柱形图看腻了？不如试试这个

柱形图可以说是科研工作中最常见也最简单的一种统计图，相信大家绘制起来也是得心应手。而堆叠柱形图，则可以把多个元素叠加在一起，比如物种分布柱形图，它能够清晰的展示各个样本中优势物种的丰度情况。但如果是在不同时间段取样的，想要展示某些物种随时间的变化情况，那么普通的堆叠柱状图的表现就没有那么出彩了，今天小编就给大家介绍一种比较新颖的交互式堆叠柱形图，streamgraph，流图。

可以看到，流图将每个柱子中同样的类别连接在一起，形成一段圆滑的弧线，图中的类别围绕着中心轴展示，能够很好的展示各个类别随时间的变化。另外，他还是一个交互式的图，鼠标移到某个位置就会高亮该类别，并显示具体的数值。那么在这里，小编将基于ggplot2movies中的“movies”数据集来讲解基础的流图绘制方法。movies数据集中包含了5万多部电影的信息，共24个变量，包括电影名称、上映时间、时长等变量，小编将使用这个数据集中的上映时间和电影类型来展示各种类型的电影数量随时间的变化情况。

#获取绘图数据
library(ggplot2movies)
library(dplyr)
library(tidyr)
data("movies")
sub_movies <- movies %>% select(year, Action, Animation, Comedy, Drama, Documentary, Romance, Short)
data_plot <- gather(sub_movies, genre, value, -year) %>% group_by(year, genre) %>% tally()

 （向左滑动查看更多）

最后生成的data_plot前10行如下：

year	genre	n
1893	Action	1
1893	Animation	1
1893	Comedy	1
1893	Documentary	1
1893	Drama	1
1893	Romance	1
1893	Short	1
1894	Action	9
1894	Animation	9
1894	Comedy	9

#使用ggplot绘制普通的堆叠柱状图
library(ggplot2)
ggplot(data = data_plot, aes(x = year, y = n, fill = genre))+geom_bar(stat = "identity", position = "stack")
#可以看到，普通的堆叠柱形图中只能显示最下方的类别即“Short”这一类别的数量变化情况，其余类别的变化都不是很明显

 （向左滑动查看更多）

#使用ggplot绘制流图（无法实现交互式）
library(ggTimeSeries)
ggplot(data = data_plot, aes(x = year, y = n, fill = genre))+stat_steamgraph()

 （向左滑动查看更多）

#使用streamgraph绘制流图
#安装并加载streamgraph包
devtools::install_github("hrbrmstr/streamgraph")
library(streamgraph)
#生成交互式流图
streamgraph(data = data_plot, key = "genre", value = "n", date = "year")
#取消交互式
streamgraph(data = data_plot, key = "genre", value = "n", date = "year", interactive = FALSE)
#sg_axis_x：更改X轴间隔和显示格式；sg_axis_y：更改Y轴标签个数和显示格式；sg_fill_brewer：更改配色方案；sg_legend：显示图例
streamgraph(data = data_plot, key = "genre", value = "n", date = "year") %>% sg_axis_x(tick_interval = 20) %>% sg_axis_y(tick_count = 10) %>% sg_fill_brewer(palette = "PuOr") %>% sg_legend(show = TRUE, label = "Grenre:")

 （向左滑动查看更多）

#当设置offset="zero"时，表示参考轴为0，相当于普通的堆叠柱形图
streamgraph(data = data_plot, key = "genre", value = "n", date = "year", offset = "zero", interactive = FALSE) %>% sg_axis_x(tick_interval = 20) %>% sg_axis_y(tick_count = 10) %>% sg_fill_brewer(palette = "YlGnBu")
#可以直接通过R图形界面的Export选项将结果保存为html或PNG
#或者通过htmlwidgets保存为html格式
library(htmlwidgets)
p <- streamgraph(data = data_plot, key = "genre", value = "n", date = "year", offset = "zero", interactive = FALSE) %>% sg_axis_x(tick_interval = 20) %>% sg_axis_y(tick_count = 10) %>% sg_fill_brewer(palette = "YlGnBu")
saveWidget(widget = p, file = "output.html")
#如果想要保存为pdf格式，可以通过webshot函数进行保存（phantomjs安装比较耗时）
library(webshot)
webshot::install_phantomjs()
#注意html文件路径中不能包含中文字符
webshot(url = "output.html" , file = "output.pdf", delay = 0.2)
webshot(url = "output.html" , file = "output.png", delay = 0.2, vwidth = 50, vheight = 50)

 （向左滑动查看更多）

以上只介绍了streamgraph包中一些基础常用的功能，还有sg_add_marker 、sg_annotate等函数，大家可以根据自己的需求多多尝试哦！

文：小师

排版：市场部

推荐阅读：