查看原文
其他

让执着成为一种习惯——仿网易数独玫瑰气泡图

2017-09-04 杜雨 R语言中文社区

 作者:杜雨,EasyCharts团队成员,R语言中文社区专栏作者,兴趣方向为:Excel商务图表,R语言数据可视化,地理信息数据可视化。
个人公众号:数据小魔方(微信ID:datamofang) ,“数据小魔方”创始人。 


没有难学的技艺,只有不够辛勤的付出!

今天这篇文章推送仿的的是网易数独的一幅信息图,内容呈现的是全球各国人民对于养老所持的态度,数据来源于Pew Reserch Centre。

图表整体难度中等,使用ggplot2来写代码,主要考察关于极坐标转换与应用。(ggplot2系统中,两个较为高阶的用法分别为:极坐标系、地理空间的多边形填充)。

#加载包:

library("ggplot2")

library("tidyr")

library("ggthemes")

library("dplyr")

library("Cairo")

library("showtext")

#载入字体:

font.add("myfontl","msyhl.ttc")

font.add("myfont","msyh.ttc")

font.add("myfzhzh","方正正粗黑简体.TTF")

#锁定文件临时目录:

setwd("D:/R/File")

#导入数据

circle_bubble<-read.csv("circle_bubble.csv",stringsAsFactors = FALSE,check.names = FALSE)

仔细观察该图,你会发现,玫瑰图内侧并非底边对齐,而是靠上下中心对齐,要想做到这种效果,必须将一个 细分维度转化为负值(柱形图堆积时会自动将负值堆积在负坐标轴上)。

circle_bubble$Government<--circle_bubble$Government

level<-circle_bubble[,"State"]

circle_bubble$State<-factor(circle_bubble$State,levels=level,ordered=TRUE)


筛选出制作堆积条形图的数据源:

circle_data<-circle_bubble %>% select(State,Government,Family,Youself) %>% gather(Class,Value,-State)

circle_data$Class<-factor(circle_data$Class,levels=c("Government","Youself","Family"),ordered=TRUE)

#构造三个序列的气泡图数据:

circle_point<-circle_bubble[,c("State","General","Very","Raito")]

circle_point_data<-gather(circle_point,Class,Value,-State)

circle_point_data$Class<-factor(circle_point_data$Class,levels=c("General","Very","Raito"),order=TRUE)

#构造气泡图模拟Y轴:

circle_point_data <- within(circle_point_data,{

  mood_y <- NA

  mood_y[Class=="General"]<--150

  mood_y[Class=="Very"]<--100

  mood_y[Class=="Raito"]<-140})

#构造模拟气泡大小

circle_point_data$Value_y<-ifelse(circle_point_data$Class=="Raito",circle_point_data$Value,0.3*circle_point_data$Value)

(这里没有使用气泡图对应真实值作为气泡大小,而是将除Raito系列之外的两个序列真实值缩小了70%,这么做的目的是为了整体的气泡大小比例显示更为匀称和谐,因为Ratio序列是单值序列,其与自身的100%单位标度比较,剩余两个序列相互比较)。

#构造模拟标签位置

circle_data <- within(circle_data,{

  label_y <- NA

  label_y[Class=="Government"]<-circle_bubble$Government/2

  label_y[Class=="Family"]<-circle_bubble$Family/2

  label_y[Class=="Youself"]<-circle_bubble$Family+circle_bubble$Youself-circle_bubble$Youself/2})

#极坐标化前的柱形图:

ggplot()+

geom_linerange(data=circle_bubble,aes(x=State,ymin=-150,ymax=140),size=.25,color="#D8E5F2",alpha=0.8)+

geom_col(data=circle_data,aes(x=State,y=Value,fill=Class),width=1,colour="white",size=.25)

###极坐标化前的柱形图和气泡图

ggplot()+

geom_linerange(data=circle_bubble,aes(x=State,ymin=-150,ymax=140),size=.25,color="#D8E5F2",alpha=0.8)+

geom_col(data=circle_data,aes(x=State,y=Value,fill=Class),width=1,colour="white",size=.25)+

geom_point(data=circle_bubble,aes(State,y=140),size=40,colour="#FEFCD3",alpha=.8)+

geom_point(data=circle_point_data,aes(State,y=mood_y,size=Value_y,colour=Class))+

geom_text(data=circle_data,aes(x=State,y=label_y,group=Class,label=abs(Value)),family="myfont",colour="white",size=5)+

geom_text(data=filter(circle_point_data,mood_y==-150),aes(x=State,y=mood_y,label=Value),family="myfontl",colour="#AA1A66",size=4)+

geom_text(data=filter(circle_point_data,mood_y==-100),aes(x=State,y=mood_y,label=Value),family="myfontl",colour="#A31067",size=4)+

geom_text(data=filter(circle_point_data,mood_y==140),aes(x=State,y=mood_y,label=Value),family="myfontl",colour="#F29E4A",size=5)


#极坐标化后的柱形图和气泡图(完整标签版)

ggplot()+

geom_linerange(data=circle_bubble,aes(x=State,ymin=-150,ymax=140),size=.25,color="#D8E5F2",alpha=0.8)+

geom_col(data=circle_data,aes(x=State,y=Value,fill=Class),width=1,colour="white",size=.25)+

geom_point(data=circle_bubble,aes(State,y=140),size=40,colour="#FEFCD3",alpha=.8)+

geom_point(data=circle_point_data,aes(State,y=mood_y,size=Value_y,colour=Class))+

geom_text(data=circle_data,aes(x=State,y=label_y,group=Class,label=abs(Value)),family="myfont",colour="white",size=5)+

geom_text(data=filter(circle_point_data,mood_y==-150),aes(x=State,y=mood_y,label=Value),family="myfontl",colour="#AA1A66",size=4)+

geom_text(data=filter(circle_point_data,mood_y==-100),aes(x=State,y=mood_y,label=Value),family="myfontl",colour="#A31067",size=4)+

geom_text(data=filter(circle_point_data,mood_y==140),aes(x=State,y=mood_y,label=Value),family="myfontl",colour="#F29E4A",size=5)+

scale_fill_manual(values=c("#FA844F","#BDCCD4","#00C4B5"))+

scale_colour_manual(values=c("#FAC0A1","#F35C57","#FBEB1B"))+

labs(title="各国人民\n对于养老的态度")+

scale_size_area(max_size=34.8)+

coord_polar()




#最终成品图:

CairoPNG(file="circle_bubble.png",width=1000,height=1000)

showtext.begin()

ggplot()+

geom_linerange(data=circle_bubble,aes(x=State,ymin=-150,ymax=140),size=.25,color="#D8E5F2",alpha=0.8)+

geom_col(data=circle_data,aes(x=State,y=Value,fill=Class),width=1,colour="white",size=.25)+

geom_point(data=circle_bubble,aes(State,y=140),size=40,colour="#FEFCD3",alpha=.8)+

geom_point(data=circle_point_data,aes(State,y=mood_y,size=Value_y,colour=Class))+

geom_text(data=circle_data,aes(x=State,y=label_y,group=Class,label=abs(Value)),family="myfont",colour="white",size=5)+

geom_text(data=filter(circle_point_data,mood_y==-150),aes(x=State,y=mood_y,label=Value),family="myfontl",colour="#AA1A66",size=4)+

geom_text(data=filter(circle_point_data,mood_y==-100),aes(x=State,y=mood_y,label=Value),family="myfontl",colour="#A31067",size=4)+

geom_text(data=filter(circle_point_data,mood_y==140),aes(x=State,y=mood_y,label=Value),family="myfontl",colour="#F29E4A",size=5)+

scale_fill_manual(values=c("#FA844F","#BDCCD4","#00C4B5"))+

scale_colour_manual(values=c("#FAC0A1","#F35C57","#FBEB1B"))+

labs(title="各国人民\n对于养老的态度")+

scale_size_area(max_size=34.8)+

coord_polar()+

ylim(-250,150)+

guides(colour=FALSE,size=FALSE,fill=FALSE)+

theme_map() %+replace%theme(plot.title=element_text(family="myfzhzh",size=50,hjust=0,lineheight=1.2))

showtext.end()

dev.off()




PS修饰后的最终效果(以上进过PS修饰细节)。

快报:杜雨2017年09月12在Hellobi Live直播【R语言可视化在商务场景中的应用】

内容:1、为什么选择R;2、ggplot2可视化理念;3、配色方案与规则;4、案例分享;5、高级数据地图专题应用;6、图形输出。

点击阅读原文立即学习+扫码咨询


您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存