R可视乎|灯芯柱状图代码解读

简介

这篇推文代码来源于:TidyTuesday,主要想学习如何绘制灯芯柱状图(名字小编瞎取的),最终结果如下:

注释:与普通柱状图相比,灯芯柱状图不仅可以展示随时间变化的总体趋势(图中黑色柱子 “Rescues”),而且能够清晰展示灯芯内部数据(图中浅灰色柱子 “cats”)相对于总体的比例随时间的变化。

看到最终成品,读者是否可以根据自己所学知识,回答以下几个问题:

  1. 如何实现两个柱状图嵌套?

  2. 如何使得2020年份数据单独显示为粉色?

  3. 如何在柱状图上方添加文字,其中一些文字包括其他单词?

接下来,小编带你解读源代码,并回答以上问题。读者可以根据这些知识要点,灵活应用到其他图形中。

数据介绍

从文件 animal_rescues.txt 中读取数据,并对数据进行预处理,包括分类汇总和计数。

注意:由于时间和文章篇幅原因,数据处理部分不做过多介绍。读者可以根据格式,使用自己比较感兴趣的数据。

library(tidyverse)
library(ggtext)
library(ggrepel)
library(patchwork)
library(systemfonts)
# 数据读取+处理 ========
df_animals <- readr::read_csv('animal_rescues.txt')df_animals_agg <-df_animals %>% mutate(animal_group_aggregated = case_when(str_detect(animal_group_parent, "Domestic|Livestock|Farm|Horse|Cow|Sheep|Goat|Lamb|Bull") ~ "Other Domestic Animals",animal_group_parent %in% c("Cat", "cat") ~ "Cats",animal_group_parent %in% c("Bird", "Budgie") ~ "Birds",animal_group_parent == "Dog" ~ "Dogs",animal_group_parent == "Fox" ~ "Foxes",TRUE ~ "Other Wild Animals")) %>% count(cal_year, animal_group_aggregated) %>% group_by(animal_group_aggregated) %>% mutate(total = sum(n),current = n[which(cal_year == 2021)]) %>% ungroup() %>% mutate(animal_group_aggregated = fct_reorder(animal_group_aggregated, total),animal_group_aggregated = fct_relevel(animal_group_aggregated, "Other Domestic Animals", after = 0),animal_group_aggregated = fct_relevel(animal_group_aggregated, "Other Wild Animals", after = 0))df_animals_labs <-df_animals_agg %>% filter(cal_year == 2016) %>% group_by(animal_group_aggregated) %>% mutate(n = case_when(animal_group_aggregated == "Cats" ~ 320,animal_group_aggregated %in% c("Birds", "Dogs") ~ 135,TRUE ~ 55))df_animals_annotate <-df_animals_agg %>% mutate(label = "\n\n← Number of Rescues in 2021 so far.") %>% filter(cal_year == 2021 & animal_group_aggregated == "Cats")df_animals_sum <-df_animals_agg %>% filter(cal_year < 2021) %>% group_by(cal_year) %>% summarize(n = sum(n))

绘图主要使用 df_animals_sum,以下是该数据预览:

画图

绘图代码使用了 R 中的多个包(tidyverse, ggtext, ggrepel, patchwork, systemfonts)来创建一个特定风格的统计图表。以下是代码的主要步骤和功能:

设置主题和风格:

设置基础主题为 theme_minimal,指定了基本字体大小和字体家族。使用 theme_update 对不同图表元素进行自定义,包括文本样式、轴样式、网格线样式等。

# 主题设置 ====== 
theme_set(theme_minimal(base_size = 19))
# 自定义主题细节
theme_update(text = element_text(color = "grey12"),axis.title = element_blank(),axis.text.x = element_text(),axis.text.y = element_blank(),panel.grid.major.y = element_blank(),panel.grid.minor = element_blank(),plot.margin = margin(20, 5, 10, 10),plot.subtitle = element_textbox_simple(size = 14, lineheight = 1.6),plot.title.position = "plot",plot.caption = element_text( color = "#b40059", hjust = .5, size = 10, margin = margin(35, 0, 0, 0))
)

数据可视化

为了更好解读代码中的细节部分,小编将代码进行分解,一步步展示细节内容。完整绘图代码见文末,或者可以在我的 Github 中找到源代码和数据。

  1. 创建一个柱状图 (geom_col) 表示不同年份的动物救援数量。
  df_animals_sum %>% ggplot(aes(cal_year, n)) +geom_col(aes(fill = factor(cal_year)), width = .85) 

  1. 再添加一个柱状图,指定 datafill 参数,并通过修改 width 实现嵌套。这里数据进行过滤,选择 2021 年前数据,并且选择 animal_group_aggregated == "Cats"。另一个细节:alpha = cal_year == 2020 透明度根据是否 cal_year==2000 进行设置。 如果是则 fill = “white”。
geom_col(data = df_animals_agg %>% filter(animal_group_aggregated == "Cats" & cal_year < 2021),aes(alpha = cal_year == 2020), # 这里有细节!fill = "white", width = .5 # 宽度和透明度设置)

加入该代码后,绘图结果为:

  1. 使用 geom_text 在图上添加文本标签。对数据进行处理,添加新列文本数据,实现添加其他文字。df_animals_sum %>% mutate(n_lab = if_else(cal_year %in% c(2009, 2020), paste0(n, "\nRescues"), as.character(n)))
  geom_text( #添加文本+加入rescuesdata = df_animals_sum %>% mutate(n_lab = if_else(cal_year %in% c(2009, 2020), paste0(n, "\nRescues"), as.character(n))),aes(label = n_lab), size = 4.3, lineheight = .8, nudge_y = 12, vjust = 0, color = "grey12", fontface = "bold") +geom_text( #添加文本+加入catsdata = df_animals_agg %>% filter(animal_group_aggregated == "Cats" & cal_year < 2021) %>% mutate(n_lab = if_else(cal_year %in% c(2009, 2020), paste0(n, "\nCats"), as.character(n))), aes(label = n_lab), color = "white", lineheight = .8, size = 4.3, nudge_y = 12, vjust = 0, fontface = "bold") +geom_text( # 手动添加年份标签data = df_animals_agg %>% filter(animal_group_aggregated == "Cats" & cal_year < 2021),aes(y = -15, label = cal_year, color = factor(cal_year)), size = 6, hjust = .5, vjust = 1) 

  1. 调整图表样式:自定义图表的标题、副标题、图例等元素的样式。通过 scale_fill_manual(values = c(rep("grey30", 11), "#b40059"), guide = "none") 实现手动颜色填充,突出 2020 年数据。
  coord_cartesian(clip = "off") +scale_y_continuous(limits = c(-15, NA)) +scale_color_manual(values = c(rep("grey30", 11), "#b40059"), guide = "none") +scale_fill_manual(values = c(rep("grey30", 11), "#b40059"), guide = "none") +scale_alpha_manual(values = c(.25, .4), guide = "none") +theme(# plot.title = element_markdown(size = 28, margin = margin(5, 35, 25, 35), color = "black"),# plot.subtitle = element_textbox_simple(margin = margin(5, 35, 15, 35)),panel.grid.major = element_blank(),axis.text.x = element_blank())

最终结果如下:

绘图完整代码

   df_animals_sum %>% ggplot(aes(cal_year, n)) +geom_col(aes(fill = factor(cal_year)), width = .85) +geom_col(data = df_animals_agg %>% filter(animal_group_aggregated == "Cats" & cal_year < 2021),aes(alpha = cal_year == 2020), # 这里有细节!fill = "white", width = .5 # 宽度和透明度设置) +geom_text( #这里的数据处理:添加文本+加入rescuesdata = df_animals_sum %>% mutate(n_lab = if_else(cal_year %in% c(2009, 2020), paste0(n, "\nRescues"), as.character(n))),aes(label = n_lab), size = 4.3, lineheight = .8, nudge_y = 12, vjust = 0, color = "grey12", fontface = "bold") +geom_text( #添加文本+加入catsdata = df_animals_agg %>% filter(animal_group_aggregated == "Cats" & cal_year < 2021) %>% mutate(n_lab = if_else(cal_year %in% c(2009, 2020), paste0(n, "\nCats"), as.character(n))), aes(label = n_lab), color = "white", lineheight = .8, size = 4.3, nudge_y = 12, vjust = 0, fontface = "bold") +geom_text( # 手动添加年份标签data = df_animals_agg %>% filter(animal_group_aggregated == "Cats" & cal_year < 2021),aes(y = -15, label = cal_year, color = factor(cal_year)), size = 6, hjust = .5, vjust = 1) +coord_cartesian(clip = "off") +scale_y_continuous(limits = c(-15, NA)) +scale_color_manual(values = c(rep("grey30", 11), "#b40059"), guide = "none") +scale_fill_manual(values = c(rep("grey30", 11), "#b40059"), guide = "none") +scale_alpha_manual(values = c(.25, .4), guide = "none") +theme(# plot.title = element_markdown(size = 28, margin = margin(5, 35, 25, 35), color = "black"),# plot.subtitle = element_textbox_simple(margin = margin(5, 35, 15, 35)),panel.grid.major = element_blank(),axis.text.x = element_blank())

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/150816.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

使用vite+npm封装组件库并发布到npm仓库

组件库背景&#xff1a;使用elementplusvue封装了一个通过表单组件。通过JSX对el-form下的el-input和el-button等表单进行统一封装&#xff0c;最后达到&#xff0c;通过数据即可一键生成页面表单的功能。 1.使用vite创建vue项目 npm create vitelatest elementplus-auto-form…

Quarto 入门教程 (2):如何使用并编译出不同文档

接着上一期内容&#xff1a;手把手教你使用 Quarto 构建文档 (1)&#xff0c;本文介绍如何使用 Quarto&#xff0c;并编译出文档&#xff08;PDF&#xff0c;MS Word&#xff0c;html&#xff09;等。 安装 根据官方链接&#xff0c;选择适合自己电脑的 Quarto 版本并下载&am…

php递归生成树形结构 - 无限分类 - 构建树形结构 - 省市区三级联动

直接上代码 示例 <?php/*** php递归生成树形结构 - 无限分类 - 构建树形结构 - 省市区三级联动* * param array $lists 一维数组&#xff0c;包括不同级别的各行数据* param int $parentId 目标节点的父类ID (可以是顶级分类的父ID&#xff0c;也可以是任意节点的父ID)* …

Mybatis 拦截器(Mybatis插件原理)

Mybatis为我们提供了拦截器机制用于插件的开发&#xff0c;使用拦截器可以无侵入的开发Mybatis插件&#xff0c;Mybatis允许我们在SQL执行的过程中进行拦截&#xff0c;提供了以下可供拦截的接口&#xff1a; Executor&#xff1a;执行器ParameterHandler&#xff1a;参数处理…

docker搭建Jenkins及基本使用

1. 搭建 查询镜像 docker search jenkins下载镜像 docker pull jenkins/jenkins启动容器 #创建文件夹 mkdir -p /home/jenkins_home #权限 chmod 777 /home/jenkins_home #启动Jenkins docker run -d -uroot -p 9095:8080 -p 50000:50000 --name jenkins -v /home/jenkins_home…

Delphi编程:pagecontrol组件的tab字体变大

1、将pagecontrol组件属性中的font的字体变成四号。 2、将tabsheet1属性中的font的字体设置成八号。 结果如下&#xff1a;

【Go】excelize库实现excel导入导出封装(一),自定义导出样式、隔行背景色、自适应行高、动态导出指定列、动态更改表头

前言 最近在学go操作excel&#xff0c;毕竟在web开发里&#xff0c;操作excel是非常非常常见的。这里我选择用 excelize 库来实现操作excel。 为了方便和通用&#xff0c;我们需要把导入导出进行封装&#xff0c;这样以后就可以很方便的拿来用&#xff0c;或者进行扩展。 我参…

用Blender制作YOLO目标检测器训练数据

推荐&#xff1a;用 NSDT编辑器 快速搭建可编程3D场景 本文将介绍一种非常有吸引力的机器学习训练数据的替代方案&#xff0c;用于为给定的特定应用程序收集数据。 无论应用程序类型如何&#xff0c;这篇博文都旨在向读者展示使用 Blender 等开源资源生成合成数据&#xff08;S…

【JavaEE】线程安全的集合类

文章目录 前言多线程环境使用 ArrayList多线程环境使用队列多线程环境使用哈希表1. HashTable2. ConcurrentHashMap 前言 前面我们学习了很多的Java集合类&#xff0c;像什么ArrayList、Queue、HashTable、HashMap等等一些常用的集合类&#xff0c;之前使用这些都是在单线程中…

MyBatis(JavaEE进阶系列4)

目录 前言&#xff1a; 1.MyBatis是什么 2.为什么要学习MyBatis框架 3.MyBatis框架的搭建 3.1添加MyBatis框架 3.2设置MyBatis配置 4.根据MyBatis写法完成数据库的操作 5.MyBatis里面的增删改查操作 5.1插入语句 5.2修改语句 5.3delete语句 5.4查询语句 5.5like查…

IDEA 生成 javadoc

IDEA 生成 javadoc 在IDEA工具栏tools中&#xff0c;打开选项Generate JavaDoc(生成javaDoc 文件) 配置参数

什么是事件对象(event object)?如何使用它获取事件信息?

聚沙成塔每天进步一点点 ⭐ 专栏简介 前端入门之旅&#xff1a;探索Web开发的奇妙世界 欢迎来到前端入门之旅&#xff01;感兴趣的可以订阅本专栏哦&#xff01;这个专栏是为那些对Web开发感兴趣、刚刚踏入前端领域的朋友们量身打造的。无论你是完全的新手还是有一些基础的开发…

【FISCO-BCOS】十六、多群组部署

目录 一、星形拓扑和并行多组 二、多群组部署&#xff08;星形拓扑&#xff09; 1、ipconf文件的编写 2、指定文件部署 3、检查节点共识 一、星形拓扑和并行多组 这是区块链应用中使用较广泛的两种组网方式 星形拓扑&#xff1a;中心机构节点同时属于多个群组&#xff0c;…

一、Excel VBA 是个啥?

Excel VBA 从入门到出门一、Excel VBA 是个啥&#xff1f;二、Excel VBA 简单使用 &#x1f44b;Excel VBA 是个啥&#xff1f; ⚽️1. Excel 中的 VBA 是什么&#xff1f;⚽️2. 为什么 VBA 很重要&#xff1f;⚽️3. 是否有无代码方法可以在 Excel 中实现工作流程自动化&…

深挖 Python 元组 pt.1

哈喽大家好&#xff0c;我是咸鱼 好久不见甚是想念&#xff0c;2023 年最后一次法定节假日已经结束了&#xff0c;不知道各位小伙伴是不是跟咸鱼一样今天就开始“搬砖”了呢&#xff1f; 我们知道元组&#xff08;tuple&#xff09;是 Python 的内置数据类型&#xff0c;tupl…

学信息系统项目管理师第4版系列20_风险管理

1. 针对不确定性的应对方法 1.1. 【高23上选58】 1.2. 收集信息 1.2.1. 可以对信息收集和分析工作进行规划&#xff0c;以便发现更多信息&#xff08;如进行研究、争取专家参与或进行市场分析&#xff09;来减少不确定性 1.3. 为多种结果做好准备 1.3.1. 制定可用的解决方…

手机投屏电脑软件AirServer5.6.3.0最新免费版本下载

随着智能手机的普及&#xff0c;越来越多的人喜欢用手机观看视频、玩游戏、办公等。但是&#xff0c;有时候手机屏幕太小&#xff0c;不够清晰&#xff0c;也不方便操作。这时候&#xff0c;如果能把手机屏幕投射到电脑上&#xff0c;就可以享受更大的视野&#xff0c;更流畅的…

nsoftware Cloud SMS 2022 .NET 22.0.8 Crack

nsoftware Cloud SMS 能够通过各种流行的消息服务&#xff08;包括 Twilio、Sinch、SMSGlobal、SMS.to、Vonage、Clickatell 等&#xff09;发送、接收和安排 SMS 消息&#xff0c;从而提供了一种简化且高效的消息服务方法。 Cloud SMS 提供单个 SMS 组件&#xff0c;允许通过…

微服务技术栈-Gateway服务网关

文章目录 前言一、为什么需要网关二、Spring Cloud Gateway三、断言工厂和过滤器1.断言工厂2.过滤器3.全局过滤器4.过滤器执行顺序 四、跨域问题总结 前言 在之前的文章中我们已经介绍了微服务技术中eureka、nacos、ribbon、Feign这几个组件&#xff0c;接下来将介绍另外一个组…

合成数据在计算机视觉任务中的应用指南

今年早些时候&#xff0c;我与 Cognizant 深度学习协会团队的一位经理进行了交谈。 他的团队使用深度学习算法创建概念验证&#xff08;展示商业机会的试点项目&#xff09;。 他注意到他的团队面临的主要挑战之一是获取此类 POC 的数据。 获取特定于某个问题的具有良好代表性的…