R 数据可视化 —— 饼图

前言

饼图,是将总体看作一个圆,按照各分类的占比情况将圆划分大小不同的扇形,以弧度的大小来表示某一分类的占比。

饼图可以让人快速的了解各分类的情况,但一般分类的数量不能太多,太多会导致圆被切割为很多块,不利于展示

在饼图中,通常会将占比最大的分类放置在最显眼的地方,即 12 点钟方向的右边,而第二大占比放置在 12 点钟方向的左边。其余的分类依据逆时针方向放置

示例

使用 ggplot2 绘制饼图,首先需要将所有数据绘制成一条柱状图,并通过分类变量填充不同的颜色

p <- group_by(mpg, class) %>%
  summarise(percent = n() / nrow(mpg)) %>%
  ggplot(aes(x = factor(1), y = percent, fill = class)) +
  geom_col(colour = "white")

然后根据 y 轴,转换为极坐标系

p + coord_polar(theta = "y")

添加百分比注释

p + 
  coord_polar(theta = "y", start = 1.65) +
  geom_text(aes(label = paste0(round(percent * 100, 2), "%")), 
            position = position_fill(vjust = 0.5)) +
  theme(
    panel.background = element_blank(),
    axis.title = element_blank(),
    axis.text = element_blank(),
    axis.ticks = element_blank()
  )

也可以使用 graphics 包的 pie 函数绘制饼图

df <- group_by(mpg, class) %>%
  summarise(percent = n() / nrow(mpg)) %>%
  arrange(desc(percent))

pie(df$percent)

将标签替换成我们的分类标签

pie(df$percent, labels = df$class)

通过设置更小的 edges 参数的值,能够让圆形变成多边形

pie(df$percent, labels = df$class, edges = 22)

使用 densityangle 绘制密度线及其角度

pie(df$percent, labels = df$class, edges = 22,
    density = 18, angle = c(20,90,30,100,120,180,45))

更换颜色

library(RColorBrewer)
my_color <- brewer.pal(7, "Set2") 

pie(df$percent, labels = df$class, col = my_color)

为每个标签添加占比

pie(df$percent, labels = with(df, paste0(class, "(", round(percent, 2) * 100, "%)")), 
    col = my_color)

饼图变形

甜甜圈图

甜甜圈图或者说圆环图,本质上只是将饼图的中心挖空。如

p <- group_by(mpg, class) %>%
  summarise(percent = n() / nrow(mpg)) %>%
  ggplot(aes(x = 1, y = sort(percent, decreasing = TRUE), fill = class)) +
  geom_col(colour = "white")

p + 
  coord_polar(theta = "y", start = 1.65) +
  geom_text(aes(label = paste0(round(percent * 100, 2), "%")), 
            position = position_fill(vjust = 0.5)) +
  xlim(c(-1, 2)) +
  theme(
    panel.background = element_blank(),
    axis.title = element_blank(),
    axis.text = element_blank(),
    axis.ticks = element_blank()
  )

不同于饼图聚焦于各扇形的面积,甜甜圈图则是着重于强调圆环的长度,同时空间利用率更高,我们可以将注释放置在圆环内

p <- group_by(mpg, class) %>%
  summarise(percent = n() / nrow(mpg)) %>%
  ggplot(aes(x = 2, y = sort(percent, decreasing = TRUE), fill = class)) +
  geom_col(colour = "white")

p + 
  coord_polar(theta = "y", start = 1.65) +
  geom_text(aes(x = 1, label = paste0(class, "(", round(percent * 100, 2), "%)")), 
            position = position_fill(vjust = 0.5), size = 3, hjust = 0.5) +
  xlim(c(-1, 3)) +
  theme(
    panel.background = element_blank(),
    axis.title = element_blank(),
    axis.text = element_blank(),
    axis.ticks = element_blank()
  )
©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 212,332评论 6 493
  • 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 90,508评论 3 385
  • 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 157,812评论 0 348
  • 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 56,607评论 1 284
  • 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 65,728评论 6 386
  • 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 49,919评论 1 290
  • 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 39,071评论 3 410
  • 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 37,802评论 0 268
  • 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 44,256评论 1 303
  • 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 36,576评论 2 327
  • 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 38,712评论 1 341
  • 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 34,389评论 4 332
  • 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 40,032评论 3 316
  • 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 30,798评论 0 21
  • 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 32,026评论 1 266
  • 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 46,473评论 2 360
  • 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 43,606评论 2 350

推荐阅读更多精彩内容