怎么用R語(yǔ)言制作柱形圖

本篇內(nèi)容介紹了“怎么用R語(yǔ)言制作柱形圖”的有關(guān)知識(shí)，在實(shí)際案例的操作過程中，不少人都會(huì)遇到這樣的困境，接下來(lái)就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

其實(shí)R語(yǔ)言本身就帶有各種作圖函數(shù)，比如plot、bar、pie等，而且語(yǔ)法非常簡(jiǎn)單明了，為什么還要用ggplot2這種語(yǔ)法獨(dú)立性很強(qiáng)、自成體系的作圖包來(lái)作圖呢？

一個(gè)例子就能感受到：

plot(mpg$cty,mpg$hwy)#R語(yǔ)言內(nèi)置散點(diǎn)圖函數(shù)（無(wú)需加載任何輔助工具包）

ggplot(mpg,aes(cty, hwy)) + geom_point(colour="steelblue")+labs(x = "City mpg", y = "Highway")  #ggplot2包中的ggplot函數(shù)（需先加載ggplot2工具包支持）

這只是一個(gè)很簡(jiǎn)單的例子，兩個(gè)圖所表達(dá)的是同樣的數(shù)據(jù)變量，同樣的圖表形式，而且在精確度上幾乎毫無(wú)差異。

但是，即便兩種味道同樣的食物，外觀的好壞也會(huì)影響食欲，這兩個(gè)圖表給人的感受，就像是一款諾基亞手機(jī)與一款iPhone手機(jī)給人帶來(lái)的對(duì)比一樣，即便功能差異不大，但是外觀上的藝術(shù)感已經(jīng)將兩者拉開了層次。

這也是為啥我曾經(jīng)剛接觸R語(yǔ)言，還在糊里糊涂的學(xué)各種內(nèi)置圖表函數(shù)時(shí)，突然看到大神們?cè)缫延蒙狭薵gplot，立馬選擇入門ggplot的原因。

今天給大家介紹ggplot函數(shù)中柱形圖的用法（一大家子呢，單序列柱形圖、簇狀柱形圖、堆積柱形圖、百分比堆積柱形圖、以及分面柱形圖）。

其實(shí)嚴(yán)格來(lái)講，在R預(yù)言的作圖函數(shù)中，是并不嚴(yán)格區(qū)分柱形圖與條形圖，因?yàn)槎邿o(wú)論是形式上還是功能上都表達(dá)著同樣的數(shù)據(jù)類型和信息。他們有一個(gè)通用的名稱——Barplot。

二者之間的轉(zhuǎn)換往往只需要添加一個(gè)額外的參數(shù)而已。

coord_flip()

今天先介紹柱形圖：

這里就暫且使用ggplot2包中內(nèi)置的數(shù)據(jù)集mpg。

通過head(mpg)函數(shù)可以查看該數(shù)據(jù)集前6條記錄，通過str(mpg)查看數(shù)據(jù)集各變量類型，summary（mpg）可以查看該數(shù)據(jù)集簡(jiǎn)單的統(tǒng)計(jì)匯總結(jié)果。

單序列柱形圖：

ggplot(mpg,aes(class,displ))+geom_bar(stat="identity",fill="steelblue")

以上參數(shù)中，mpg是數(shù)據(jù)集名稱，aes內(nèi)的參數(shù)依次是x值——class（分類變量），y值——displ(連續(xù)變量)。

geom_bar是在ggplot坐標(biāo)系系統(tǒng)之上添加的柱形圖圖層，stat是對(duì)其中的數(shù)值型變量所做的統(tǒng)計(jì)變換（默認(rèn)為count），fill是顏色填充設(shè)定，可以是某一分類變量，也可以直接映射為顏色。

ggplot(mpg,aes(reorder（class,displ)，displ)+geom_bar(stat="identity",fill="steelblue")

以上最簡(jiǎn)單的單序列柱形圖，其實(shí)還有非常多的參數(shù)調(diào)整設(shè)定，這里不再一一詳解，感興趣可以參考ggplot2——數(shù)據(jù)分析與圖形藝術(shù)這本該包作者的書。

多系列簇狀柱形圖：

with(mpg,table(class,year))

通過匯總可以看到class與year之間的交叉表關(guān)系，以下將以這兩個(gè)變量來(lái)制作系列簇狀柱形圖。

ggplot(data=mpg,aes(x=class,fill=factor(year)))+geom_bar(position='identity')

因?yàn)閥ear是int型變量，所以在參數(shù)設(shè)定市需要用factor變成因子型。以上圖表是未做任何設(shè)定時(shí)的兩系列柱形圖，可以看到兩個(gè)系列位置重疊無(wú)法看到無(wú)法看清楚1999年的柱形圖實(shí)際高度。

ggplot(data=mpg,aes(x=class,fill=factor(year)))+geom_bar(position='identity',alpha=0.3)

即便是通過alpha參數(shù)來(lái)設(shè)置柱形圖的透明度，也還是很難將1999年與2008年的柱形圖清晰的區(qū)別開。這里我們想要看到的效果是，1999年與2008年的柱形圖互不重疊而是并列放置。需要調(diào)整postion參數(shù)。

ggplot(data=mpg,aes(x=class,fill=factor(year)))+geom_bar(position='dodge')

將position參數(shù)調(diào)整為dodge之后，達(dá)到了我們想要的效果，此時(shí)兩個(gè)序列并列，可以清晰的看到彼此高度。

當(dāng)然我們也可以設(shè)置兩個(gè)序列堆疊。

ggplot(data=mpg,aes(x=class,fill=factor(year)))+geom_bar(position='stack')

通過設(shè)定position參數(shù)為stack，我們可以以堆疊形式處理兩年的指標(biāo)，同樣達(dá)到目標(biāo)。

如果我們想要觀察每一個(gè)品類中兩年度所占份額百分比，同樣也可以通過修改position參數(shù)實(shí)現(xiàn)。

ggplot(data=mpg,aes(x=class,fill=factor(year)))+geom_bar(position='fill')

此時(shí)便可以得到各品類兩年數(shù)據(jù)份額占比，仔細(xì)觀察你會(huì)發(fā)現(xiàn)，圖例顏色順序與圖表中顏色順序相反，果然到處都是坑啊。

ggplot(data=mpg,aes(x=class,fill=factor(year)))+geom_bar(position='stack')+guides(fill = guide_legend(reverse = TRUE))

ggplot(data=mpg,aes(x=class,fill=factor(year)))+geom_bar(position='fill')+ guides(fill = guide_legend(reverse = TRUE))

通過設(shè)定柱形圖填充順序與圖例顯示順序，使得圖例中的顏色順序與圖表中一致。

最后一種圖表類型是分面組圖：

 ggplot(data=mpg,aes(x=class,fill=factor(year)))+geom_bar(position='fill')+facet_grid(. ~ drv)

 ggplot(data=mpg,aes(x=class,fill=factor(year)))+geom_bar(position='fill')+facet_grid(drv~.)

除此之外，我們還可以套用現(xiàn)有主題、對(duì)圖表各細(xì)分元素進(jìn)行精修（圖例、坐標(biāo)軸標(biāo)簽、數(shù)據(jù)標(biāo)簽、柱形間距、背景及顏色主題等），這些細(xì)節(jié)有很多的專用參數(shù)進(jìn)行調(diào)整設(shè)置，詳細(xì)內(nèi)容還是最好看看哈德利那本專著，會(huì)理解的比較透徹。

通過設(shè)定分面參數(shù)：facet_grid，我們可以將某一分類變量做成每一個(gè)分類項(xiàng)的分面組圖。

但是考慮到大家日常在excel中作圖比較多一點(diǎn)兒，R語(yǔ)言中的作圖方法與excel截然不同：

excel中通過匯總過后的寬數(shù)據(jù)作圖（也是office能夠識(shí)別的唯一格式）

但是R語(yǔ)言秉承的作圖規(guī)則是標(biāo)準(zhǔn)數(shù)據(jù)源（長(zhǎng)數(shù)據(jù)，也就是類型數(shù)據(jù)庫(kù)格式的數(shù)據(jù)源）

圖表所支持的數(shù)據(jù)存儲(chǔ)格式的巨大差別往往成為初學(xué)者在R語(yǔ)言圖表面前磕磕碰碰、引起困惑的重大原因。（本人也是初學(xué)者哦~）

所以，想要玩轉(zhuǎn)R語(yǔ)言可視化，必須能夠適應(yīng)長(zhǎng)數(shù)據(jù)這種標(biāo)準(zhǔn)數(shù)據(jù)存儲(chǔ)格式的特點(diǎn)。理解變量類型是如何對(duì)圖表呈現(xiàn)產(chǎn)生的影響。

想要適應(yīng)R語(yǔ)言作圖：個(gè)人覺得有兩條路子可以參考：

1、假設(shè)你已經(jīng)完全沉浸在或者無(wú)法脫離excel的寬數(shù)據(jù)作圖形式,這樣也就意味著你導(dǎo)入的數(shù)據(jù)集往往也是寬數(shù)據(jù)格式。你需要非常熟練的使用R語(yǔ)言中的數(shù)據(jù)重塑輔助工具包：dplyr、tidyr、reshape2等將寬數(shù)據(jù)重塑為R作圖支持的長(zhǎng)數(shù)據(jù)格式。好處是可以循序漸進(jìn)的適應(yīng)R語(yǔ)言作圖數(shù)據(jù)的習(xí)慣，但是需要額外學(xué)很多數(shù)據(jù)重塑工具與函數(shù)。

2、假如你對(duì)于長(zhǎng)數(shù)據(jù)有很好的理解（比如經(jīng)常用統(tǒng)計(jì)分析軟件，大部分都接觸的標(biāo)準(zhǔn)長(zhǎng)數(shù)據(jù)，也就是一維表），那么你完全可以直接在excel中將寬數(shù)據(jù)轉(zhuǎn)化為長(zhǎng)數(shù)據(jù)（二維轉(zhuǎn)一維），或者直接將數(shù)據(jù)庫(kù)中的長(zhǎng)數(shù)據(jù)導(dǎo)入R，只需做一些基本的設(shè)定即可，至少不會(huì)在數(shù)據(jù)長(zhǎng)寬格式轉(zhuǎn)換上浪費(fèi)太多時(shí)間和精力。

我比較提倡第二種，因?yàn)?，excel不是標(biāo)準(zhǔn)的可視化軟件（雖說(shuō)功能不可小覷，但是因?yàn)榧骖欀鴶?shù)據(jù)匯總的辦公屬性，所以對(duì)于數(shù)據(jù)存儲(chǔ)的格式?jīng)]有做過多的設(shè)定，靈活性太高，為了適應(yīng)這種情景，微軟的工程師們所開發(fā)的圖表引擎也要使用這種匯總后的二維數(shù)據(jù)表作為作圖數(shù)據(jù)，這很明顯，因?yàn)閺臄?shù)據(jù)庫(kù)剛導(dǎo)出的一維表（長(zhǎng)數(shù)據(jù)），很多場(chǎng)合是不適合直接在excel中作圖的）。

而像Eviews、SPSS、Stata以及R、Python等專業(yè)的統(tǒng)計(jì)分析工具甚至Tableau、PowerBI等數(shù)據(jù)可視化軟件，都是默認(rèn)接受長(zhǎng)數(shù)據(jù)作圖的。（在數(shù)據(jù)導(dǎo)入前都會(huì)做變量格式設(shè)定，盡管也會(huì)提供一些長(zhǎng)寬數(shù)據(jù)轉(zhuǎn)換的工具）。

“怎么用R語(yǔ)言制作柱形圖”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注億速云網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！