京公网安备 11010802034615号
经营许可证编号:京B2-20210330
一个案例,告诉你如何灵活的运用ggplot2来制作花样繁多的信息图!
虽然ggplot2的内置图层只有屈指可数的几十个,可是图表组合之后的可能性是无限的。
实际上还是万变不离其宗,就如同使用Excel模仿复杂图表一样,再复杂的图表也是有不同的元素和模块组合起来的,只要能够用心去拆解,都可以找到行之有效的方法。如同庖丁解牛,只要洞悉骨架和经脉,才能随心所欲的下刀。
library("ggplot2")
library("tidyr")
library("dplyr")
library("grid")
library("showtext")
library('"Cairo")
library("scales")
font.add("myfont","msyhl.ttc")
mydata<-read.csv("mydata.csv",stringsAsFactors=FALSE,check.names=FALSE)
mydata$index<-1:nrow(mydata)
mydata$angle1<-1.5*seq(-1,-59)
mydata$angle2<-1.5*seq(59,1)
label<-strsplit(mydata$Country,"")
for (i in 1:length(label)){
label[[i]]<-paste0(label[[i]],collapse="\n")
}
mydata$label<-unlist(label)
mydata$label[37:59]<-gsub("\n","",mydata$label[37:59])
mynewdata<-mydata%>%gather(Class,Value,2:4)
图形一:
mynewdata$Class<-factor(mynewdata$Class,levels=c("环保优先","其他/未回答","经济优先"),order=T)
p1<-ggplot(data=mynewdata,aes(x=index,y=Value,fill=Class))+
geom_bar(stat="identity",width=0.95)+
geom_text(aes(y=105,label=ifelse(index<=36,label,""),angle=angle1),hjust=.5,vjust=0,family="myfont")+
geom_text(aes(y=105,label=ifelse(index>36,label,""),angle=angle2),hjust=0,vjust=0.5,family="myfont")+
geom_text(aes(y=Value,label=Value,angle=angle2),position=position_stack(vjust=.9),family="myfont")+
xlim(0.5,236.5)+ylim(-120,105)+
coord_polar(theta="x")+
guides(fill=guide_legend(title=NULL))+
scale_fill_manual(values=c("#2EA7E0","#B5B5B6","#CBE510"))+
theme(
text=element_text(size=20),
line=element_blank(),
rect=element_blank(),
axis.text=element_blank(),
axis.title=element_blank(),
legend.position=c(.95,.75),
legend.key.size =unit(.8,'cm'),
)
以上可以制作出原始案例的外围圆环图:
mydata2<-data.frame(year=c("1998年","2004年","2009年","2014年"),经济优先=c(.24,.27,.23,.28),未回答=c(.25,.21,.23,.15),环保优先=c(.51,.52,.54,.57),smallyear=rep(.15,4),check.names = FALSE)
names(mydata2)[3]<-"其他/未回答"
mydata2$index<-1:nrow(mydata2)
mynewdata2<-mydata2%>%gather(Class,Value,2:5)
mynewdata2$Class<-factor(mynewdata2$Class,levels=c("smallyear","环保优先","其他/未回答","经济优先"),order=T)
p2<-ggplot(data=mynewdata2,aes(x=index,y=Value,fill=Class))+
geom_bar(stat="identity",width=0.99)+
geom_text(aes(y=Value,label=ifelse(mynewdata2$Class=="smallyear",levels(mynewdata2$year),""),angle=c(rep(0,12),11.25*seq(-1,-7,-2))),position=position_stack(vjust=.5),family="myfont",size=7.5)+
geom_text(aes(y=Value,label=ifelse(mynewdata2$Class!="smallyear",percent(mynewdata2$Value),"")),position=position_stack(vjust=.5),family="myfont",size=6)+
xlim(0.5,16.5)+ylim(-.5,1.25)+
coord_polar(theta="x")+
guides(fill=FALSE)+
scale_fill_manual(values=c("#EFEFEF","#2EA7E0","#B5B5B6","#CBE510"))+
theme(
line=element_blank(),
rect=element_blank(),
axis.text=element_blank(),
axis.title=element_blank(),
legend.position="none"
)
以上可以做出内侧小圆环图:
CairoPNG(file="circletile1.png",width=2000,height=2000)
showtext.begin()
vie<-viewport(width=0.5,height=0.5,x=0.5,y=0.5)
p1;print(p2,vp=vie)
grid.text(label="六成中国人认为\n环境比经济更重要",,x=.99,y=.90,gp=gpar(col="black",fontsize=60,draw=TRUE,just="right")
showtext.end()
dev.off()
合并一步,一幅完整的图表便出炉了!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14