recharts 条形/柱形图

一、参数和用法

echartr(data, x, <y>, <series>, <t>, <type>, <subtype>)
参数说明

二、图表展现

1. 单系列条形图

数据处理:

titanic <- data.table::melt(apply(Titanic,c(1,4),sum))
names(titanic) <- c('Class','Survived','Count')
knitr::kable(titanic)

作图:

echartr(titanic[titanic$Survived=='Yes',],Class,Count) %>%
  setTitle('Titanic: N Survival by Cabin Class')
不同舱位的获救人数
2. 多系列条形图
echartr(titanic,Class,Count,Survived) %>%
  setTitle('Titanic: Survival Outcome by Cabin Class')
不同舱位的获救情况统计
3. 堆积条形图

设置type='hbar',subtype='stack'

echartr(titanic,Class,Count,Survived,type='hbar',subtype='stack') %>%
   setTitle('Titanic: Survival Outcome by Cabin Class')
不同舱位的获救情况统计
4. 龙卷风图

数据处理:一个全正值变量,和一个全负值变量

titanic_tc <- titanic
titanic_tc$Count[titanic_tc$Survived=='No'] <- -titanic_tc$Count[titanic_tc$Survived=='No']
echartr(titanic_tc,Class,Count,Survived)
不同舱位的获救情况统计

*Y轴的处理:

echartr(titanic_tc,Class,Count,Survived) %>%
  setYAxis(axisLine=list(onZero=TRUE)) %>% 
  setXAxis(axisLabel=list(
    formatter=JS('function (value) {return Math.abs(value);}')
  ))
不同舱位的获救情况统计
5. 人口学金字塔

增加type='hbar',subtype='stack'

不同舱位的获救情况统计
6. 增加时间轴

以'sex'变量为例 t=sex

数据处理:

titanic_sex <- data.table::melt(apply(Titanic,c(1,2,4),sum))
names(titanic_sex)[4] <- 'Count'
knitr::kable(titanic_sex)

作图:

echartr(titanic_sex,Class,Count,t=Sex) 
男女不同舱位的获救情况统计
7. 条形图

设置type = vbar

echartr(titanic,Class,Count,Survived,type='vbar')
不同舱位的获救情况统计
8. 堆积柱图

与堆积柱形图类似

echartr(titanic, Class, Count, Survived, type='column', subtype='stack')
不同舱位的获救情况统计
9. 直方图(频数统计)

setTooltip(formatter='none')调用默认的tooltip模板。
barWidth 手动调整。

echartr(iris,Sepal.Width, type = 'hist',width = 600) %>%
  setTooltip(formatter = 'none') %>%
  setSeries(1,barWidth = 500/13)
iris鸢尾花萼宽度频数直方图

10. 直方图(密度统计)

subtype='density'

echartr(iris,Sepal.Width, type = 'hist',subtype='density') %>%
  setTooltip(formatter = 'none') %>%
  setSeries(1,barWidth = 500/13)
鸢尾花萼宽度密度直方图

更多功能请戳官方链接:madlogos.github.io/recharts/Basic_Plots_01_Scatterplot_cn.html#-en

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 224,728评论 6 522
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 96,220评论 3 402
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 171,936评论 0 366
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 60,976评论 1 300
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 69,981评论 6 399
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 53,468评论 1 314
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 41,843评论 3 428
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 40,817评论 0 279
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 47,353评论 1 324
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 39,384评论 3 346
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 41,510评论 1 354
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 37,113评论 5 350
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 42,833评论 3 338
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 33,290评论 0 25
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 34,419评论 1 275
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 50,055评论 3 381
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 46,577评论 2 365

推荐阅读更多精彩内容

  • 微风来了, 吹着游荡的浮尘。 老房子下, 还有随风飘摇的红灯笼。 林子里, 落叶堆了厚厚的一层。 用手轻轻的拨开快...
    山河小生阅读 244评论 5 6
  • 列车在夜幕下疾驰,座位上的我随着它的节奏左右摆动着。车厢里已经鼾声四起了,而我却没有一丝困意,可能是第一次坐夜...
    云衢阅读 839评论 3 3
  • 一直努力一路向前,惟愿自己比昨天好一点。不攀不比,深知自己的平凡。内心有一点小执念,希望生活简单纯粹一点。都说你简...
    崔崔小姐阅读 386评论 0 0
  • 我睁开眼的时候,蛐蛐在叫,花在打呼,草在伸懒腰,月亮眯着眼在笑。我不喜欢晚上,那么美的一切,都在晚上睡着了,我也不...
    一盒车厘子阅读 321评论 0 3
  • 关于茶,我喜欢的不是它的昂贵和什么所谓的高端大气上档次。 因为领路人的原因,我最喜欢普洱,它不像红茶的那种香甜顺口...
    之后灯火阑珊阅读 358评论 4 3