原创 手把手教你使用ggplot2绘制条形图

lsxxx2011 2016-01-16 89965 1 3

数据分析报告中经常会看见各种各样的条形图，如简单条形图、水平交错条形图、堆叠条形图、堆叠百分比条形图等，本文从R语言的角度，教大家绘制各式各样的条形图。 **绘制离散单变量的条形图** 从数据形式来看：有汇总好的数据集和明细数据集 使用 汇总好的数据集绘制条形图： x <- c('A','B','C','D','E') y <- c(13,22,16,31,8) df <- data.frame(x= x, y = y) ggplot(data = df, mapping = aes(x = x, y = y)) + geom_bar(stat= 'identity')  对于条形图的y轴就是数据框中原本的数值时，必须将geom_bar()函数中stat(统计转换)参数设置为'identity'，即对原始数据集不作任何统计变换，而该参数的默认值为'count'，即观测数量。 使用明细数据集绘制条形图： set.seed(1234) x <- sample(c('A','B','C','D'), size = 1000, replace= TRUE, prob = c(0.2,0.3,0.3,0.2)) y <- rnorm(1000) * 1000 df = data.frame(x= x, y = y) ggplot(data = df, mapping = aes(x = x)) + geom_bar(stat = 'count')  数据集本身是明细数据，而对于统计某个离散变量出现的频次时，geom_bar()函数中stat(统计转换)参数只能设置为默认，即'count'。 当然，如果需要对明细数据中的某个离散变量进行聚合(均值、求和、最大、最小、方差等)后再绘制条形图的话，建议先使用dplyr包中的group_by()函数和summarize()函数实现数据汇总，具体可参见： [http://mp.weixin.qq.com/s?__biz=MzIxNjA2ODUzNg==&mid=402687811&idx=1&sn=fb4ada05aef7bf34b9fc35f97221d55f#rd][1] 从x轴的数据类型来看：有字符型的x值也有数值型的x值 上面的两幅图对应的x轴均为离散的字符型值，如果x值是数值型时，该如何正确绘制条形图？ set.seed(1234) x <- sample(c(1,2,4,6,7), size = 1000, replace = TRUE,prob = c(0.1,0.2,0.2,0.3,0.2)) ggplot(data = data.frame(x = x), mapping= aes(x = x, y = ..count..)) + geom_bar(stat = 'count')  如果直接使用数值型变量作为条形图的x轴，我们会发现条形图之间产生空缺，这个空缺其实对应的是3和5两个值，这样的图形并不美观。为了能够使条形图之间不存在类似的空缺，需要将数值型的x转换为因子，即factor(x)，如下图所示： ggplot(data = data.frame(x = x3), mapping = aes(x = factor(x), y = ..count..))+ geom_bar(stat = 'count')  上面几幅图的颜色均为灰色的，显得并不是那么亮眼，为了使颜色更加丰富多彩，可以在geom_bar()函数内通过fill参数可colour参数设置条形图的填充色和边框色，例如： ggplot(data = data.frame(x = x), mapping = aes(x = factor(x), y = ..count..))+ geom_bar(stat = 'count', fill = 'steelblue', colour = 'darkred')  关于颜色的选择可以在R控制台中输入colours()，将返回657种颜色的字符。如果想查看所有含红色的颜色值，可以输入colours()[grep('red', colours())]返回27种红色。 **绘制簇条形图** 以上绘制的条形图均是基于一个离散变量作为x轴，如果想绘制两个离散变量的条形图即簇条形图该如何处理呢？具体见下方例子： x <- rep(1:5, each = 3) y <- rep(c('A','B','C'),times = 5) set.seed(1234) z <- round(runif(min = 10, max = 20, n = 15)) df <- data.frame(x= x, y = y, z = z) ggplot(data = df, mapping = aes(x = factor(x), y = z,fill = y)) + geom_bar(stat = 'identity', position = 'dodge')  对于簇条形图只需在ggplot()函数的aes()参数中将其他离散变量赋给fill参数即可。这里的position参数表示条形图的摆放形式，默认为堆叠式(stack)，还可以是百分比的堆叠式。下面分别设置这两种参数，查看一下条形图的摆放形式。 堆叠式： ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat= 'identity', position = 'stack')  发现一个问题，条形图的堆叠顺序与图例顺序恰好相反，这个问题该如何处理呢？很简单，只需再添加guides()函数进行设置即可，如下所示： ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat= 'identity', position = 'stack') + guides(fill = guide_legend(reverse= TRUE))  guides()函数将图例引到fill属性中，再使图例反转即可。 **百分比堆叠式：** ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat= 'identity', position = 'fill')  颜色配置： 同样，如果觉得R自动配置的填充色不好看，还可以根据自定义的形式更改条形图的填充色，具体使用scale_fill_brewer()和scale_fill_manual()函数进行颜色设置。 scale_fill_brewer()函数使用R自带的ColorBrewer画板 ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat= 'identity', position = 'dodge') + scale_fill_brewer(palette = 'Accent')  具体的调色板颜色可以查看scale_fill_brewer()函数的帮助。 scale_fill_manual()函数允许用户给指定的分类水平设置响应的色彩，个人觉得这个比较方便 col <- c('darkred','skyblue','purple') ggplot(data = df, mapping =aes(x = factor(x), y = z, fill = y)) + geom_bar(stat = 'identity', colour= 'black', position = 'dodge') + scale_fill_manual(values = col, limits= c('B','C','A')) + xlab('x')  **该如何绘制有序的条形图？** #不经排序的条形图，默认按x值的顺序产生条形图 x <- c('A','B','C','D','E','F','G') y <-c('xx','yy','yy','xx','xx','xx','yy') z <- c(10,33,12,9,16,23,11) df <- data.frame(x = x, y = y, z = z) ggplot(data = df, mapping = aes(x= x, y = z, fill = y)) + geom_bar(stat = 'identity')  按z值的大小，重新排列条形图的顺序，只需将aes()中x的属性用reorder()函数更改即可。 ggplot(data = df, mapping = aes(x = reorder(x, z), y = z, fill = y)) +geom_bar(stat = 'identity') + xlab('x')  **关于条形图的微调** 如何y轴的正负值区分开来，并去除图例 set.seed(1234) x = 1980 + 1:35 y = round(100*rnorm(35)) df = data.frame(x= x, y = y) #判断y是否为正值 df <- transform="" df="" judge="ifelse(y">0,'Yes', 'No')) ggplot(data = df, mapping = aes(x = x, y = y, fill = judge))+ geom_bar(stat = 'identity', position = 'identity') + scale_fill_manual(values = c('blue','red'), guide = FALSE) + xlab('Year')  stat参数和position参数均设置为identity，目的是图形绘制不要求对原始数据做任何的变换，包括统计变换和图形变换，排除图例可以通过scale_fill_manual()函数将参数guide设置为FALSE，同时该函数还可以自定义填充色，一举两得。 调整条形图的条形宽度和条形间距 geom_bar()函数可以非常灵活的将条形图的条形宽度进行变宽或变窄设置,具体通过函数的width参数实现，width的最大值为1，默认为0.9。 x = c('A','B','C','D','E') y = c(10,20,15,22,18) df = data.frame(x = x, y = y) #不作任何条形宽度的调整 ggplot(data = df, mapping = aes(x = x, y = y)) +geom_bar(stat = 'identity', fill = 'steelblue', colour = 'black')  使条形宽度变宽 ggplot(data = df, mapping = aes(x = x, y = y)) + geom_bar(stat = 'identity',fill = 'steelblue', colour = 'black', width = 1)  对于簇条形图来说，还可以调整条形之间的距离，默认情况下，条形图的组内条形间隔为0，具体可通过函数的position_dodge参数实现条形距离的调整，为了美观，一般将条形距离设置的比条形宽度大一点。 x <- rep(1:5, each = 3) y <- rep(c('A','B','C'),times = 5) set.seed(1234) z <- round(runif(min = 10, max = 20, n = 15)) df <- data.frame(x= x, y = y, z = z) #不作任何条形宽度和条形距离的调整 ggplot(data = df, mapping = aes(x= factor(x), y = z, fill = y)) + geom_bar(stat = 'identity', position ='dodge')  #调整条形宽度和条形距离 ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat= 'identity', width = 0.5, position = position_dodge(0.7))  添加数据标签 geom_text()函数可以方便的在图形中添加数值标签，具体微调从几个案例开始： x <- rep(1:5, each = 3) y <- rep(c('A','B','C'),times = 5) set.seed(1234) z <- round(runif(min = 10, max = 20, n = 15)) df <- data.frame(x= x, y = y, z = z) ggplot(data = df, mapping = aes(x = interaction(x,y), y = z, fill = y)) + geom_bar(stat = 'identity') + geom_text(mapping = aes(label= z))  除此之外，还可以调整标签的大小、颜色、位置等。 ggplot(data = df, mapping = aes(x = interaction(x,y), y = z, fill = y))+ geom_bar(stat = 'identity') + ylim(0,max(z)+1) + geom_text(mapping =aes(label = z), size = 8, colour = 'orange', vjust = 1)  ylim设置条形图中y轴的范围；size调整标签字体大小，默认值为5号；colour更换标签颜色；vjust调整标签位置，1为分界线，越大于1，标签越在条形图上界下方，反之则越在条形图上上界上方。 对于水平交错的簇条形图，必须通过geom_text()函数中的position_dodge()参数来调整标签位置，hjust=0.5将标签水平居中放置。 ggplot(data = df, mapping = aes(x = x, y = z, fill = y)) + geom_bar(stat = 'identity', position = 'dodge') + geom_text(mapping = aes(label = z), size = 5, colour = 'black', vjust = 1, hjust = .5, position = position_dodge(0.9))  这里的图形位置与标签位置摆放必须一致，即图形位置geom_bar()函数中的position = 'dodge'参数，标签位置geom_text()函数中的position = position_dodge(0.9)参数。 对于堆叠的簇条形图，必须通过geom_text()函数中的position_stack()参数来调整标签位置，hjust将标签水平居中放置。 ggplot(data = df, mapping = aes(x = x, y = z, fill = y)) + geom_bar(stat = 'identity', position = 'stack') + geom_text(mapping = aes(label = z), size = 5, colour = 'black', vjust = 3.5, hjust = .5, position = position_stack())  这里的图形位置与标签位置摆放必须一致，即图形位置geom_bar()函数中的position = 'stack'参数，标签位置geom_text()函数中的position = position_stack()参数。 **参考资料** R数据可视化手册 R语言_ggplot2：数据分析与图形艺术 刘顺祥，数据分析师，热爱数据分析与挖掘工作，擅长使用R语言，目前正自学Python语言。 本文由作者刘顺祥授权[数据人网][2]发表，并经数据人网审核。转载此文章需经作者同意，并请附上出处（[数据人网][3]）及本页链接：http://shujuren.org/index.php/Article/update/aid/124 [1]: http://mp.weixin.qq.com/s?__biz=MzIxNjA2ODUzNg==&mid=402687811&idx=1&sn=fb4ada05aef7bf34b9fc35f97221d55f#rd [2]: http://shujuren.org/ [3]: http://shujuren.org/