R语言：饼图系列-连续变量

一、前言

饼图是最简单的局部整体型图（之一），也是百分比堆积柱形图的变体，学术论文中经常使用的饼图主要有1个作用：

1. 展示不同类别变量之间的占比情况。

1.1 饼图-示例

文献来源 原始图片

1.2 圆环图-示例

文献来源 原始图片

1.3 复合饼图-示例

文献来源 原始图片

二、R包

本期使用的R包有3个：

• tidyverse包：绘制饼图；
• dlookr包：计算描述性统计量；
• scatterpie包：绘制复合饼图；
• gWQS包：提供演示数据。

# load "tidyverse" package
library(tidyverse)
# load "dlookr" package
library(dlookr)
# load "scatterpie" package
library(scatterpie)
# load "gWQS" package
library(gWQS) 

三、演示数据

3.1 原始数据

gWQS包中有一个内置数据集，内置数据集的名称叫wqs_data，wqs_data数据集有34种多环芳烃暴露数据、25种邻苯二甲酸酯暴露数据和其他类型数据。

本期仅使用wqs_data数据集的前5种多环芳烃暴露数据和性别。

# PCBs name
PCBs_name <- c("LBX074LA","LBX099LA","LBX105LA","LBX118LA","LBX138LA")
# get the first 5 PCBs exposure data and sex
PCBs <- wqs_data[c(PCBs_name,"sex")]
# get PCBs' absolute value
PCBs[PCBs_name] <- abs(PCBs[PCBs_name])
# view PCBs data
head(PCBs)

3.2 计算统计量和标签

PCBs_pie = PCBs[1:5] %>%
    # calculate describtive statistics
    describe(statistics=c("mean","sd"))

# create pie label
PCBs_pie$label = paste0(PCBs_pie$described_variables,
                        " (",
                        round(PCBs_pie$mean/sum(PCBs_pie$mean)*100,2),
                        "%)")

# view data
head(PCBs_pie)

3.3 复合饼图模拟数据

PCBs_composite_pie = PCBs %>%
  # group by sex
  group_by(sex) %>%
  # calculate describtive statistics
  describe(statistics=c("mean","sd")) %>% 
  # select colume
  select(c("described_variables","sex","mean")) %>% 
  # long to wider
  pivot_wider(names_from=described_variables,values_from=mean)

# create x
PCBs_composite_pie$x = c(50,100)
# create y
PCBs_composite_pie$y = c(50,100)
# create ridius
PCBs_composite_pie$ridius = c(5,10)

四、R语言实现

4.1 饼图

# draw plot
ggplot()+
  # geometric layer
  geom_bar(data=PCBs_pie,mapping=aes(x="",y=mean,fill=label),
           color="black",
           stat="identity")+
  # coordinate adjustment
  coord_polar(theta="y")+
  # theme adjustment
  theme_void()

4.2 圆环图

# draw plot
ggplot()+
  # geometric layer
  geom_bar(data=PCBs_pie,mapping=aes(x="",y=mean,fill=label),
           color="black",
           stat="identity")+
  # coordinate adjustment
  scale_x_discrete(expand=expansion(mult=c(1,0)))+
  coord_polar(theta="y")+
  # theme adjustment
  theme_void()

4.3 复合饼图

散点复合饼图

# draw plot
ggplot()+
  # geometric layer
  geom_scatterpie(data=PCBs_composite_pie,mapping=aes(x,y),
                  cols=PCBs_name)+
  # coordinate adjustment
  coord_equal()+
  # theme adjustment
  theme_light()+
    theme(axis.text=element_text(color="black"))

气泡复合饼图

# draw plot
ggplot()+
  # geometric layer
  geom_scatterpie(data=PCBs_composite_pie,mapping=aes(x=x,y=y,r=ridius),
                  cols=PCBs_name)+
  # coordinate adjustment
  coord_equal()+
  # legend adjustment
  geom_scatterpie_legend(PCBs_composite_pie$ridius,x=100,y=50,n=2)+
  # theme adjustment
  theme_light()+
    theme(axis.text=element_text(color="black"))

五、结果分析

NHANES数据库中多环芳烃的编码与对应名称。

编码	多环芳烃
LBX074LA	PCB74
LBX099LA	PCB99
LBX105LA	PCB105
LBX118LA	PCB118
LBX138LA	PCB138

1. PCB74是人体尿液中含量最高的PCBs，其次是PCB138、PCB105和PCB99，PCB118在人体尿液中的含量最低。

本文由mdnice多平台发布