R绘图第七篇：绘制条形图（ggplot2）-白红宇

R绘图第七篇：绘制条形图（ggplot2）

阅读量：6261 次

发布时间：2019-06-22

本文共 8943 字，大约阅读时间需要 29 分钟。

使用geom_bar()函数绘制条形图，条形图的高度通常表示两种情况之一：每组中的数据的个数，或数据框中列的值，高度表示的含义是由geom_bar()函数的参数stat决定的，stat在geom_bar()函数中有两个有效值：count和identity。默认情况下，stat="count"，这意味着每个条的高度等于每组中的数据的个数，并且，它与映射到y的图形属性不相容，所以，当设置stat="count"时，不能设置映射函数aes()中的y参数。如果设置stat="identity"，这意味着条形的高度表示数据数据的值，而数据的值是由aes()函数的y参数决定的，就是说，把值映射到y，所以，当设置stat="identity"时，必须设置映射函数中的y参数，把它映射到数值变量。

geom_bar()函数的定义是：

geom_bar(mapping = NULL, data = NULL, stat = "count", width=0.9, position="stack")

参数注释：

stat：设置统计方法，有效值是count（默认值）和 identity，其中，count表示条形的高度是变量的数量，identity表示条形的高度是变量的值；

position：位置调整，有效值是stack、dodge和fill，默认值是stack（堆叠），是指两个条形图堆叠摆放，dodge是指两个条形图并行摆放，fill是指按照比例来堆叠条形图，每个条形图的高度都相等，但是高度表示的数量是不尽相同的。

width：条形图的宽度，是个比值，默认值是0.9

color：条形图的线条颜色

fill：条形图的填充色

关于stat参数，有三个有效值，分别是count、identity和bin：

count是对离散的数据进行计数，计数的结果用一个特殊的变量..count.. 来表示，

bin是对连续变量进行统计转换，转换的结果使用变量..density..来表示

而identity是直接引用数据集中变量的值

position参数也可以由两个函数来控制，参数vjust和widht是相对值：

position_stack(vjust = 1, reverse = FALSE)position_dodge(width = NULL)position_fill(vjust = 1, reverse = FALSE)

本文使用vcd包中的Arthritis数据集来演示如何创建条形图。

head(Arthritis)  ID Treatment  Sex Age Improved1 57   Treated Male  27     Some2 46   Treated Male  29     None3 77   Treated Male  30     None4 17   Treated Male  32   Marked5 36   Treated Male  46   Marked6 23   Treated Male  58   Marked

其中变量Improved和Sex是因子类型，ID和Age是数值类型。

一，绘制基本的条形图

使用geom_bar()函数绘制条形图，

ggplot(data=ToothGrowth, mapping=aes(x=dose))+  geom_bar(stat="count")

当然，我们也可以先对数据进行处理，得到按照Improved进行分类的频数分布表，然后使用geom_bar()绘制条形图：

mytable <- with(Arthritis,table(Improved))df <- as.data.frame(mytable)ggplot(data=df, mapping=aes(x=Improved,y=Freq))+  geom_bar(stat="identity")

绘制的条形图是相同的，如下图所示：

二，修改条形图的图形属性

条形图的图形属性包括条形图的宽度，条形图的颜色，条形图的标签，分组和修改图例的位置等。

1，修改条形图的宽度和颜色

把条形图的相对宽度设置为0.5，线条颜色设置为red，填充色设置为steelblue

ggplot(data=Arthritis, mapping=aes(x=Improved))+  geom_bar(stat="count",width=0.5, color='red',fill='steelblue')

2，设置条形图的文本

使用geom_text()为条形图添加文本，显示条形图的高度，并调整文本的位置和大小。

当stat="count"时，设置文本的标签需要使用一个特殊的变量 aes(label=..count..)，表示的是变量值的数量。

ggplot(data=Arthritis, mapping=aes(x=Improved))+  geom_bar(stat="count",width=0.5, color='red',fill='steelblue')+  geom_text(stat='count',aes(label=..count..), vjust=1.6, color="white", size=3.5)+  theme_minimal()

当stat="identity"时，设置文本的标签需要设置y轴的值，aes(lable=Freq)，表示的变量的值。

mytable <- with(Arthritis,table(Improved))df <- as.data.frame(mytable)ggplot(data=df, mapping=aes(x=Improved,y=Freq))+  geom_bar(stat="identity",width=0.5, color='red',fill='steelblue')+  geom_text(aes(label=Freq), vjust=1.6, color="white", size=3.5)+  theme_minimal()

添加文本数据之后，显示的条形图是：

3，按照分组修改条形图的图形属性

把条形图按照Improved变量进行分组，设置每个分组的填充色，这通过aes(fill=Improved)来实现，每个分组的填充色依次是scale_color_manual()定义的颜色：

ggplot(data=Arthritis, mapping=aes(x=Improved,fill=Improved))+  geom_bar(stat="count",width=0.5)+  scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9"))+  geom_text(stat='count',aes(label=..count..), vjust=1.6, color="white", size=3.5)+  theme_minimal()

4，修改图例的位置

修改图例的位置，通过theme(legend.position=) 来实现，默认的位置是right，有效值是right、top、bottom、left和none，其中none是指移除图例。

p <- ggplot(data=Arthritis, mapping=aes(x=Improved,fill=Improved))+  geom_bar(stat="count",width=0.5)+  scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9"))+  geom_text(stat='count',aes(label=..count..), vjust=1.6, color="white", size=3.5)+  theme_minimal()p + theme(legend.position="top")p + theme(legend.position="bottom")# Remove legendp + theme(legend.position="none")

5，修改条形图的顺序

通过scale_x_discrete()函数修改标度的顺序：

p <- ggplot(data=Arthritis, mapping=aes(x=Improved,fill=Improved))+  geom_bar(stat="count",width=0.5)+  scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9"))+  geom_text(stat='count',aes(label=..count..), vjust=1.6, color="white", size=3.5)+  theme_minimal()p + scale_x_discrete(limits=c("Marked","Some", "None"))

三，包含分组的条形图

分组的条形图如何摆放，是由geom_bar()函数的position参数确定的，默认值是stack，表示堆叠摆放、dodge表示并行摆放、fill表示按照比例来堆叠条形图。

1，堆叠摆放

设置geom_bar()的position参数为"stack"，在向条形图添加文本时，使用position=position_stack(0.5)，调整文本的相对位置。

ggplot(data=Arthritis, mapping=aes(x=Improved,fill=Sex))+  geom_bar(stat="count",width=0.5,position='stack')+  scale_fill_manual(values=c('#999999','#E69F00'))+  geom_text(stat='count',aes(label=..count..), color="white", size=3.5,position=position_stack(0.5))+  theme_minimal()

2，并行摆放

调整y轴的最大值，使用position=position_dodge(0.5),vjust=-0.5 来调整文本的位置

y_max <- max(aggregate(ID~Improved+Sex,data=Arthritis,length)$ID)ggplot(data=Arthritis, mapping=aes(x=Improved,fill=Sex))+  geom_bar(stat="count",width=0.5,position='dodge')+  scale_fill_manual(values=c('#999999','#E69F00'))+  ylim(0,y_max+5)+  geom_text(stat='count',aes(label=..count..), color="black", size=3.5,position=position_dodge(0.5),vjust=-0.5)+  theme_minimal()

3，按照比例堆叠条形图

需要设置geom_bar(position="fill")，并使用geom_text(position=position_fill(0.5))来调整文本的位置，如果geom_text(aes(lable=..count..))，那么表示文本显示的值是变量的数量：

ggplot(data=Arthritis, mapping=aes(x=Improved,fill=Sex))+  geom_bar(stat="count",width=0.5,position='fill')+  scale_fill_manual(values=c('#999999','#E69F00'))+  geom_text(stat='count',aes(label=..count..), color="white", size=3.5,position=position_fill(0.5))+  theme_minimal()

该模式最大的特点是可以把文本显示为百分比：

ggplot(data=Arthritis, mapping=aes(x=Improved,fill=Sex))+  geom_bar(stat="count",width=0.5,position='fill')+  scale_fill_manual(values=c('#999999','#E69F00'))+  geom_text(stat='count',aes(label=scales::percent(..count../sum(..count..)))              , color="white", size=3.5,position=position_fill(0.5))+  theme_minimal()

四，增加注释和旋转坐标轴

在绘制条形图时，需要动态设置注释（annotate）的位置x和y，x和y的值是由条形图的高度决定的，

annotate(geom="text", x = NULL, y = NULL)

在绘制条形图时，可以动态设置x和y的大小：

library("ggplot2")library("dplyr")library("scales")#win.graph(width=6, height=5,pointsize=8)#datadf <- data.frame(  rate_cut=rep(c("0 Change", "0 - 10", "10 - 20", "20 - 30", "30 - 40","40 - 50", "50 - 60", "60 - 70","70 - 80", "80 - 90", "90 - 100", ">100"),2)  ,freq=c(1,3,5,7,9,11,51,61,71,13,17,9,          5,7,9,11,15,19,61,81,93,17,21,13)  ,product=c(rep('ProductA',12),rep('ProductB',12)))#set orderlabels_order <- c("0 Change", "0 - 10", "10 - 20", "20 - 30", "30 - 40","40 - 50", "50 - 60", "60 - 70","70 - 80", "80 - 90", "90 - 100", ">100")#set plot textplot_legend <- c("Product A", "Product B")plot_title <- paste0("Increase % Distribution")annotate_title <-"Top % Increase"annotate_prefix_1 <-"Product A = "annotate_prefix_2 <-"Product B = "df_sum <- df %>%   group_by(product) %>%  summarize(sumFreq=sum(freq))%>%  ungroup()%>%  select(product,sumFreq)df <- merge(df,df_sum,by.x = 'product',by.y='product')df <- within(df,{rate <- round(freq/sumFreq,digits=4)*100})df <- subset(df,select=c(product,rate_cut,rate))#set orderdf$rate_cut <- factor(df$rate_cut,levels=labels_order,ordered = TRUE)df <- df[order(df$product,df$rate_cut),]#set positionannotate.y <- ceiling(max(round(df$rate,digits = 0))/4*2.5)text.offset <- max(round(df$rate,digits = 0))/25annotation <- df %>%  mutate(indicator = ifelse(substr(rate_cut,1,2) %in% c("70","80","90",'>1'),'top','increase' )) %>%  filter(indicator=='top') %>%  dplyr::group_by(product) %>%  dplyr::summarise(total = sum(rate)) %>%  select(product, total)mytheme <- theme_classic() +   theme(    panel.background = element_blank(),    strip.background = element_blank(),    panel.grid = element_blank(),    axis.line = element_line(color = "gray95"),    axis.ticks = element_blank(),    text = element_text(family = "sans"),    axis.title = element_text(color = "gray30", size = 12),    axis.text = element_text(size = 10, color = "gray30"),    plot.title = element_text(size = 14, hjust = .5, color = "gray30"),    strip.text = element_text(color = "gray30", size = 12),    axis.line.y = element_line(size=1,linetype = 'dotted'),    axis.line.x = element_blank(),    axis.text.x = element_text(vjust = 0),    plot.margin = unit(c(0.5,0.5,0.5,0.5), "cm"),    legend.position = c(0.7, 0.9),    legend.text = element_text(color = "gray30")  )##ggplotggplot(df,aes(x=rate_cut, y=rate)) +   geom_bar(stat = "identity", aes(fill = product), position = "dodge", width = 0.5) +  guides(fill = guide_legend(reverse = TRUE)) +  scale_fill_manual(values = c("#00188F","#00BCF2")                    ,breaks = c("ProductA","ProductB")                    ,labels = plot_legend                    ,name = "") +  geom_text(data = df            , aes(label = comma(rate), y = rate +text.offset, color = product)            ,position = position_dodge(width =1)            , size = 3) +   scale_color_manual(values = c("#00BCF2", "#00188F"), guide = FALSE) +  annotate("text", x = 3, y = annotate.y, hjust = 0, color = "gray30", label = annotate_title) +   annotate("text", x = 2.5, y = annotate.y, hjust = 0, color = "gray30", label = paste0(annotate_prefix_1, annotation$total[1])) +   annotate("text", x = 2, y = annotate.y, hjust = 0, color = "gray30", label = paste0(annotate_prefix_2, annotation$total[2])) +   labs(x="Increase Percentage",y="Percent of freq",title=plot_title) +  mytheme +   coord_flip()