第三章 类别数据可视化

Author

221527234赵杰枫

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？

    包含人群分类、性别、年龄、生还情况、频数五个变量，其中分类变量有人群分类有一等舱乘客、二等舱乘客、三等舱乘客和船员四种类别；性别有男性、女性两种类别；年龄有小孩和成年人两种类别；生还情况有是与否两种类别。

data = as.data.frame(Titanic)
DT::datatable(data,rownames = FALSE)

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？

    选择了性别、生还、人数三个数据，可以更明确的绘制性别和生还的条形图

# 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",
                    labels = c("Yes" = "是", "No" = "否")) +
  scale_x_discrete(labels = c("male" = "男性", "female" = "女性")) +
  geom_text(aes(label=人数), position=position_dodge(0.9), vjust=-0.5, size=3) +
  ylim(0, 1.1*max(df$人数)) +
  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",
                    labels = c("Yes" = "是", "No" = "否")) +
  scale_x_discrete(labels = c("male" = "男性", "female" = "女性")) +
  ggtitle("(b) 垂直堆叠条形图")

grid.arrange(p1,p2,ncol=2)           # 按2列组合图形

2.3 介绍图形特点和信息

  • 特点：并列条形图（图a）将男性和女性分组并列，每组内按照生还和未生还拆分为两个并排的条形；堆叠条形图（图b）将生还和未生还人数堆叠在同一性别条形上，总高度表示该性别的总人数。

  • 信息：图（a）中男性未生还人数远高于生还人数，图（b）中女性的生还率显著高于男性的生还率。

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("人数\n(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=4.3,y=700,label="百分比（%）",angle=90,size=3.5)+
   annotate("text",x=3.5,y=900,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

  • 特点：该图形采用双Y轴组合图形式，将柱状图和折线图+散点结合，直观展示了泰坦尼克号不同仓位的乘客分布及其累计占比。

  • 信息：

    1. 舱位人数对比

      • 柱状图高度直接反映各舱位的乘客数量差异。例如：

        • 船员（Crew）人数最多（如885人），一等舱（1st）人数最少（如325人）。

      • 通过排序可直观看出 乘客集中分布的舱位。

    2. 累积分布趋势

      • 折线图显示从人数最多的舱位开始，逐步累积的百分比。

        • 前两个舱位（如Crew + 三等舱）累计占比72.3%，体现“少数舱位集中多数乘客”的规律。

    3. 生还率潜在关联

      • 若结合生还数据（未在图中显示），可推测：

        • 人数多的舱位（如船员）可能生还率较低。

        • 头等舱人数少但生还比例可能较高。

4 脊形图

绘制Class和 Survived 的脊形图。

4.1 数据准备

# 数据准备
df<- data |> select(Class, Survived,Freq) %>%
  summarise(人数 = sum(Freq), .by = c(Class,Survived)) %>%  
  mutate(百分比=人数*100/sum(人数),百分比=round(百分比,1),.by="Class")

datatable(df,rownames = FALSE)

4.2 利用geom_col() 作图

ggplot(df)+aes(x=Class,y=百分比,fill=Survived)+ylab("百分比(%)")+
  geom_col(width=0.8,color="grey50")+
  scale_fill_brewer(palette="Blues")

4.3 利用ggiraphExtra包ggSpine()

ggSpine(data=df,aes(x=Class,y=百分比,fill=Survived),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

  • 特点：脊柱图本质：一种宽度可变的堆叠柱状图，宽度通常反映组别样本量

  • 信息：

    • 强调不同舱位中生存/死亡的比例分布，尤其适合展示条件概率（如“给定舱位下的生存率”）。

    • 红色调可能暗示紧急或风险（如死亡比例），但需结合具体业务场景解读。

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<-data%>%
  rename(人数=Freq) # 将Freq命名为频数

datatable(df,rownames = FALSE)
# 图（a）分层顺序：Class—Sex—Age-Survived
treemap(df,index=c("Class","Sex","Age","Survived"),  # 设置聚合索引的列名称
  vSize="人数",                                  # 指定矩形大小的列名称
  #fontsize.labels=9,                             # 设置标签字体大小
  position.legend="bottom",                      # 设置图例位置
  title="分层顺序：Class—Sex—Age-Survived")

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
df_tree<-d3_nest(df,value_cols="人数")             # 将数据框转换为“d3.js”层次结构
datatable(df,rownames = FALSE)
sunburst(data=df_tree,           # 绘制旭日图
   valueField="人数",    # 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
Legend

5.3 介绍图形特点和信息

树状图特点：

  • 分层结构：

    • 按 Class → Sex → Age → Survived 顺序嵌套，每个层级用矩形块表示。

    • 矩形面积大小由 人数 决定，直观反映各组频数。

  • 视觉编码：

    • 颜色默认按分类变量自动分配，区分不同组别（如不同舱位、性别）。

    • 标签显示最内层分组（如 Survived 的 Yes/No）。

  • 交互性：

    • 静态图，但可通过工具提示（如 plotly 扩展）显示详细数据。

传达信息：

  • 展示多维分类变量（舱位、性别、年龄、生存状态）的组合分布。

  • 突出主要人群（如面积最大的矩形代表“3等舱男性成年未生存”）。

  • 适合快速识别高频组合和异常值（如极小矩形可能对应罕见情况）。

旭日图特点：

  • 环形层级结构：

    • 中心圆为根节点（总人数），外层环依次对应 Class → Sex → Age → Survived。

    • 扇形角度和半径由 人数 决定，面积=频数。

  • 交互功能：

    • 点击扇形可下钻（查看子层级）或上卷（返回父层级）。

    • 悬停显示具体数值和占比（如 count=TRUE 启用的计数标签）。

  • 颜色与标签：

    • 颜色区分同级节点，标签显示关键分组名称（如 Male/Female）。

传达信息：

  • 直观呈现数据的层级占比（如“1等舱女性生存者占全体比例”）。

  • 强调数据流动和层级关系（比树形图更清晰展示父子结构）。

  • 适合展示比例构成和路径分析（如“从舱位到生存状态的逐层分布”）。

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

df<-data%>%
  summarise(人数=sum(Freq),.by=c(Class,Survived)) 
  
# 图（a）Class和Survived的点阵图
palette<-rev(brewer.pal(11,"RdYlGn"))       # 设置调色板
ggballoonplot(df,x="Class",y="Survived",   # 设置图形的x轴和y轴
   shape=21,                    # 设置形状，默认21，可选22,23，24,25
   size="人数",fill="人数",                 # 设置点的大小和填充颜色变量
   size.range = c(7,15),                    # 设置最小点和最大点的范围
   rotate.x.text=FALSE,                     # x轴文本标签不旋转
   ggtheme=scale_fill_gradientn(colors=palette))+  # 设置渐变颜色
   theme(axis.text.y=element_text(angle=90))+      # y轴标签旋转90度
   ggtitle("(a)  Class和Survived的点阵图")

6.2 利用ggiraphExtra::ggHeatmap()作热力图

分别作矩形热图和极坐标热图

df <- data %>%
  group_by(Class, Survived) %>%
  summarise(人数 = sum(Freq), .groups = "drop")
ggHeatmap(df,aes(x=Class,y=Survived,fill=人数),          # 绘制矩形热图
   addlabel=TRUE,                                      # 添加数值标签
   palette="Reds")+                                    # 使用红色调色板
   ggtitle("(a1) 矩形热图")                            # 添加标题

6.3 利用ggiraphExtra::ggRose() 作玫瑰图

df <- df %>%
  group_by(Class) %>%
  arrange(Survived) %>%  # 确保Survived按顺序排列
  mutate(ypos = 人数 - cumsum(人数) / 20) # 计算标签的垂直位置  

# 定义标签角度和调色板
myangle <- seq(-20, -340, length.out = 8) 
palette <- brewer.pal(n = 2, "Set3")       # 根据Survived类别数选择颜色数

# 绘制玫瑰图
p <- ggplot(df, aes(x = Class, y = 人数, fill = Survived)) + 
  geom_col(width = 1, color = "grey20", position = "stack") +  # 堆叠条形图
  geom_text(aes(y = ypos, label = 人数),  # 添加数值标签
            size = 3.5,                   # 标签字体大小
            color = "black",              # 标签颜色（与背景对比）
            show.legend = FALSE) +        # 不显示图例中的文本标签
  coord_polar(theta = "x", start = 0) +    # 极坐标转换
  scale_fill_manual(values = palette) +    # 手动指定填充颜色
  theme(axis.text.x = element_text(size = 10, angle = myangle),
    legend.position = "right") +
  labs(y = "人数", title = "乘客生存情况玫瑰图")
print(p)

6.4 介绍图形特点和信息

  • 点阵图特点：

    • 双变量交叉分析：

      • X轴：舱位等级（Class）

      • Y轴：生存状态（Survived）

      • 点大小/颜色：映射人数，同时编码数值大小（双重视觉提示）。

    • 视觉设计：

      • 使用 RdYlGn 渐变调色板（红-黄-绿），红色代表高值，绿色代表低值。

      • 点形状为实心圆（shape=21），边框与填充对比清晰。

    • 交互潜力：

      • 适合静态展示，但可通过 plotly 添加悬停信息（如精确数值）。

    传达信息：

    • 直观对比不同舱位生存/死亡的绝对人数（如“3等舱死亡人数最多”）。

    • 颜色和大小协同强化差异识别（如红色大点=高频组合）。

  • 热力图特点：

    • 矩阵式布局：

      • 行=生存状态，列=舱位等级，单元格颜色深浅表示人数。

      • 直接标注数值（addlabel=TRUE），避免依赖颜色判读。

    • 颜色映射：

      • 单色渐变（Reds），越深表示值越大，适合有序数据。

    • 简洁性：

      • 无冗余元素，适合快速比较交叉表数据。

    传达信息：

    • 精确展示每个交叉类别的频数（如“1等舱生存者=XX人”）。

    • 突出极端值（如最深色单元格对应最高频组合）。

  • 玫瑰图特点：

    • 极坐标转换：

      • 将柱状图转为环形布局，角度=舱位等级，半径=人数。

      • 堆叠条形（position="stack"）显示组内构成。

    • 标签优化：

      • 动态计算标签位置（ypos），避免重叠。

      • 角度调整（myangle）提升可读性。

    • 颜色对比：

      • 使用 Set3 分类调色板，区分生存状态。

    传达信息：

    • 强调舱位对生存率的整体影响（如“3等舱扇形面积最大”）。

    • 环形布局增强视觉冲击力，适合演示场景。

7 饼环图

绘制Class和 Sex的饼环图。

7.1 数据准备

# 按Class和Sex分组汇总人数
df <- data %>%
  group_by(Class, Sex) %>%
  summarise(人数 = sum(Freq), .groups = "drop") %>%
  mutate(Class = factor(Class, levels = c("1st", "2nd", "3rd", "Crew")),
  Sex = factor(Sex, levels = c("Male", "Female")))

datatable(df,rownames = FALSE)

7.2 利用ggiraphExtra::ggPieDonut()作饼环图

# 绘制饼环图
ggPieDonut(data = df,
  aes(pies = Class, donuts = Sex, count = 人数), 
  title = "(b) Class为饼图，Sex为环形图")

7.3 介绍图形特点和信息

  • 特点：双层嵌套设计：

    • 外层（Pie）：展示乘客舱位等级（Class）的占比分布，分为1st、2nd、3rd、Crew四个扇形。

    • 内层（Donut）：在每一舱位等级内，进一步按性别（Sex）拆分，形成环形细分（Male/Female）。

  • 视觉编码：

    • 扇形面积=人数比例，颜色自动分配以区分组别。

    • 内环与外环颜色联动（如“1st”舱的Male/Female使用同色系渐变）。

  • 标签与交互：

    • 默认显示关键标签（如占比或数值），可通过参数调整精度。

    • 静态图表，但支持通过plotly等工具添加悬停交互。

  • 信息：

    1. 舱位分布：直观对比不同舱位（如3rd舱占比最大，Crew占比最小）。

    2. 性别构成：揭示同一舱位内性别比例差异（如“1st舱女性比例高于其他舱位”）。