Tao Yan

简介

条形图可以说是我们最常用的数据可视化方法了，通常用于展示不同分类条件下（在x轴上）某个数值型变量的取值（y轴上）。绘制条形图时需要特别注意的一个细节是条形图的条形高度有时表示的是数据集中变量的频数，有时表示的则是变量本身。本文将会介绍这两类条形图的绘图技巧。

绘制条形图

使用ggplot()函数与geom_bar(stat="identity")，绘制条形图，我们将利用gcookbook包中的数据进行绘制。

#没安装包要先安装包gcookbook、ggplot2以及dplyr
library(gcookbook)#加载gcookbook以使用其包含的数据
library(ggplot2)#用于可视化
library(dplyr)#用于数据处理
这里我们调用**gcookbook**里的数据集绘制条形图
head(pg_mean)#查看数据集
## group weigh
 1 ctrl 5.032
 2 trt1 4.661
 3 trt2 5.526

ggplot(data=pg_mean, aes(x=group, y=weight))+#将group、weight分别赋值给x、y轴 
geom_bar(stat = "identity")#必须将geom_bar()中的stat(统计变换)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。

当x是连续型（数值型）变量时，条形图略有不同，需要略作调整，具体如下：

str(BOD)#查看BOD数据集可以发现Time变量是数值型

## 'data.frame':  6 obs. of 2 variables: 
## $ Time : num 1 2 3 4 5 7
## $ demand: num 8.3 10.3 19 16 15.6 19.8
## - attr(*, "reference")= chr "A1.4, p. 270"

ggplot(data=BOD, aes(x=Time, y=demand))+ geom_bar(stat = "identity")#此时Time是数值型

ggplot(data=BOD, aes(x=factor(Time), y=demand))+ 
geom_bar(stat = "identity")#将Time转换为因子型（分类/离散变量），仔细比较两图

条形图颜色有两部分：填充颜色（fill）以及边框颜色（color），因此调整条形图颜色要调两部分，具体如下：

ggplot(data=BOD, aes(x=factor(Time), y=demand))+ 
geom_bar(stat = "identity", fill="blue", color="black")#可以自己设定喜好的颜色

绘制簇状条形图

方法：将分类变量映射到fill参数，运用geom_bar(position="dodge")绘制，具体如下：

head(cabbage_exp)#查看数据，发现含有两个分类变量：`Cultivar`和`Date`以及一个连续型变量Weight

##  Cultivar Date Weight   sd       n     se
## 1 c39     d16   3.18  0.9566144 10 0.30250803
## 2 c39     d20   2.80  0.2788867 10 0.08819171
## 3 c39     d21   2.74  0.9834181 10 0.31098410
## 4 c52     d16   2.26  0.4452215 10 0.14079141
## 5 c52     d20   3.11  0.7908505 10 0.25008887
## 6 c52     d21   1.47   0.2110819 10 0.06674995

ggplot(data=cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar))+#分别将Date与Cultivar映射给x和fill 
geom_bar(stat = "identity", position = "dodge")#position = "dodge"表示条形图分开不重叠(簇形图)，默认的为stack（堆叠式）,还有百分比堆叠式(fill)

ggplot(data=cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar))+
geom_bar(stat = "identity", position = "stack")#堆叠式

ggplot(data=cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar))+ 
geom_bar(stat = "identity", position = "fill")#百分比堆叠式

设置颜色或者调用调色板

ggplot(data=cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar))+ 
geom_bar(stat = "identity", position = "dodge", color="black")+ 
scale_fill_brewer(palette = "Set1")#Set1为调色板，后期将会专门讲解Color设置

ggplot(data=cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar))+ 
geom_bar(stat = "identity", position = "dodge", color="black")+ 
scale_fill_manual(values = c("darkred", "purple"))#自设置颜色

绘制频数条形图

head(diamonds,n=10)#查看前10行数据

## # A tibble: 10 × 10
##   carat  cut     color clarity depth table  price   x    y     z
##   <dbl> <ord>    <ord>  <ord>  <dbl> <dbl>  <int> <dbl> <dbl> <dbl>
## 1  0.23 Ideal      E     SI2    61.5   55    326   3.95  3.98 2.43
## 2  0.21 Premium    E     SI1    59.8   61    326   3.89  3.84 2.31
## 3  0.23 Good       E     VS1    56.9   65    327   4.05  4.07 2.31
## 4  0.29 Premium    I     VS2    62.4   58    334   4.20  4.23 2.63
## 5  0.31 Good       J     SI2    63.3   58    335   4.34  4.35 2.75
## 6  0.24 Very Good  J     VVS2   62.8   57    336   3.94  3.96 2.48
## 7  0.24 Very Good  I     VVS1   62.3   57    336   3.95  3.98 2.47
## 8  0.26 Very Good  H     SI1    61.9   55    337   4.07  4.11 2.53
## 9  0.22 Fair       E     VS2    65.1   61    337   3.87  3.78 2.49
## 10 0.23 Very Good  H     VS1    59.4   61    338   4.00  4.05 2.39

ggplot(diamonds, aes(x=cut))+#此时不要映射任何变量到y 
geom_bar()#等价于geom_bar(stat="bin")

绘制y轴正负轴都有数据的条形图

#首先先创建一下数据集
set.seed(1111)#此命令保证数据结果可以重现在任何电脑上
x <- 1980+1:36#赋值x
y <- round(100*rnorm(36))#赋值y
mydata <- data.frame(x=x, y=y)#创建数据集mydata
head(mydata)#查看数据集
##    x    y
## 1 1981  -9
## 2 1982  132
## 3 1983  64
## 4 1984  117
## 5 1985  12
## 6 1986 -293

mydata <- mydata%>%#%>%管道操作，结合dplyr为数据处理神器 
mutate(judge=ifelse(y>=0,"Yes", "No"))#创建judge变量，将y正负分类
head(mydata)#查看数据
##    x    y   judge
## 1 1981  -9    No
## 2 1982  132   Yes
## 3 1983  64    Yes
## 4 1984  117   Yes
## 5 1985  12    Yes
## 6 1986 -293   No

#接下来绘制条形图
ggplot(data=mydata, aes(x=x, y=y, fill=judge))+
 geom_bar(stat = "identity",position = "identity")+#这里position="identity"可以避免系统对负值绘制条形图发出警告信息 
scale_fill_manual(values = c("purple", "blue"), guide=FALSE)+xlab("Year")#guide=FALSE表示不要图例,x轴标题为Year

通过width来调整条形宽度以及条形距离

head(diamonds)

## # A tibble: 6 × 10
##  carat  cut    color  clarity  depth    table   price   x     y     z
##  <dbl> <ord>    <ord>   <ord>   <dbl>   <dbl>   <int> <dbl> <dbl> <dbl>
## 1 0.23  Ideal     E      SI2    61.5     55      326   3.95  3.98  2.43
## 2 0.21  Premium   E      SI1    59.8     61      326   3.89  3.84  2.31
## 3 0.23  Good      E      VS1    56.9     65      327   4.05  4.07  2.31
## 4 0.29  Premium   I      VS2    62.4     58      334   4.20  4.23  2.63
## 5 0.31  Good      J      SI2    63.3     58      335   4.34  4.35  2.75
## 6 0.24  Very Good J      VVS2    62.8    57      336   3.94  3.96  2.48

ggplot(data=diamonds, aes(x=color, y=price, fill=cut))+ 
geom_bar(stat = "identity", width = 0.6, position = position_dodge(0.8))+#调整条形宽度以及条形距离 
scale_fill_brewer(palette = "Set1")

geom_text()添加数据标签

使用geom_text()为条形图添加标签，需要分别指定一个变量映射给x、y以及标签（label），vjust和hjust分别调整标签的竖直和水平位置。

#标签在条形图顶端下方
ggplot(data=cabbage_exp, aes(x=interaction(Date, Cultivar), y=Weight))+ 
geom_bar(stat = "identity")+ 
geom_text(aes(label=Weight), vjust=1.5, color="white")

#标签在条形图顶端上方
ggplot(data=cabbage_exp, aes(x=interaction(Date, Cultivar), y=Weight))+ 
geom_bar(stat = "identity")+ 
geom_text(aes(label=Weight), vjust=-0.3, color="red")#可以通过color、size等自行调整标签属性

#堆叠图也一样
ggplot(data=cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar))+ 
geom_bar(stat="identity", position = "stack")+ 
geom_text(aes(label=Weight), size=5, color="black", vjust=3.5, hjust=0.5, 
position = position_stack())#这里的position要与geom_bar()里面的保持一致，各种参数多调整才能效果最佳

下次将重点讲解如何添加误差棒、显著性标记、坐标轴标题、图标题以及部分小技巧等等