其他
图上嵌图！
前段时间科室有个数据需要汇总一下，做个PPT给领导看，主要就是业务占比和增长情况，其实就是简单的条形图和折线图就能搞定。今天发现这个数据还可以使用图上加图的方式实现一下。
使用的y叔的R包ggimage中的geom_subview函数。使用起来也是非常简单，完美的图层语法，就是简单的图层叠加。
加载R包和数据
library(tidyverse)
## -- Attaching packages ----------------------------- tidyverse 1.3.1 --
## v ggplot2 3.3.5 v purrr 0.3.4
## v tibble 3.1.6 v dplyr 1.0.7
## v tidyr 1.2.0 v stringr 1.4.0
## v readr 2.1.1 v forcats 0.5.1
## -- Conflicts -------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()
library(ggimage)
library(gtable)
# 数据可以自己构造
df2 <- read.csv('../000files/df2.csv',header = T)
str(df2)
## 'data.frame': 12 obs. of 3 variables:
## $ 年份 : int 2017 2017 2017 2018 2018 2018 2019 2019 2019 2020 ...
## $ 科室 : chr "2型糖尿病" "糖尿病肾病" "糖尿病周围神经病变" "2型糖尿病" ...
## $ value: int 72 14 10 178 11 32 167 22 44 249 ...
数据是每个年份不同业务（糖尿病肾病、周围神经病变、2型糖尿病）的数量。
首先是把4个饼图画出来。
p21 <- ggplot(df2[1:3,],aes(x='',y=value,fill=科室))+
geom_bar(stat = 'identity',width = 1,position = 'stack')+
scale_y_continuous(expand = c(0,0))+
coord_polar(theta="y") +
theme_void() + theme(legend.position="none")
p22 <- ggplot(df2[4:6,],aes(x='',y=value,fill=科室))+
geom_bar(stat = 'identity',width = 1,position = 'stack')+
scale_y_continuous(expand = c(0,0))+
coord_polar(theta="y") +
theme_void() + theme(legend.position="none")
p23 <- ggplot(df2[7:9,],aes(x='',y=value,fill=科室))+
geom_bar(stat = 'identity',width = 1,position = 'stack')+
scale_y_continuous(expand = c(0,0))+
coord_polar(theta="y") +
theme_void() + theme(legend.position="none")
p24 <- ggplot(df2[10:12,],aes(x='',y=value,fill=科室))+
geom_bar(stat = 'identity',width = 1,position = 'stack')+
scale_y_continuous(expand = c(0,0))+
coord_polar(theta="y") +
theme_void() + theme(legend.position="none")
然后画出基本的画板，在把饼图叠加上去即可！
# 构建一个数据框
base_df <- df2 %>%
group_by(年份) %>%
summarise(n = sum(value)) %>%
mutate(width = n / sum(n) * 400, # 根据比例调整饼图大小
pie = list(p21,p22,p23,p24) # tibble可以存放列表
)
base_df
## # A tibble: 4 x 4
## 年份 n width pie
## <int> <int> <dbl> <list>
## 1 2017 96 44.0 <gg>
## 2 2018 221 101. <gg>
## 3 2019 233 107. <gg>
## 4 2020 323 148. <gg>
画图代码非常简单：
base <- ggplot(data=base_df, aes(年份, n))+geom_blank()+
scale_x_continuous(limits = c(2017,2020.8))+
scale_y_continuous(limits = c(70,400),name = NULL)+theme_minimal()
base + geom_subview(aes(x=年份, y=n,
subview=pie,width=width, height=width), data=base_df)
看起来还是挺美观的，数量和比例也是一目了然，在一个图中呈现汇总信息和单个年份的比例。
最后加上图例(这段神奇的代码也是来自于y叔)：
leg1 <- gtable_filter(
ggplot_gtable(
ggplot_build(p21 + theme(legend.position="right"))
), "guide-box")
base + geom_subview(aes(x=年份, y=n,
subview=pie,width=width, height=width), data=base_df)+
geom_subview(subview = leg1, x = 2020.4,y = 110)
不过领导表示不直观，还是柱状图和折线图好！
以上就是今天的内容，希望对你有帮助哦！欢迎点赞、在看、关注、转发！
欢迎在评论区留言或直接添加我的微信！
欢迎关注我的公众号：医学和生信笔记
“医学和生信笔记 公众号主要分享：1.医学小知识、肛肠科小知识；2.R语言和Python相关的数据分析、可视化、机器学习等；3.生物信息学学习资料和自己的学习笔记！
往期回顾
mlr基础使用
mlr3模型评价
mlr3模型比较
mlr3超参数调优
mlr3嵌套重抽样