data = as.data.frame(Titanic)
DT::datatable(data,rownames = FALSE)第三章 类别数据可视化
1 解释原始数据
Titanic数据集是datasets包的配套案例数据，可以通过as.data.frame将其转化为数据框。解析数据包含哪些变量，如果是分类变量分别有哪些类别？- 等级4类、性别2类、年龄2类、幸存2类、频数
2 条形图
绘制Sex和 Survived的并列条形图和堆叠条形图，并为条形图添加频数标签。
2.1 数据准备
- 下面代码作了什么数据处理？为什么要这样处理？
- 查询筛选、分组统计
# 数据准备
df <- data %>% select(Sex,Survived,Freq) %>%
summarise(n=sum(Freq),.by=c(Sex,Survived)) %>%
rename(性别=Sex,生还=Survived,人数=n)
DT::datatable(df,rownames = FALSE)2.2 利用geom_col函数作图
# 图（a）垂直并列条形图
p1<-ggplot(df,aes(x=性别,y=人数,fill=生还))+
geom_col(width=0.8, # 设置条形宽度
position="dodge", # 绘制并列条形图
color="gray50")+ # 设置条形图的边框颜色
scale_fill_brewer(palette="Set2")+ # 设置填充颜色
geom_text(aes(label=人数),position=position_dodge(0.9),vjust=-0.5,size=3)+ # 设置标签垂直位置和字体大小
ylim(0,1.1*max(df$人数))+ # 设置y轴范围
ggtitle("(a) 垂直并列条形图")
# 图（b） 水平并列条形图
p2<-ggplot(df,aes(x=性别,y=人数,fill=生还))+
geom_col(width=0.7,color="gray50")+ # 绘制堆叠条形图（默认）
geom_text(aes(label=人数),position=position_stack(0.5),size=3)+
scale_fill_brewer(palette="Set2")+
ggtitle("(b) 垂直堆叠条形图")
grid.arrange(p1,p2,ncol=2) # 按2列组合图形
- 你可以通过修改数据或者修改刻度标签将图中性别和生还的类别标签改为中文，请给出代码完成修改。
# 图（a）垂直并列条形图
p1<-ggplot(df,aes(x=性别,y=人数,fill=生还))+
geom_col(width=0.8, # 设置条形宽度
position="dodge", # 绘制并列条形图
color="gray50")+ # 设置条形图的边框颜色
scale_fill_brewer(palette="Set2")+ # 设置填充颜色
geom_text(aes(label=人数),position=position_dodge(0.9),vjust=-0.5,size=3)+ # 设置标签垂直位置和字体大小
ylim(0,1.1*max(df$人数))+ # 设置y轴范围
ggtitle("(a) 垂直并列条形图")+
scale_x_discrete("性别",labels = c("男性", "女性")) +
scale_fill_discrete("生还",labels = c("否", "是"))
# 图（b） 水平并列条形图
p2<-ggplot(df,aes(x=性别,y=人数,fill=生还))+
geom_col(width=0.7,color="gray50")+ # 绘制堆叠条形图（默认）
geom_text(aes(label=人数),position=position_stack(0.5),size=3)+
scale_fill_brewer(palette="Set2")+
ggtitle("(b) 垂直堆叠条形图")+
scale_x_discrete("性别",labels = c("男性", "女性")) +
scale_fill_discrete("生还",labels = c("否", "是"))
grid.arrange(p1,p2,ncol=2) # 按2列组合图形
2.3 介绍图形特点和信息
- 两幅图分别以并列条形图展示性别与生还人数的对比，以堆叠条形图呈现性别维度下的生还比例，直观揭示了女性生还率高于男性。
3 帕累托图
绘制Class 的帕累托图。
3.1 数据准备
df<-data |>
select(Class,Freq) |>
summarise(n=sum(Freq),.by=Class) |>
rename(乘客舱位=Class,人数=n ) |>
arrange(desc(人数)) |>
mutate(累积百分比 = cumsum(人数*100/sum(人数)), #计算累积百分比
累积百分比 = round(累积百分比,1), #保留一位小数
乘客舱位 = fct_inorder(乘客舱位) #按字符出现顺序定义因子水平
)
datatable(df,rownames = FALSE)3.2 利用geom_col()+geom_line()+geom_point()等函数作图
palette<-rev(brewer.pal(4,"Reds")) # 设置调色板
# 绘制条形图
p<-ggplot(df)+aes(x=乘客舱位,y=人数)+
geom_col(width=0.8,fill=palette,color="grey50")+# 绘制条形图
scale_x_discrete(labels=c("Crew","3rd","1st","2nd"))+ # 将x轴的长标签折行
geom_text(aes(x=乘客舱位,y=人数,label=人数,vjust=-0.5),size=3,color="gray50")+ # 添加数值标签，垂直调整标签位置
ylab("人")+ # 设置y轴标签
theme(axis.text.y=element_text(angle=90,hjust=0.5,vjust=0.5))+ # 调整y轴标签角度
theme(legend.position="none") # 删除图例
# 绘制折线和点
p1<-p+geom_line(aes(x=as.numeric(乘客舱位),y=累积百分比*max(人数/100)))+ # 绘制累积百分比曲线
geom_point(aes(x=as.numeric(乘客舱位),y=累积百分比*max(人数/100)),
size=2.5,shape=23,fill="white")+ # 绘制点
geom_text(aes(label=累积百分比,x=乘客舱位,y=1*累积百分比*max(人数/100),
hjust=0.6,vjust=-0.95),size=3,colour="blue3")+ # 添加百分比数值标签
scale_y_continuous(sec.axis = sec_axis(~./max(df$人数/100)))# 添加坐标轴
p1+annotate("text",x=4.5,y=850,label="百分比（%）",angle=90,size=3)+
annotate("text",x=3,y=700,label="累积百分比曲线",size=3.5) # 添加注释文本
3.3 介绍图形特点和信息
- 该图结合pareto，双Y轴设计同步呈现绝对数量与相对比例，直观对比舱位的分布差异及累计趋势。
4 脊形图
绘制Class和 Survived 的脊形图。
4.1 数据准备
# 数据处理
df<- data |> select(Class,Survived,Freq) |>
summarise(n=sum(Freq),.by=c("Class","Survived")) |>
mutate(percent=n*100/sum(n),.by=Survived)
datatable(df,rownames = FALSE)4.2 利用geom_col() 作图
ggplot(df)+aes(x=Survived,y=percent,fill = Class)+ylab("百分比（%）")+
geom_col(width = 0.8,color="grey50")+
scale_fill_brewer(palette = "Blues")
4.3 利用ggiraphExtra包ggSpine()
df1<-df |> mutate(Class=factor(Class,levels=c("Crew","3rd","2nd","1st")))
ggSpine(data=df1,aes(x=Survived,y=percent,fill=Class),stat = "identity",
palette="Reds",labelsize=3,reverse=TRUE) # 反转调色板颜色
4.4 介绍图形特点和信息
- 两幅图表通过堆叠条形图和脊柱图直观对比不同舱位乘客的生还比例，清晰展现了头等舱生还优势明显而船员与三等舱乘客在遇难者中占比更高的阶级差异现象。
5 树状图和旭日图
绘制Class、Sex、Age和Survived4个变量的矩形树状图和旭日图
5.1 利用treemap::treemap()函数作树状图
df <- as.data.frame(data) %>%
select(Class, Sex, Age, Survived, Freq) %>%
group_by(Class, Sex, Age, Survived) %>%
summarise(频数 = sum(Freq), .groups = "drop")
treemap(
df,
index = c("Class", "Sex", "Age", "Survived"),
vSize = "频数",
title = "(a) Class→Sex→Age→Survived",
fontsize.labels =7,
position.legend = "bottom",
border.lwds = c(1, 1.5, 1, 0.5) ) 
5.2 利用sunburstR::sunburst() 函数作旭日图
- 通过
d3r::d3_nest将数据框转化为层次数据“d3.js”作为绘图输入
library(dplyr)
library(d3r)
library(sunburstR)
df <- as.data.frame(data) %>%
select(Class, Sex, Age, Survived, Freq)
df_tree <- d3_nest(df, value_cols = "Freq") # 按Freq聚合
sunburst(
data = df_tree, # 绘制旭日图
valueField = "Freq", # 计算大小字段的字符为vSize
count = TRUE, # 在解释中包括计数和总数
sumNodes = TRUE, # 默认总和节点=TRUE
)5.3 介绍图形特点和信息
矩形树状图突出高频数群体，旭日图揭示层级路径中的比例关系，二者互补呈现阶级与生还率的复杂关联。
6 热图和南丁格尔玫瑰图
绘制Class和Survived 的点阵图、热图和南丁格尔玫瑰图。
6.1 数据准备
library(dplyr)
library(ggiraphExtra)
df <- as.data.frame(data) %>%
select(Class, Survived, Freq) %>%
group_by(Class, Survived) %>%
summarise(Freq = sum(Freq), .groups = "drop")
DT::datatable(df, rownames = FALSE)6.2 利用ggiraphExtra::ggHeatmap()作热力图
分别作矩形热图和极坐标热图
p1<-ggHeatmap(
data = df,
aes(x = Class, y = Survived, fill = Freq),
addlabel = TRUE, # 显示数值标签
palette = "Reds")+
ggtitle("矩形热图")
p2<-ggHeatmap(
data = df,
aes(x = Class, y = Survived, fill = Freq),
polar = TRUE,
addlabel = TRUE,
palette = "Blues"
) + ggtitle("极坐标热图")
grid.arrange(p1,p2) 
6.3 利用ggiraphExtra::ggRose() 作玫瑰图
library(dplyr)
library(ggiraphExtra)
df <- as.data.frame(data) %>%
select(Class, Survived, Freq) %>%
group_by(Class, Survived) %>%
summarise(Freq = sum(Freq), .groups = "drop")
ggplot(df,aes(x=Class,y=Freq,fill=Survived))+
geom_col(width=1,colour="grey20")+# 绘制条形图
coord_polar(theta="x",start=0)+ # 转化成极坐标图
theme(axis.text.x=element_text(size=5))+ # 设置坐标轴标签字体大小和角度
ggtitle("玫瑰图")
6.4 介绍图形特点和信息
- 热图通过颜色矩阵 精准定位高值组合（如三等舱高死亡率），而南丁格尔玫瑰图通过极坐标扇形 突出层级比例，二者分别从数值和结构角度揭示数据规律
7 饼环图
绘制Class和 Sex的饼环图。
7.1 数据准备
df <- as.data.frame(data) %>%
select(Class, Sex, Freq) %>%
group_by(Class, Sex) %>%
summarise(Freq = sum(Freq), .groups = "drop")
DT::datatable(df, rownames = FALSE)7.2 利用ggiraphExtra::ggPieDonut()作饼环图
library(ggiraphExtra)
ggPieDonut(data=df,aes(pies=Class,donuts=Sex),
title="(a) Class为饼图，Sex为环形图")
7.3 介绍图形特点和信息
- 饼环图通过环形嵌套清晰呈现舱位总体分布与性别细分比例，直观揭示船员群体主导和头等舱女性比例较高的现象，适合展示两级分类的构成关系。