R語言：ggplot2精細化繪圖——以實用商業化圖表繪圖為例

博客內容簡介及目錄 http://www.cnblogs.com/weibaar/p/6644261.html

 

本文旨在介紹R語言中ggplot2包的一些精細化操作，主要適用於對R畫圖有一定了解，需要更精細化作圖的人，尤其是那些剛從excel轉ggplot2的各位，有比較頻繁的作圖需求的人。不討論那些樣式非常酷炫的圖表，以實用的商業化圖表為主。包括以下結構：

1、畫圖前的准備：自定義ggplot2格式刷
2、畫圖前的准備：數據塑形利器dplyr / tidyr介紹
3、常用的商業用圖：

1）簡單柱形圖+文本（單一變量）
2）分面柱形圖（facet_wrap/facet_grid)
3）簇型柱形圖(position=”dodge”)
4）堆積柱形圖(需要先添加百分比，再對百分比的變量做柱形圖)
5）餅圖、極坐標圖
6）多重線性圖

轉載才會看到的：本文版權歸http://www.cnblogs.com/weibaar 所有，轉載請保留此段文字謝謝！

前言

這篇文章其實是我之前那篇博文的一個延續。因為接了一個活要用R定制化數據報表，其中涉及大量的對圖表精雕細琢的工作。在深入研究ggplot2時，深深感覺到用ggplot2畫圖與用excel畫圖的不一樣。

如果要用ggplot2畫圖，還是需要了解很多技術細節的。這些細節要么散落在R可視化技術和ggplot2:數據分析與圖表技術這兩本書里，要么散落在網上。因此在這里以我學習和總結的過程，對ggplot2的精細化畫圖做一個闡述，介紹我整理后的作圖理念。

如果有進一步學習需要的各位，請直接買書或者自己實踐學習。很多技術細節需要自己摸索才知道的，祝大家好運。

1、畫圖前的准備：自定義ggplot2格式刷

在畫圖前，我們首先定義一下ggplot2格式刷。

首先，ggplot2本身自帶了很漂亮的主題格式，如theme_gray和theme_bw。但是在工作用圖上，很多公司對圖表格式配色字體等均有明文的規定。像我們公司，對主色、輔色、字體等都有嚴格的規定。如劉萬祥老師早期的一篇配色博文里，大家更是可以看到，很多商業雜志的圖表，配色風格都是非常相近的。因此，修改主題，使其更加適合我們的商業需求，保持圖表風格統一，是非常必要的。

雖然ggplot2可以通過代碼的追加，細細修改表距、背景色以及字體等框架。但是如果每做一個圖，都要如此細調，代碼將會非常繁瑣，而且萬一老板突然興起要換風格時，代碼修改將會非常痛苦。

幸運的是，ggplot2允許我們事先定制好圖表樣式，我們可以生成如mytheme或者myline這樣的有明確配色主題的對象，到時候就像excel的定制保存圖表模板或者格式刷，直接在生成的圖表里引用格式刷型的主題配色，就可以快捷方便的更改圖表內容，保持風格的統一了。

在運行之前，首先加載相關包

library(ggplot2)
library(dplyr)
library(ColorBrewer)
library(tidyr)
library(grid)
#載入格式刷
######

#定義好字體
windowsFonts(CA=windowsFont("Calibri"))

 

接下來是一個示范。我首先共享了我常用的一個主題刷，配色參考以下：

主體色：藍色 085A9C ，紅色 EF0808，灰色 526373
輔助色：淺黃色 FFFFE7，橙色 FF9418， 綠色 219431， 明黃色 FF9418，紫色 9C52AD

定制了mytheme, myline_blue, mycolour等多個對象：

#定義好字體
windowsFonts(CA=windowsFont("Calibri"))
#事先定制好要加圖形的形狀、顏色、主題等
#定制主題，要求背景全白，沒有邊框。然后所有的字體都是某某顏色
#定制主題，要求背景全白，沒有邊框。然后所有的字體都是某某顏色
mytheme<-theme_bw()+theme(legend.position="top",
                          panel.border=element_blank(),
                          panel.grid.major=element_line(linetype="dashed"),
                          panel.grid.minor=element_blank(),
                          plot.title=element_text(size=15,
                                                  colour="#003087",
                                                  family="CA"),
                          legend.text=element_text(size=9,colour="#003087",
                                                   family="CA"),
                          legend.key=element_blank(),
                          axis.text=element_text(size=10,colour="#003087",
                                                 family="CA"),
                          strip.text=element_text(size=12,colour="#EF0808",
                                                  family="CA"),
                          strip.background=element_blank()

                        )
pie_theme=mytheme+theme(axis.text=element_blank(),
                        axis.ticks=element_blank(),
                        axis.title=element_blank(),
                        panel.grid.major=element_blank())
#定制線的大小
myline_blue<-geom_line(colour="#085A9C",size=2)
myline_red<-geom_line(colour="#EF0808",size=2)
myarea=geom_area(colour=NA,fill="#003087",alpha=.2)
mypoint=geom_point(size=3,shape=21,colour="#003087",fill="white")
mybar=geom_bar(fill="#0C8DC4",stat="identity")
#然后是配色，考慮到樣本的多樣性，可以事先設定顏色，如3種顏色或7種顏色的組合
mycolour_3<-scale_fill_manual(values=c("#085A9C","#EF0808","#526373"))
mycolour_7<-scale_fill_manual(values=c("#085A9C","#EF0808","#526373",
"#FFFFE7","#FF9418","#219431","#9C52AD"))
mycolour_line_7<-scale_color_manual(values=c("#085A9C","#EF0808","#526373",
                                             "#0C8DC4","#FF9418","#219431","#9C52AD"))

 

把以上代碼在R里面運行以后，就可以直接使用了。譬如以下：

1）先生成一個簡單的圖表：

#未使用格式刷
p<-ggplot(iris,aes(x=species,y=sepal_length)) +geom_bar(stat="identity")+ ggtitle("sepal_length by species")
p

簡單地指定x軸為離散型變量species，y為求和，會得到下面的柱形圖 

這時候，套用一下之前設置好的主題（mytheme）,背景、坐標軸還有字體顏色就相應改變了。

p+mytheme

然后，因為之前格式刷部分我設定了一個藍色的柱形圖樣式(mybar)，這里直接引用的話，就可以直接生成藍色的柱形圖了。

ggplot(iris,aes(x=species,y=sepal_length)) +ggtitle("sepal_length by species")+mybar+mytheme

---

2、畫圖前的准備：數據塑形利器dplyr / tidyr

有了事先設定的一些格式刷以后，我們就可以快速有效地作圖了。

但是在作圖之前，就像excel作圖總要先把數據用處理成想要的形式 。在excel里面，我們常用的是數據透視表或者一些公式輔助，而在R里，則是用一些常用的包，如dplyr及tidyr，對數據進行重塑再造

在我之前看的那兩本ggplot2的書里，基本用的都是reshape2+plyr的組合。但實際上hadley后續出的dplyr與tidyr更加有用。具體的使用方法，在JHU Getting and cleaning data有介紹，老師還編了一個swirl課程供人使用，安裝方法如下。

install.packages("swirl")
library(swirl)
#安裝getting and cleaning data相關的課程教學包
install_from_swirl("Getting and Cleaning Data")
swirl()

其他的也可以參考我這篇博文

總之，用好dplyr的話，你可以快速的把一些數據，如下面的股票逐筆成交記錄

隨你所欲地匯總(group_by & summarize) 甚至再拆分 (spread)，譬如示例里面就是把成交記錄按照成交價格和BuySell拆分

data #剛剛演示的那些數據,在預測者網可以下載
data %>% group_by(Price,BuySell) %>% summarize(Money=sum(Money,na.rm=TRUE)) %>% spread(BuySell,Money)

要想做好ggplot2的圖，對數據快速進行塑形的方法是我們必須要掌握的。上面的s wirl課程非常有用，而且值得是最新的一個技術方法，值得大家學習。

3、常用的商業用圖

接下來分享一下我在這次作圖過程中，最常用的幾個圖形的代碼。首先聲明，這些圖形的進一步做法以及變形，基本都可以在這兩本參考書籍里(R可視化技術 | ggplot2:數據分析與圖表技術 )找到。我這里更多的摘取一些我比較常用的圖表進行講解

1、簡單柱形圖+文本（單一變量）
2、分面柱形圖（facet_wrap/facet_grid)
3、簇型柱形圖(position=”dodge”)
4、堆積柱形圖(需要先添加百分比，再對百分比的變量做柱形圖)
5、餅圖、極坐標圖
6、多重線性圖

在作圖之前，首先講一下ggplot2的局限。

ggplot2最大的局限是，它基本不支持雙坐標圖和餅圖。即使能做這些圖形，也要很多設置，做起來非常繁瑣。
按我個人理解，這個局限的根源與ggplot2開發者Hadley本身的審美習慣以及分析習慣脫不了關系。具體請看他在stackoverflow的這一段問答：

It’s not possible in ggplot2 because I believe plots with separate y scales (not y-scales that are transformations of each other) are fundamentally flawed.

大神有技術就能任性。即使一堆人在他那回復下面各種求雙坐標。。不知道Hadley現在有沒有改變主意，把雙坐標列為ggplot2的下一個更新點。但是如果你想畫雙坐標圖或者餅圖，至少經個人的實踐，這些都是比較困難的，設置繁瑣而且不美觀。要么選擇用excel完成，要么聽大神的話，用分面圖(facet)或者柱形圖代替，會更加省事一些。

所以，在了解以下常用圖形前，我們需要記住，ggplot2不是萬能的，它雖然能做出非常美觀的圖表，但是總有一些圖不能做，因此多個工具結合使用是非常必要的。

在知道以上前提下，我們以ggplot2自帶的diamonds數據集為基礎，結合dplyr/tidyr的應用，介紹一下常用圖形的畫法。

然后來講一下除了雙坐標圖和餅圖以外，ggplot2可以支持的常用圖形的畫法。數據的話，我們使用ggplot2自帶的數據包diamonds

首先定義一下

mytitle="演示：以diamond為例"

1）簡單柱形圖 

代碼組成如下，這里使用格式刷mybar和mytheme，然后用geom_text添加柱形圖標簽(vjust=1表示在柱形圖里面顯示)

data1<-diamonds %>% group_by(cut) %>% summarize(avg_price=mean(price))
柱形圖<-ggplot(data1,aes(x=cut,y=avg_price,fill=as.factor(cut)))+
        mytitle+mybar+mytheme+
        geom_text(aes(label=round(avg_price)),vjust=1,colour="white")

2）帶分類的柱形圖

舉個例子來說，在有時候，我們想要快速繪圖。使用facet_wrap或者facet_grid可以快速繪制相應圖形。這也是ggplot2不太支持雙坐標的原因：可以快速繪圖，就不需要做那么多無用功了。

代碼如下：

#dplyr處理數據
data2<-diamonds %>% group_by(cut,color) %>% summarize(avg_price=mean(price))
#畫圖，套用設定好的繪圖元素
ggplot(data2,aes(x=color,y=avg_price))+facet_wrap(~cut,ncol = 2)+
        mytitle+mybar+mytheme
#在facet_wrap里面，如果加上scales="free"的話，坐標就不一樣了。

 

3）簇型圖
制圖要點是，對數據作圖后，添加geom_bar時，position=”dodge”（分開的）如果去掉這部分，默認是生成堆積圖.

代碼如下：

data3<-diamonds %>% filter(cut %in% c("Fair","Very Good","Ideal")) %>%
        group_by(cut,color) %>% summarize(avg_price=mean(price))
#簇狀圖
簇狀柱形圖<-ggplot(data3,aes(x=color,y=avg_price,fill=cut))+
        geom_bar(stat="identity",position="dodge")+
        mytheme+mytitle+mycolour_3
簇狀柱形圖

這里如果想要定義顏色的相應順序的話，可以使用factor 

譬如以下,只是用這行代碼對顏色重新定義一下，用levels改變factor順序，再畫圖的時候，顏色以及柱子順序就會跟着改變了。非常方便。

data3$cut<-factor(data3$cut,levels=c("Very Good","Ideal","Fair"))

4）百分比堆積圖
制圖前要事先添加一個百分比的數據之后才好作圖，這里我們用mutate(percent=n/sum(n))添加該百分比數據。同時去掉position=”dodge”

data4<-diamonds %>% filter(cut %in% c("Fair","Very Good","Ideal")) %>%
         count(color,cut) %>% 
        mutate(percent=n/sum(n))
堆積圖<-ggplot(data4,aes(x=color,y=percent,fill=cut))+mytitle+
        geom_bar(stat="identity")+mytheme+mytitle+mycolour_3
堆積圖

當然，也可以做面積圖。不過如果數據有缺失，面積圖出錯幾率蠻大的

5）餅圖以及極坐標圖

參考一下這篇文章《【R】初吻R–ggplot繪制Pie Chart餅圖》以及這篇文章使用ggplot2畫圖
在ggplot2里並沒有直接畫餅圖的方法，基本上都是先畫出柱形圖，再用coord_polar轉化為餅圖

有兩種作圖方法：
1）不指定x軸，直接用geom_bar生成y軸，然后fill=分類顏色，coord_polar直接投影y
該方法的好處代碼是比較簡單（coord_polar(“y”)
加標簽方法請見： http://stackoverflow.com/questions/8952077/pie-plot-getting-its-text-on-top-of-each-other#

data5<-diamonds %>% count(cut) %>% 
        mutate(percent=n/sum(n))
ggplot(data5,aes(x=factor(1),y=percent,fill=cut))+geom_bar(stat="identity",width=3)+mycolour_7+
        coord_polar("y")+pie_theme+mytitle

2）指定x軸，x軸同時也是顏色(fill)，先畫柱形圖，再轉化為圓形。壞處是公式相對比較繁瑣一些。

ggplot(data5,aes(x=cut,y=percent,fill=cut))+
        geom_bar(stat="identity",width=3)+
        mycolour_7+coord_polar("x")+pie_theme+mytitle

 

但是我嘗試了多次，在餅圖里加標簽方法非常難以理解。。如果要餅圖加標簽的話，或許還不如柱形圖

附上分面柱形圖畫法：

data5_1<-data5 %>% filter(color %in% c("D","E","F","G"))
ggplot(data5_1,aes(x=factor(1),y=percent,fill=cut))+geom_bar(stat="identity",width=3)+mycolour_7+
        coord_polar("y")+pie_theme+facet_wrap(~color,ncol = 4)+
        theme(legend.position="bottom")+mytitle

 

6、折線圖

除了以上柱形圖以外，折線圖我們做的也比較多。
簡單的折線圖直接做就好了
然后像下圖這樣的

要點是，先做成如A-B-變量這樣的二聯表，然后，x軸為A，group為b,colour為b
下面代碼展示了這個處理
如果去掉group的話，折線圖會不知道怎么去處理數字。

data6<-diamonds %>% count(color,cut) %>% filter(color %in% c("D","E","F"))%>%
        mutate(percent=n/sum(n))
ggplot(data6,aes(x=cut,y=n,group=color,colour=color))+geom_line(size=1.5)+mypoint+
        mycolour_line_7+mytheme+mytitle

 

還有一些其他有用的圖形
 
總之，ggplot2的語法還是比較獨特的，而且其實處處有坑，處處有驚喜。如果作為商業繪圖的話，需要一點一點地去探索去改變，保證風格和細節完美無缺。
不過ggplot2繪圖有個好處是，一旦整理出常用的繪圖代碼，以后就可以無限次套用，尤其是那些格式刷，事先設定好的主題等。即ggplot2繪圖，是完全可以做到越繪越快，再開發成本低廉的。

另外補充說明的是，ggplot2繪圖，個人更看好其多種映射，以及在探索性數據分析里快捷繪圖的能力，還有跟地圖啊等結合的能力。還有動態交互等等。

譬如現在比較流行的R/Python與動態網頁（大部分是D3）的結合 示例1,示例2

但願各位不要將繪圖局限於上述所選的一些最常用的圖形與格式化調整里。請容我吐槽一句，這樣子調風格學習真的很苦(づ￣ ~~￣|||)づ

轉載才會看到的：本文版權歸http://www.cnblogs.com/weibaar 所有，轉載請保留此段文字謝謝！

參考資料：

1、劉萬祥老師的商業圖表系列
2、R可視化技術
3、ggplot2:數據分析與圖表技術
4、萬能的stackoverflow
5、ggplot2
6、配色相關：
劉萬祥老師早期的一篇配色博文
html兩色搭配大全，以及html按風格分的配色盤

 

博客總目錄：http://www.cnblogs.com/weibaar/p/4507801.html