydata$label[i]<-sum(mydata$Scale[1:i])-mydata$Scale[i]/2
}
定义字体:
windowsFonts(myFont = windowsFont("微软雅黑"))
运行ggplot函数:
ggplot(mydata)+
geom_rect(aes(xmin=xmin,xmax=xmax,ymin=0,ymax=ARPU,fill=Name))+
scale_fill_manual(values=c("#54576B","#BD1F12","#E8BA11","#62962A","#9B56AF"))+
geom_text(aes(x=label,y=ARPU-3,label=ARPU),size=6,col="white",family="myFont")+
geom_text(aes(x=label,y=-2.5,label=Scale),size=4,col="black",family="myFont")+
geom_text(aes(x=label,y=-5.5,label=Name),size=4,col="black",family="myFont")+
annotate("text",x=16,y=70,label="不等宽柱形图",size=8,family="myFont")+
annotate("text",x=14,y=64,label="这是一幅很用心的图表",size=4,family="myFont")+
annotate("text",x=11,y=-9.8,label="Source:EasyCharts",size=4,family="myFont")+
ylim(-10,80)+
theme_nothing()
-----------------------------------------------------------------------------------------------------------
不等宽条形图:
该案例来自于本人小号数据小魔方,也曾在本平台转发过:
图表案例——全球创新国家1000强研发投入变动趋势
设置目录导入数据
mydata<-read.csv("barchart.csv",stringsAsFactors = FALSE)
names(mydata)[1:5]<-c("State","RD","Betw","Cumcost","class")
#构造矩形X轴的起点(最小点)
mydata$xmin<-0
for (i in 2:nrow(mydata)){
mydata$xmin[i]<-sum(mydata$RD[1:i-1])
}
#构造矩形X轴的终点(最大点)
for (i in 1:nrow(mydata)){
mydata$xmax[i]<-sum(mydata$RD[1:i])
}
#构造数据标签的横坐标:
for (i in 1:nrow(mydata)){
mydata$label[i]<-sum(mydata$RD[1:i])-mydata$RD[i]/2
}
mydata$class<-factor(mydata$class,levels=c("亚洲","欧洲","北美","其他地区")).
运行作图函数:
ggplot(mydata)+
geom_rect(aes(xmin=xmin,xmax=xmax,ymin=0,ymax=Betw,fill=class),col="white")+
coord_flip()+
scale_x_reverse()+
scale_y_continuous(limits=c(-.45,.7),breaks=seq(-.4,.7,.1),labels=percent_format(),position = "top")+
scale_fill_manual(values=c("#802428","#AB6661","#D1A6A1","#A89B94"))+
geom_text(aes(x=label,y=Betw/2,label=Betw),size=3,col="white",family="myFont")+
geom_text(aes(x=label,y=ifelse(Betw>0,Betw+.03,Betw-.033),label=mydata$RD),size=4,col="black",family="myFont")+
geom_text(aes(x=label,y=ifelse(Betw>0,-.07,.07),label=State),size=4,col="black",family="myFont")+
labs(title="不等宽柱形图",subtitle="这是一幅很用心的图表",caption="Source:EasyCharts",x="",y="")+
theme(
text=element_text(family="myFont"),
plot.title=element_text(size=18),
plot.subtitle=element_text(size=14),
plot.caption=element_text(size=10,hjust=0),
plot.background=element_blank(),
panel.background=element_blank(),
panel.grid=element_blank(),
axis.text.y=element_blank(),
axis.ticks.y=element_blank(),
legend.position=c(0.9,0.2),
axis.line.x=element_line()
)
![]()
--------------------------------------------------------------------------------------------------------
MEKKO(也称市场细分矩阵)
该图表同样来源于刘老师的图表宝典——《Excel图表之道》
Mekko<-read.csv("Mekko.csv",stringsAsFactors = FALSE)
Mekko$Class<-factor(Mekko$Class,order=T)
#构造矩形(Obama)X轴的起点(最小点)
Mekko$xmin<-0
for (i in 2:nrow(Mekko)){
Mekko$xmin[i]<-sum(Mekko$percent[1:i-1])
}
#构造矩形(Obama)X轴的终点(最大点)
for (i in 1:nrow(Mekko)){
Mekko$xmax[i]<-sum(Mekko$percent[1:i])
}
#构造数据标签的横坐标:
for (i in 1:nrow(Mekko)){
Mekko$label[i]<-sum(Mekko$percent[1:i])-Mekko$percent[i]/2
}
这里我不想重复映射两次geom_rect()图层函数,所以从新整理了数据源,一定要记得ggplot的作图体系中使用因子变量进行分类作图的思想,这里完全可以用一个类别标量赋给fill属性,避免代码冗余。
mynewdata1<-Mekko[,c(1,6,7)];mynewdata1$ymin<-0;mynewdata1$ymax<-Mekko$Obama;mynewdata1$Type<-"Obama"
mynewdata2<-Mekko[,c(1,6,7)];mynewdata2$ymin<-Mekko$Obama+Mekko$m;mynewdata2$ymax<-Mekko$Obama+Mekko$m+Mekko$McCain;mynewdata2$Type<-"McCain"
mynewdata<-rbind(mynewdata1,mynewdata2)
mynewdata$Type<-factor(mynewdata$Type,levels=c("Obama","McCain"),order=T)
运行作图函数:
ggplot(mynewdata)+
geom_rect(aes(xmin=xmin,xmax=xmax,ymin=ymin,ymax=ymax,fill=Type),col="white")+
scale_fill_manual(values=c("#004C7F","#B70023"))+
scale_x_continuous(breaks=Mekko$label,labels=Mekko$Class)+
geom_text(data=Mekko,aes(x=label,y=.25,label=percent(Obama)),size=3.5,col="white",family="myFont")+
geom_text(data=Mekko,aes(x=label,y=.8,label=percent(McCain)),size=3.5,col="white",family="myFont")+
labs(title="MEKKO-市场细分矩阵图",subtitle="这是一幅用心良苦的图表",caption="Source:EasyCharts",x="",y="")+
theme(
plot.margin=unit(c(2,0,0.5,0),"lines"),
panel.spacing=unit(c(0,0,0,0),"lines"),
axis.text.x=element_text(angle=90,size=10),
panel.background=element_blank(),
axis.ticks=element_blank(),
axis.text.y=element_blank(),
legend.position=c(.78,1),
legend.direction="horizontal",
text=element_text(family="myFont"),
plot.title=element_text(size=18),
plot.subtitle=element_text(size=14),
plot.caption=element_text(size=10,hjust=0),
legend.title=element_blank()
)
![]()
---------------------------------------------------------------------------------------------------------
ggplot(mynewdata)+
geom_rect(aes(xmin=xmin,xmax=xmax,ymin=ymin,ymax=ymax,fill=Type),col="white")+
coord_flip()+
scale_fill_manual(values=c("#004C7F","#B70023"))+
scale_x_continuous(breaks=Mekko$label,labels=Mekko$Class)+
geom_text(data=Mekko,aes(x=label,y=.25,label=percent(Obama)),size=3.5,col="white",family="myFont")+
geom_text(data=Mekko,aes(x=label,y=.8,label=percent(McCain)),size=3.5,col="white",family="myFont")+
labs(title="MEKKO-市场细分矩阵图",subtitle="这是一幅用心良苦的图表",caption="Source:EasyCharts",x="",y="")+
theme(
plot.margin=unit(c(0,0,0,0),"lines"),
panel.spacing=unit(c(0,0,0,0),"lines"),
axis.text.y=element_text(size=10),
panel.background=element_blank(),
axis.ticks=element_blank(),
axis.text.x=element_blank(),
legend.position=c(.78,1),
legend.direction="horizontal",
text=element_text(family="myFont"),
plot.title=element_text(size=18),
plot.subtitle=element_text(size=14),
plot.caption=element_text(size=10,hjust=0),
legend.title=element_blank()
)
![]()
因水平有限,代码写的比较糟糕,图表如有可改善的细节,还请的各位多多指点。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23