专栏名称: 表哥有话讲
国内最大的R语言专业学习平台| R官方认证学习实践社区--校企实践交流、名企内推和成果分享,立即关注-掌握R语言全球最新资讯与成果!
目录
相关文章推荐
南方人物周刊  ·  南方周末压箱底的非虚构写作秘笈都在这里了! ·  昨天  
人物  ·  余世存 嘘寒人间 ·  昨天  
南方人物周刊  ·  执笔大地70年,愿以百姓心为心 ·  昨天  
每日人物  ·  靠利息生活的年轻人,又开始找工作了 ·  4 天前  
51好读  ›  专栏  ›  表哥有话讲

重要的是图表思维,而不是工具

表哥有话讲  · 公众号  ·  · 2017-07-04 08:58

正文

作者:杜雨,EasyCharts团队成员,R语言中文社区专栏作者,兴趣方向为:Excel商务图表,R语言数据可视化,地理信息数据可视化。                                         个人公众号:数据小魔方(微信ID:datamofang) ,“数据小魔方”创始人。

很久没有作图了,主要是一时找不到应该练手的案例。

然后昨天逛网易数独栏目的数据新闻,看到一幅还不错的案例,对于我来说值得一试,然后就手痒给照葫芦画瓢弄出来了。(主要是其中涉及到的细节处理很麻烦)

当然过程是花了些时间的,主要是需要慢慢打磨其中的细节,需要利用很多技术来处理图形版面的交接位置。

令我感触最深的是,想要用ggplot2随心所欲的画图,ggplot2掌握的再熟练,也只是勉强过的了技术关,而图表背后的思维和结构更考验人,更具有挑战性。

好在我学习R语言之前,就已经利用Excel临摹了大量的高难度信息图,这一点可视化素养的积累,再结合对ggplot2勤加练习获得的图感,分分钟做出一副自己喜欢的作品,已经不在话下了。


以下是该案例涉及到的扩展包:

library("plyr")

library("tidyr")

library("ggthemes")

library("sca")

library("dplyr")

library("showtext")

library("Cairo")

library("grid")

font.add("myfont","msyh.ttc")

font.add("myfzhzh","方正正粗黑简体.TTF")

我把该案例切割成了两部分来做:

(实际上如果放在一个图里做也是可以实现的,无非是多写一些代码罢了,但是涉及到颜色标度重复的问题,一时半会儿找不到解决方案,为了更加逼真的还原案例效果,我决定分开来做)。

  • 原图中的下半部分(条形图)(以下简称模块1)

  • 上半部分(堆积柱形图+连接带)(以下简称模块2)

导入数据源:

tea_data

tea_data$State[12]


tea_bump是上半部分(模块2)中堆积柱形图的数据源,我没有使用传统的堆积柱形图去做,而是使用了矩形几何对象,所以数据源中需要指定X轴起始点,Y轴起始点。

tea_bump

tea_bump

other_Ratio

other_Yield

data1

tea_bump

tea_bump$end

tea_bump$start

tea_bump$id

tea_bump

tea_bump


以下是下半部分柱形图的数据源,同样我也没有使用普通的柱形图几何对象去做,而是使用了范围线图(geom_linerange),这样可以节省调整步骤,但须额外设置线的起始点。

tea_bar

tea_bar$id

colorpal

library("ggplot2")

library("showtext")

library("Cairo")

底部柱形图对象:

(因为需要拼图,所以图形对象要临时存储)

p1

geom_hline(aes(yintercept=1:7*400),colour="grey",linetype=2)+

geom_linerange(data=tea_bar,aes(x=id,ymin=max(tea_bar$Consum)-Consum,ymax=max(tea_bar$Consum),colour=Consum),size=24)+

geom_point(data=tea_bar,aes(x=id,y=max(tea_bar$Consum)+165,fill=colorpal),shape=22,colour="white",size=37.5)+

geom_text(data=tea_bar,aes(x=id,y=max(tea_bar$Consum)+165,label=State),size=6,family="myfont",vjust=.5)+

geom_text(data=tea_bar,aes(x=id,y=max(tea_bar$Consum)-Consum+80,label=Consum),size=6,family="myfont",vjust=0.5,colour="white")+

annotate("text",x =5,y=80,label="各国每年人均茶叶消费量(克)",family="myfzhzh",size=11,colour="#515551")+

ylim(0,4800)+

geom_linerange()+

guides(fill=FALSE,colour=FALSE)+

scale_colour_gradient(low="#A1C997",high="#47734A")+

scale_fill_manual(values=c("#B4BFB4","#E5E5E5"))+

theme_map(base_family="myfont") %+replace% 

theme(

      plot.margin=unit(c(0,1.5,0,1.5), "cm"),

      )


以下数据是构造模块2辅助数据:

(上半部分堆积柱形图的下侧连接带数据)的辅助数据,我打算使用多边形几何对象了来模拟那些参差交错的连接带。这就意味着我要找到每一条带子,即四边形的四个拐点坐标,并按顺序排列。)

如果你看的不是很懂,实属正常,这种笨拙的想法,我也不知道是从哪里学来的。

tea_chord

tea_chord$id

tea_chord$mean

tea_chord$xend

tea_chord$xstart


tea_chord_data

tea_chord_data

tea_chord_data

tea_chord_newdata

names(tea_chord_newdata)

rownames(tea_chord_newdata)

tea_chord_newdata$order


tea_chord_newdata_final

tea_chord_newdata_final$lat

tea_chord_newdata_final$lat[tea_chord_newdata_final$order==3|tea_chord_newdata_final$order==4]

tea_chord_newdata_final$long


所以说上半部分的堆积柱形图(附加连接带)其实是用了两份不同的数据源模拟出来的。

以下是模块2的可视化代码部分:

(也需临时存储)

p2

geom_rect(data=tea_bump,aes(xmin=start,xmax=end,ymin=5,ymax=15,fill=Consum),colour="white")+

geom_polygon(data=tea_chord_newdata_final,aes(x=long,y=lat,group=State),fill="#B1C6B0",colour=NA,size=.25,alpha=.8)+

labs(title="全国茶叶年产量406.7(万吨)")+

geom_text(data=tea_bump[tea_bump$State!="其他",],aes(x=start+5.5,y=13,label=round(Yield,1)),size=5.5,family="myfont",vjust=0.5,colour="white")+

geom_text(data=tea_bump[tea_bump$State!="其他",],aes(x=start+6,y=7,label=percent(Ratio,d=1,sep="")),size=5.5,family="myfont",vjust=0.5,colour="white")+

scale_fill_gradient(low="#A1C997",high="#47734A",na.value="#E5E5E5",guide=FALSE)+

theme_map() %+replace% 

theme(

      plot.title=element_text(size=35,family="myfzhzh",hjust=.5)

      )


有了上下两部分的对象,剩下的就好办了,无非就是拼接起来嘛,但是拼接的过程相当考验人的耐性和毅力,不适合浮躁型的人来做。

CairoPNG(file="E:/bump_bar.png",width=1550,height=1200)

showtext.begin()

vie

p1;print(p2,vp=vie)

grid.text(label="全球茶叶消费排行榜\n喝茶最多的不是中国人",x=.80,y=.20,gp=gpar(col="black",fontsize=45,fontfamily="myfzhzh",draw=TRUE,just="right"))

grid.text(label="数据来源:Euromonitor、国际茶叶委员会(ITC)",x=.80,y=.13,gp=gpar(col="black",fontsize=20,fontfamily="myfzhzh",draw=TRUE,just="right"))

showtext.end()

dev.off()


为了与原图对比,我使用PS修饰了一些细节:


做完回头想想,做这个图我也是真够无聊的,大概要耗费半天的时间去调试,不过调试的过程能学到的东西倒是很有趣,最近看了不起的匠人,感觉多少有些被感染到了,这算不算是强迫症~_~

快报:杜雨2017年09月12在Hellobi Live直播【R语言可视化在商务场景中的应用

内容:1、为什么选择R;2、ggplot2可视化理念;3、配色方案与规则;4、案例分享;5、高级数据地图专题应用;6、图形输出。

点击阅读原文立即学习+扫码咨询