参考链接
https://github.com/gkaramanis/tidytuesday/tree/master/week-38
#######################################################################
学习到的技能（需要掌握的函数）
#######################################################################
filter() + mutate() + group_by() + arrange() + drop_na()mutate()函数中的case_when来条件判断赋值，可以使用代码冗余复杂变得浅显易懂，也很方便进行修改lag()函数表示取向量中的前一个数据-
lead()函数表示取向量中的后一个数据- 最后记得先排序后操作，或者在函数中指定
order_by = xx
- 最后记得先排序后操作，或者在函数中指定
geom_segment()函数expand函数表示范围扩展常数矢量，用于在数据周围添加一些填充，以确保将其放置在距轴一定距离的位置。使用便捷函数-
expand_scale()函数来生成expand参数的值。默认值是将连续变量的比例尺各扩大 5％，将离散变量的比例尺各扩大 0.6 个单位。(翻译官方说明)expand_scale(mult = 0, add = 0)- 一句话
add表示图形距离画布左右两边的距离,mult表示图形里画布上下两边的距离
rescale()函数将数据范围归一化到 [0, 1]display.brewer.all()就可以看到对应取色方案也可以在网站 Colormaps 进行查看
labs()要善于利用此函数来加标题等注释theme_void()去除所有内置主题here包, 可以快速创建文件夹以及文件
#######################################################################
正文
#######################################################################
数据清洗
导入数据
rm(list = ls())
library(tidyverse)
library(here)
library(lemon)
library(RColorBrewer)
library(scales)
park_visits <- readr::read_csv("https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2019/2019-09-17/national_parks.csv")
# 可以看到每一列的数据类型是什么样的。
# 我们可以清楚看到 `year` 那一列是属于字符串类型，后面进行操作时候变为了 `numeric`
# cols(
# year = col_character(),
# gnis_id = col_character(),
# geometry = col_character(),
# metadata = col_character(),
# number_of_records = col_double(),
# parkname = col_character(),
# region = col_character(),
# state = col_character(),
# unit_code = col_character(),
# unit_name = col_character(),
# unit_type = col_character(),
# visitors = col_double()
# )
整理数据
- 这里充分结合来了
filter() + mutate() + group_by() + arrange() + drop_na()函数一套清洗 - 还有一点需要强调的是要善于利用
mutate()函数中的case_when来条件判断赋值，可以使用代码冗余复杂变得浅显易懂，也很方便进行修改 - 这里还需要注意的是利用了
lag()函数，起到提取向量中的前一个值，后面会解释。
pv_ch <- park_visits %>%
distinct(year, unit_name, unit_type, visitors) %>% # 去除重复行，类似base::uniq() 函数, 返回去除重复后的数据
filter(unit_type == "National Park" & year != "Total") %>% # 筛选数据类型为 `National Park` 和年份为 `非 Total` 的行
mutate(year = as.numeric(year)) %>% # 将 `year` 列由 `character` 变为 `numercic`
group_by(unit_name) %>% # 按照 `unit_name` 列变量进行分组
arrange(year, .by_group = TRUE) %>% # 将 `year` 年份按照分组分别进行排序
mutate(pct_change = (visitors/lag(visitors) - 1) * 100) %>% # 新建一列 `pct_change` lag() 向量中的 `前一个` 值
filter(unit_name != "Denali National Preserve") %>% # 将 `Denali National Preserve` 行去除
drop_na() %>% # 去除空值 `NA`
mutate( # 按照 `pct_change` 列的大小分组，三组
pct_change = case_when(
pct_change > 100 ~ 200,
pct_change < -100 ~ -200,
TRUE ~ pct_change # 表示除了上面的范围之内的范围都属于这个范畴
)
)
不得不插一句说明
lag()和lead()函数
- 官方说明书：https://dplyr.tidyverse.org/reference/lead-lag.html
-
lag()函数表示取向量中的前一个数据 -
lead()函数表示取向量中的后一个数据 - 最后记得先排序后操作，或者在函数中指定
order_by = xx
lag(1:10, 1)
# [1] NA 1 2 3 4 5 6 7 8 9
lag(1:10, 2)
# [1] NA NA 1 2 3 4 5 6 7 8
lead(1:10, 1)
#> [1] 2 3 4 5 6 7 8 9 10 NA
lead(1:10, 2)
#> [1] 3 4 5 6 7 8 9 10 NA NA
可视化这部分思想很重要，
geom_segment()函数用来绘制区域，即指定四个点的位置, 详情见 ggplot2 都有哪些使用不多但是却异常强大的图层函数 一文，反正我看完是受益匪浅。
expand:范围扩展常数矢量，用于在数据周围添加一些填充，以确保将其放置在距轴一定距离的位置。使用便捷函数
ggplot(mpg, aes(displ, hwy)) +
geom_point() +
scale_x_continuous(limits = c(1, 7), expand = c(0.5, 0))
# right most position will be 7 + (7-1) * 0.5 = 10
ggplot(mpg, aes(displ, hwy)) +
geom_point() +
scale_x_continuous(limits = c(1, 7), expand = c(0.5, 2))
# right most position will be 7 + (7-1) * 0.5 + 2 = 12
expand_scale()来生成expand参数的值。默认值是将连续变量的比例尺各扩大 5％，将离散变量的比例尺各扩大 0.6 个单位。(翻译官方说明)
expand_scale(mult = 0, add = 0)mult:范围扩展因子的向量。如果向量长度为 1，则刻度的下限和上限均会向外扩大。如果向量长度为 2，则下限由mult[1]扩展，上限由mult[2]扩展。add = c(0,1)表示下边距离 x 轴零距离，距离顶端 1 倍长度。一般用于 y 轴，即scale_y_*add:可加范围扩展常数的向量。如果向量长度为 1，则通过添加单位向外扩展刻度的上下限。如果向量长度为 2，则下限由add[1]扩展，上限由add[2]扩展。add = c(0,1)表示距离 y 轴零距离，距离右边 1 个单位。一般用于 x 轴，即scale_x_*一句话
add表示图形距离画布左右两边的距离,mult表示图形里画布上下两边的距离
rescale()
- 将数据范围归一化到 [0, 1]
rescale(1:10)
# [1] 0.0000000 0.1111111 0.2222222 0.3333333 0.4444444 0.5555556 0.6666667 0.7777778 0.8888889 1.0000000
rescale(1:11)
# [1] 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
图中对应的颜色条
-
display.brewer.all()就可以看到对应取色方案 - 也可以在网站 Colormaps 进行查看
labs()要善于利用此函数来加标题等注释
theme_void()去除所有内置主题，具体一眼见 ggplot2 的主题模板
还得提一下的是
here包, 可以快速创建文件夹以及文件
here()
# [1] "F:/temp_desktop/2019-5"
here("one", "two", "awesome.txt")
# [1] "F:/temp_desktop/2019-5/one/two/awesome.txt"
cat(readLines(here("one", "two", "awesome.txt")))
# 这里需要管理员权限运行才行，由于我这里没有管理员运行，所以后面那部分保存图片是运行不了的
pv_ch %>%
ggplot() +
geom_segment(aes(x = year, xend = year,
y = 0, yend = 1, color = pct_change), size = 1) + # 绘制几何图形并填充颜色
scale_x_continuous(breaks = seq(1910, 2010, 20), # 指定 x 轴标签内容
expand = expand_scale(add = c(5, 1))) + # 表示指定离左边的距离为 5, 离右边为 1，当为 c(0, 0) 时候会填充整个坐标轴画布
scale_y_continuous(expand = c(0.05, 0.25)) + # 表示将 y 轴变为 ymax + (ymax - ymin) * 0.05 + 0.25
facet_wrap(vars(unit_name), ncol = 3) + # 表示按照 `unit_name` 进行分面，变为三列。
# `scale_colour_gradientn` N种颜色之间的平滑颜色渐变
scale_colour_gradientn(limits = c(-200, 200), # 指定颜色填充的范围
colors = brewer.pal(n = 7, name = "RdYlGn"), # 选取颜色，对应颜色注释见 `display.brewer.all()`
values = rescale(c(-200, -100, -1, 0, 1, 100, 200)), # 对七个刻度进行归一化？，反正就是变成 [0, 1]
labels = c("", "-100%", "0", "100%", "") # 对应的刻度尺进行标签注释
) +
labs( # 标签注释，懒得解释
title = "National Park Visits 1904–2016",
subtitle = "Year-over-year percentage change",
caption = "Source: dataisplural/data.world | Graphic: Georgios Karamanis"
) +
guides(color = guide_colorbar(
title.position = "top",
label.position = "top",
title = NULL,
barwidth = 20,
barheight = 0.5
)) +
theme_void(base_family = "Times New Roman") +
theme(
legend.position = "top",
legend.title = element_text(size = 20, color = "grey20"),
legend.margin = margin(0, 0, 20, 0),
plot.background = element_rect(fill = "grey80", color = NA),
strip.background = element_rect(fill = "grey80", color = NA),
strip.text = element_text(family = "Times New Roman", color = "grey30",
hjust = 1, vjust = 1),
plot.title = element_text(size = 28, color = "grey20", family = "Times New Roman"),
plot.subtitle = element_text(size = 20, color = "grey20"),
plot.caption = element_text(size = 8, color = "grey30", margin = margin(20, 0, 0, 0)),
axis.text.x = element_text(family = "Times New Roman", size = 7, color = "grey40"),
panel.grid.major.x = element_line(color = "grey75"),
plot.margin = margin(20, 20, 20, 20)
) +
# save image
ggsave(
here::here("week-38", "figures", "temp", paste0("national-parks", format(Sys.time(), "%Y%m%d_%H%M%S"), ".png")),
width = 18, height = 14, dpi = 320
) # 没有管理员运行 R ，所以我的不行，需要自行设置
