原文章來源鏈接：https://brucezhaor.github.io/blog/2016/06/13/excel2ggplot/ 原文章作者：BruceZhaoR(RStats, interested in Statistics Models, Machine/Deep Learning, Data visualization, High Performance Computing ...) 作者主頁：https://github.com/BruceZhaoR

excel作為一個強大的統計工具，自身包含著一部分數據可視化的功能。R作為可視化的大勢，自然也可以畫出這些圖，有一篇就通過ggplot2包進行了部分總結，甚是有趣，小編復刻學習了一番，現對代碼做簡單注釋，以作分享。

關于excel,ppt，你還可以get

Excel改變了你的基因名，30% 相關Nature文章受影響，NCBI也受波及

推薦 3 個超贊的 EXCEL 插件，讓你 5 分鐘從小白變大神

你和PPT高手之間，就只差一個iSlide

加載所需工具包

library(ggplot2) #作圖包 library(dplyr) #數據轉換包 library(tidyr) #數據轉換包 library(splines) #數據差值包

ggplot2的基本概念

數據data/映射美學asethetics/幾何對象geometries/分面facets/統計statistics/坐標系coordinates/主題themes

數據準備

set.seed(123) #設定隨機種子，保證做的圖和樣例一致樣 df <- data.frame(var=LETTERS[1:10], #字母A-Jid=1:10, #數字1-10a=runif(10), #10個隨機數b=runif(10), #10個隨機數c=runif(10), #10個隨機數stringsAsFactors = F #不轉換為因子 ) print(df) #顯示數據

得到所需數據樣式（寬矩陣轉長矩陣）

df1<- df%>%gather("item",value,-1:-2)%>% bind_cols(data.frame(item_id=rep(1:3,each=10)))# 使用tidyr和dplyr包的gather函數進行數據樣式轉換,%>%是dplyr包的傳遞函數print(df1)

ggplot畫圖

ggplot2是圖層式繪圖，一層層添加修改，圖層需要指定數據集，數據集中的內容（ase數據），geom_圖形，stat統計轉換，position圖形位置

柱形圖——geom_bar，注意position參數

ggplot(df1,aes(var,value))+geom_bar(aes(fill=item),stat = "identity",position="dodge",width=0.8)+labs(title="柱形圖") # geom_bar=stat_count,stat=identy接受兩個變量作圖,position默認參數是stack,position="dodge"時，不同變量橫向排列ggplot(df1,aes(var,value))+geom_bar(aes(fill=(item)),stat = "identity",position="stack",width=0.8)+labs(title="堆積柱狀圖")ggplot(df1,aes(var,value))+geom_bar(aes(fill=item),stat = "identity",position="fill",width=0.8)+labs(title="百分比堆積柱狀圖")ggplot(df1,aes(var,value))+geom_bar(aes(fill=item),stat = "identity",width=0.8)+facet_grid(item~.)+ # 垂直方向分割labs(title="三維柱形圖") # 平面展示,（facet_grid)將三維圖平面展示

折線圖——geom_line

變量以點展示，然后連點成線 ggplot(df1,aes(id,value,colour=item))+ # 點geom_line()+ # 連線scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ #將X坐標軸改為十等分并標以字母labs(title="折線圖")ggplot(df1,aes(id,value,colour=item))+geom_line(position="stack")+scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+labs(title="堆積折線圖")ggplot(df1,aes(id,value,colour=item))+geom_line(position="fill")+scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+labs(title="百分比堆積折線圖")ggplot(df1,aes(id,value,colour=item))+geom_line()+geom_point()+scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+labs(title="帶標記的折線圖") #增加了散點圖geom_pointggplot(df1,aes(id,value,colour=item))+geom_line(position="stack")+geom_point(position="stack")+scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+labs(title="帶標記的堆積折線圖")ggplot(df1,aes(id,value,colour=item))+geom_line(aes(ymin=0),position="fill")+geom_point(aes(ymin=0),position="fill")+scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+labs(title="帶標記的百分比堆積折線圖")ggplot(df1,aes(id,value,colour=item))+facet_grid(item~.)+ # 垂直方向分割geom_line()+scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+labs(title="三維折線圖") #用facet_grid平面展示，

餅圖

餅圖，將一般的柱圖進行直角坐標軸到極坐標軸的轉換（coord_polar())

ggplot(df,aes(x=factor(1),a,fill=factor(var)))+geom_bar(stat="identity",position="fill")+coord_polar(theta="y")+ # 按Y軸極坐標轉換labs(title="餅圖")因為是在條形圖中對y軸進行極坐標轉換，因此x軸長短需要一致，統一設為一個值，此處是x=factor(1)

復合餅圖和復合條餅圖

有嵌套類時，可以衍生一個圖形展現子類內容，下圖是一個demo，僅作為圖案參考樣式，還有許多需要改進的地方

df_tmp<-data.frame(x=1,y=1) #準備畫布所需數據 base <- ggplot(df_tmp,aes(x,y))+geom_blank()+theme_void()+xlim(c(0,2))+ylim(c(0,2)) # 準備背景畫布base + annotation_custom(grob = ggplotGrob(ggplot(df,aes(x = "",a,fill=factor(var)))+ # 注釋geom_bar(stat="identity",position="fill",show.legend = F)+labs(x=NULL,y=NULL)+coord_polar(theta="y")+theme_classic()),xmin =0,xmax=1,ymin=0.5,ymax = 1.5)+ # 圖左annotation_custom(grob = ggplotGrob(ggplot(df,aes(x = "",b,fill=factor(var)))+geom_bar(stat="identity",position="fill",show.legend = F)+labs(x=NULL,y=NULL)+coord_polar(theta="y")+theme_classic()),xmin =1.1,xmax=1.9,ymin=0.6,ymax = 1.4)+ # 圖右annotate("segment",x=0.5,xend=1.5,y=0.69,yend=0.77)+ # 下線條annotate("segment",x=0.5,xend=1.5,y=1.35,yend=1.28) # 上線條+labs(title="復合餅圖")# 復合條餅圖base <- ggplot(df_tmp,aes(x,y))+geom_blank()+theme_void()+xlim(c(0,2))+ylim(c(0,2)) # 背景畫布 base + annotation_custom(grob = ggplotGrob(ggplot(df,aes(x = "",a,fill=factor(var)))+geom_bar(stat="identity",position="fill",show.legend = F)+labs(x=NULL,y=NULL)+coord_polar(theta="y")+theme_void()), # 餅圖比條形圖多了一個極坐標轉換xmin =0,xmax=1,ymin=0.5,ymax = 1.5)+ # 左圖annotation_custom(grob = ggplotGrob(ggplot(df,aes(x = "",b,fill=factor(var)))+geom_bar(stat="identity",position="fill",show.legend = F)+labs(x=NULL,y=NULL)+theme_void()),xmin =1.2,xmax=1.8,ymin=0.8,ymax = 1.2)+ # 右圖annotate("segment",x=0.5,xend=1.24,y=0.64,yend=0.84)+ # 下線段annotate("segment",x=0.5,xend=1.24,y=1.38,yend=1.18)+ # 上線段labs(title="復合條餅圖")

圓環圖

一個圓環代表一個變量，顏色表示其屬性

ggplot(df1,aes(x = item,value,fill=var))+geom_bar(stat="identity",position="fill",width=0.8,colour="black")+coord_polar(theta="y")

其他圓形圖

用coord_polar作出的demo圖

demo1<-ggplot(df,aes(x = factor(1),a,fill=factor(var)))+geom_bar(stat="identity",position="dodge") demo1 #柱形圖demo1+coord_polar(theta="y") # 按y軸極坐標轉換demo1+coord_polar(theta="x") # 按X軸極坐標轉換，此時x還可以等于vardemo2<-ggplot(df1,aes(x = id,value,fill=item))+geom_bar(stat="identity",position="fill",width=0.8) demo2 # 百分比柱形圖demo2+coord_polar(theta="x") # 按x軸極坐標轉換

條形圖

條形圖就是橫過來的柱形圖，用函數coord_filp()處理逆時針旋轉90°

ggplot(df1,aes(var,value))+geom_bar(aes(fill=item),stat = "identity",position="dodge",width=0.8)+labs(title="條形圖")+coord_flip() # 和柱形圖代碼的唯一區別coord_flip()ggplot(df1,aes(var,value))+geom_bar(aes(fill=item),stat = "identity",position="stack",width=0.8)+labs(title="堆積條形圖")+coord_flip()ggplot(df1,aes(var,value))+geom_bar(aes(fill=item),stat = "identity",position="fill",width=0.8)+labs(title="百分比堆積條形圖",fill="")+coord_flip()ggplot(df1,aes(var,value))+geom_bar(aes(fill=item),stat = "identity",position="dodge",width=0.8)+labs(title="三維百分比條形圖",fill="")+coord_flip()+facet_grid(.~item) # 水平方向分割，用多個分面展示多維

面積圖——geom_area

面積圖就是將折線圖下面的區域標注顏色，表示面積。

ggplot(df1,aes(id,value))+geom_area(aes(fill=item),position=position_dodge(width = 0),alpha=0.5)+ # 暗色不透明度labs(title="面積圖",fill="")+scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])ggplot(df1,aes(id,value))+geom_area(aes(fill=item),alpha=0.5)+labs(title="堆積面積圖")+ # 區別堆積折線圖是少了`position=stack`scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])ggplot(df1,aes(id,value))+geom_area(aes(fill=item),position="fill",alpha=0.5)+labs(title="百分比堆積面積圖",fill="")+scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])ggplot(df1,aes(id,value))+geom_area(aes(fill=item),position="stack",alpha=0.5)+# 區別于三維折線圖添加了`position=stack`,便于分割后更好觀察面積分布labs(title="三維百分比堆積面積圖",fill="")+scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+facet_grid(item~.) # 按垂直水平分割

XY散點圖

需要注意的是確定X,Y軸以后，需要把對應的值賦到圖中

ggplot(df1,aes(var,value))+geom_point(aes(colour=item))+labs(title = "散點圖")df1_a<-df1 %>% filter(item=="a") %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame() df1_b<-df1 %>% filter(item=="b") %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame() df1_c<-df1 %>% filter(item=="c") %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame() # 分開獲得需要a,b,c的數據value，并被等分為1000份，用spline曲線連接，轉換為數據框格式df1_sp<-bind_rows(df1_a,df1_b,df1_c) %>%mutate(item=rep(letters[1:3],each=1000)) # 添加1列itemggplot()+geom_point(data=df1,aes(id,value,colour=item))+geom_line(data=df1_sp,aes(x,y,colour=item))+scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+labs(title = "帶平滑線和數據標記的散點圖") # 點加線ggplot(df1,aes(id,value,colour=item))+geom_point()+geom_line()+scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+labs(title = "帶直線和點數據標記的散點圖")ggplot(df1,aes(id,value,colour=item))+geom_line()+scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+labs(title = "帶直線的散點圖") # 就是折線圖

氣泡圖

氣泡圖即點的大小表示數值大小的點圖

ggplot(df1,aes(id,value,colour=item))+geom_point(aes(size=value))+scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10]) # `size=value`給點賦予數值大小屬性

股價圖

ggplot(df)+geom_point(aes(Sys.Date()-1:10,c))+geom_linerange(aes(Sys.Date()-1:10,ymin=a,ymax=b))+labs(title="已知盤高-盤低-收盤圖")# `Sys.Date`返還任一日期時間,c是收盤量 # `geom_linerange`是由a,b兩個對象的ymin和ymax定義的垂直區間線圖ggplot(df)+geom_point(aes(Sys.Date()-1:10,c))+geom_linerange(aes(Sys.Date()-1:10,ymin=a,ymax=b))+geom_crossbar(aes(Sys.Date()-1:10,c,ymin=a,ymax=c),width=0.2)+labs(title="已知開盤-盤高-盤低-收盤圖")# 在已知盤高-盤底-收盤圖的基礎上加上`geom_crossbar`，這里是連系a的最小和c的最大值， # geom_crossbar(): 空心柱，上中下三條線分別代表ymax，mean，yminggplot(data = filter(df1,item != "c"),aes(rep(Sys.Date()-1:10,3),value))+facet_grid(item~.,scale="free")+geom_point(data = filter(df1,item == "a"),aes(Sys.Date()-1:10,value))+geom_linerange(data = filter(df1,item == "a"),aes(Sys.Date()-1:10,value,ymin=value-runif(10),ymax=value+runif(10)))+geom_bar(data = filter(df1,item == "b"),aes(Sys.Date()-1:10,value*1000),stat="identity")+labs(title="成交量-盤高-盤低-收盤圖")# 點和線距圖是對象a的數據有盤高盤低，條形圖是關于對象b的圖，成交量 # facet_grid(item~.,scale="free")，垂直分割，且不同形式的圖表可以被分割出來ggplot(data = filter(df1,item != "c"),aes(rep(Sys.Date()-1:10,3),value))+facet_grid(item~.,scale="free")+geom_point(data = filter(df1,item == "a"),aes(Sys.Date()-1:10,value))+geom_linerange(data = filter(df1,item == "a"),aes(Sys.Date()-1:10,value,ymin=value-runif(10),ymax=value+runif(10)))+geom_crossbar(data = filter(df1,item == "a"),aes(Sys.Date()-1:10,value,ymin=value-runif(10),ymax=value+runif(10)),width=0.2)+geom_bar(data = filter(df1,item == "b"),aes(Sys.Date()-1:10,value*1000),stat="identity")+labs(title="已知成交量-開盤-盤高-盤低-收盤圖")# 在上一個圖的基礎上加了個`geom_crossbar`，篩選對象b作為開盤

曲面圖——geom_contour

三維圖形，下圖是對密度的一個二維密度估計

ggplot(df1,aes(id,item_id))+geom_contour(aes(z=value,colour=..level..),binwidth=0.001)+scale_colour_gradientn(colours = terrain.colors(10))+scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+scale_y_continuous(breaks = 1:3,labels = letters[1:3])+labs(title="曲面圖")# binwidth設置組距，值越小畫得線越多，密度圖函數colour設置等高線顏色ggplot(df1,aes(id,item_id))+geom_contour(aes(z=value,colour=..level..),binwidth=0.1)+scale_colour_gradientn(colours = terrain.colors(10))+scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+scale_y_continuous(breaks = 1:3,labels = letters[1:3])+labs(title="曲面圖（框架圖）")# 用不同顏色等高線畫框架圖，和上圖比增加了組距。

雷達圖

ggplot(df1,aes(id,value,colour=item))+geom_bar(stat="identity",position="dodge", # 普通柱形圖fill="transparent",# 填充透明度size=1)+coord_polar()+ #極坐標轉換scale_x_continuous(breaks = 1:5,labels = LETTERS[1:5])+facet_wrap(~item,nrow=2)+ # 水平分割，分割后的圖呈兩行排列labs(title="雷達圖")# 雷達圖就是極坐標轉換后的普通柱形圖，加了透明背景框，相當于其他透明圖ggplot(df1,aes(id,value,colour=item))+geom_bar(stat="identity",position="dodge",fill="transparent",size=1,width=0.5)+geom_point()+coord_polar()+scale_x_continuous(breaks = 1:5,labels = LETTERS[1:5])+facet_wrap(~item,nrow=2)+labs(title="帶數據標記的雷達圖")# 在geom_bar的基礎上加上了以三個對象a,b,c,的值為點的點圖geom_pointggplot(df1,aes(id,value))+geom_bar(aes(fill=item),stat="identity",position="dodge")+ # 以item項的值映射柱形圖的表達值scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ # x軸分成了十等份coord_polar()+facet_wrap(~item,nrow=2)+labs(title="填充雷達圖")

直方圖

直方圖是先把數據劃分區間，按從小到大的順序排列，并以柱狀圖的形式表現

ggplot(df1,aes(value))+geom_histogram(bins=5,colour="white") # 映射value表達值，邊界框是白色# 排列圖（數據從小到大排列）df_tmp2<-df %>% select(1:3) %>% # 前三列arrange(a) %>% #按列a的值從小到大排序mutate(per = a/sum(a)) %>% # 增加per列，值為對應總數的比例arrange(desc(a)) %>% # 重新按列a的值從達到小排列mutate(new_id = 1:10)%>% # 增加new_id列mutate(per = cumsum(per)) # 將per列的值按new_id的順序逐個疊加ggplot(df_tmp2)+geom_bar(aes(new_id,a,fill=var),stat="identity")+ # fill=var添加圖例并按照圖例上色geom_line(aes(new_id,per))+scale_x_continuous(breaks = 1:10,labels = df_tmp2$var) # 令X軸的值為df_tmp2的var

箱型圖

箱型圖是用分位數表述數據的離散和集中趨勢

ggplot(df1,aes(item,value,colour=item))+geom_boxplot(aes(fill=item),alpha=0.2,outlier.colour = "red",outlier.shape = 2,outlier.size = 5,coef=1.5)+ # 箱線圖的異常值設定，邊框為紅色，形狀為2指代的三角形，大小為5，參數coef指定了“須”的長度的極限值，默認值是1.5，表示兩條須的極限不會超過盒型各端加1.5倍四分位距的范圍，如果被置為0，條須的延長極限就會在數據集中元素的極限位置，圖中不會有任何離群點。geom_jitter(width = 0.1) # geom_jitter()是geom_point(position="jitter")的簡稱,帶狀圖，一維散點圖。

瀑布圖

瀑布圖可表現圖形漲跌趨勢，后一個柱子和前一個柱子有增長和下降的關系。

df_tmp3 <- df %>%select(1:3)%>%mutate(cum=cumsum(a) ,low=lag(cum,default = 0))　 # 新增一列cum，值為對應a值逐個疊加，新增加一列low，對應的是同一行的cum的上一個值，開始值是0.ggplot(df_tmp3,aes(id,cum))+ # geom_step(colour="grey50")+ 是梯線geom_crossbar(aes(ymin=low,ymax=cum),size=0,fill="skyblue",colour="grey50", # 邊框顏色width=1)+scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10]) #geom_crossbar(): 空心柱，上下兩條線分別代表ymax、ymin

漏斗圖

漏斗圖的數據分布在圖形中間，用coord_flip()轉換方向，可以看到不同組的最大，最小值的差異

df_tmp4<-df %>% select(1:3) %>%arrange(a) %>%mutate(new_id=1:10,ymin = (1-a)/2,ymax = a+(1-a)/2,mid = 0.5) # 新增四列，new_id,ymin,ymax和min列ggplot(df_tmp4,aes(new_id,mid))+# geom_step(colour="grey50")+geom_crossbar(aes(ymin=ymin,ymax=ymax),size=0,fill="skyblue",colour="grey50",width=1)+scale_x_continuous(breaks = 1:10,labels = df_tmp4$var)+coord_flip() # 整個圖形逆時針轉90度# geom_crossbar()空心柱ggplot(df_tmp4,aes(new_id,mid))+geom_linerange(aes(ymin=ymin,ymax=ymax,colour=factor(new_id)),size=15,alpha=0.5,show.legend = F)+scale_x_continuous(breaks = 1:10,labels = df_tmp4$var)+coord_flip()

總結

以上是生活随笔為你收集整理的是Excel的图，不！是R的图的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。