第三章 类别数据可视化

Author

221527105陈艺妍

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？
  • 舱位等级，性别，年龄。存活人数，存活状态。分类变量有舱位等级，性别，存活
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？
  • 汇总数据，知道了存活男性，存活女性，死亡女性，死亡男性的数量。后面就方便去比较了
# 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
    scale_fill_discrete(
    "生还",
    labels=c("否","是"))+
  scale_x_discrete(
    "性别",
    labels=c("男","女"))+
  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")+
  ## 将图中性别和生还的类别标签改为中文
  scale_fill_discrete(
    "生还",
    labels=c("否","是"))+
  scale_x_discrete(
    "性别",
    labels=c("男","女"))+
  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

  • 从图一可知男性生存人数比女性的多，但是死亡人数远远大于女性的

  • 从图二可知男性生存人数占比很低，女性生存人数占比很高。

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
  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=4.5,y=800,label="百分比（%）",angle=90,size=3.5)+
   annotate("text",x=4,y=800,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

  • 柱状反应了人数，折线图反映了不同舱位的人数占比的累计

  • 人数最多的是船员，其次是三等舱，接着是一等舱，人数最少的是二等舱。

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(Freq=sum(Freq),.by=c("Class","Survived"))|>
  mutate(percent=Freq*100/sum(Freq),.by="Class")

datatable(df,rownames = FALSE)
# 数据处理
df1<- data |> select(Class,Survived,Freq) |> 
  summarise(Freq=sum(Freq),.by=c("Class","Survived"))|>
  mutate(percent=Freq*100/sum(Freq),.by="Survived")

datatable(df,rownames = FALSE)

4.2 利用geom_col() 作图

p1 = ggplot(df)+aes(x=Class,y=percent,fill=Survived)+ylab("百分比(%)")+
  geom_bar(stat="identity",width=0.8,color="grey50")+
  scale_fill_brewer(palette="Blues")
p2 = ggplot(df1)+aes(x=Survived,y=percent,fill=Class)+ylab("百分比(%)")+
  geom_bar(stat="identity",width=0.8,color="grey50")+
  scale_fill_brewer(palette="Blues")
grid.arrange(p1,p2,ncol=1)

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,fill=Class,y=percent),stat = "identity",
  palette="Blues",labelsize=3,reverse=TRUE)

4.4 介绍图形特点和信息

  • 死亡的人口里，最多的是船员，其次是三等舱的人。存活人口里，一等舱，二等舱人数最多。

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 
# 图（a）分层顺序:
treemap(df,index=c("Class","Sex","Age","Survived"),  # 设置聚合索引的列名称
  vSize="Freq", 
  # 指定矩形大小的列名称
  fontsize.labels=7,                             # 设置标签字体大小
  position.legend="bottom",                      # 设置图例位置
  title="(a) 分层顺序：乘客船舱—性别—年龄—生还")

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(d3r)
df<-data%>%select(Class,Sex,Age,Survived,Freq)  # 根据需要调整列变量的位置
df_tree<-d3_nest(df,value_cols="Freq")             # 将数据框转换为“d3.js”层次结构
datatable(df,rownames = FALSE)
library(sunburstR)
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
Legend

5.3 介绍图形特点和信息

  • 树状图：适合展示多维数据的信息，通过面积和颜色可容易了解数据。第一个分类变量是舱位等级，粉色是船员，人数最多，绿色是三等舱，人数次于船员，棕黄色是一等舱，蓝色是三等舱。第二个分类变量是性别，第三个分类变量是年龄，第四个分类变量为生还。但是

  • 旭日图：动态图！！！很好地用来展示的工具图像。环形的面积越大代表占比越高。图形信息从中间向外层拓展。

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
datatable(df,rownames = FALSE)
# 图（a）class和survived的点阵图
palette<-rev(brewer.pal(11,"Blues"))       # 设置调色板
library(ggpubr)
p1<-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="Freq",fill="Freq",                 # 设置点的大小和填充颜色变量
   size.range = c(1,12),                    # 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)  乘客船舱和生还的点阵图")

# 图（b）按性别分面
p2<-ggballoonplot(df,x="Class",y="Survived",
   size="Freq",fill="Freq",shape=22,        # 用正方形表示数据点
   size.range = c(1,12),                    # 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
   facet.by=c("Sex"),                      # 按性别分面
   ggtheme=scale_fill_gradientn(colors=palette))+
   theme(axis.text.y=element_text(angle=90))+
   ggtitle("(b)  按性别分面的点阵图")

ggarrange(p1,p2,ncol=2)    # 按2列组合图形p1和p2

6.2 利用ggiraphExtra::ggHeatmap()作热力图

分别作矩形热图和极坐标热图

library(ggiraphExtra)
p1<-ggHeatmap(data,aes(x=Class,y=Survived,fill=Freq),          # 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
p2<-ggHeatmap(data,aes(x=Class,y=Survived,fill=Freq),polar=TRUE,
   addlabel=TRUE,palette="Reds")+                      # 绘制极坐标热图
   ggtitle("(a2) 极坐标热图")
grid.arrange(p1,p2,ncol=2)

6.3 利用ggiraphExtra::ggRose() 作玫瑰图

#这个数据需要根据class合并一下
df1 <- data%>%                                # 提取数据，构建新的数据框
  select(Class,Survived,Freq)%>%
  group_by(Class,Survived)%>%
  summarise(n=sum(Freq))%>%
  mutate(乘客船舱=fct_inorder(Class))    

df2 <- data%>%                                # 提取数据，构建新的数据框
  select(Class,Freq)%>%
  group_by(Class)%>%
  summarise(n=sum(Freq))%>%
  mutate(乘客船舱=fct_inorder(Class))    

df3 <- data%>%                                # 提取数据，构建新的数据框
  select(Survived,Freq)%>%
  group_by(Survived)%>%
  summarise(n=sum(Freq))

myangle<-seq(-20,-340,length.out=8)
# 设置标签角度，使之垂直于坐标轴
palette1<-brewer.pal(8,"Spectral")            # 设置离散型调色板

p1<-ggplot(df1,aes(x=interaction(Class,Survived),y=n,fill=interaction(Class,Survived)))+           
  geom_col(width=1,colour="grey20",fill=palette1)+# 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=7,angle=myangle))+ # 设置坐标轴标签字体大小和角度
  ylab("人数")+                   # 设置y轴标签
  ggtitle("(a) 按原始顺序排序")

myangle<-seq(-20,-340,length.out=4)
# 设置标签角度，使之垂直于坐标轴
palette2<-brewer.pal(4,"Spectral")            # 设置离散型调色板
p2<-ggplot(df2,aes(x=Class,y=n,fill=Class))+           
  geom_col(width=1,colour="grey20",fill=palette2)+# 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=7,angle=myangle))+ # 设置坐标轴标签字体大小和角度
  ylab("人数")+                   # 设置y轴标签
  ggtitle("(b) 按原始顺序排序")

myangle<-seq(-20,-340,length.out=2)
# 设置标签角度，使之垂直于坐标轴
p3<-ggplot(df3,aes(x=Survived,y=n,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=7,angle=myangle))+ # 设置坐标轴标签字体大小和角度
  ylab("人数")+                   # 设置y轴标签
  ggtitle("(c) 按原始顺序排序")
gridExtra::grid.arrange(p1,p2,p3,ncol=2)      # 按2列组合图形

# 创建降序排列的玫瑰图版本

# 处理df1 - 按Class和Survived分组
df1 <- data %>%                                
  select(Class, Survived, Freq) %>%
  group_by(Class, Survived) %>%
  summarise(n = sum(Freq)) %>%
  ungroup() %>%
  mutate(interaction = interaction(Class, Survived),
         interaction = fct_reorder(interaction, -n))  # 按人数降序排列

# 处理df2 - 按Class分组
df2 <- data %>%                                
  select(Class, Freq) %>%
  group_by(Class) %>%
  summarise(n = sum(Freq)) %>%
  ungroup() %>%
  mutate(Class = fct_reorder(Class, -n))  # 按人数降序排列

# 处理df3 - 按Survived分组
df3 <- data %>%                                
  select(Survived, Freq) %>%
  group_by(Survived) %>%
  summarise(n = sum(Freq)) %>%
  ungroup() %>%
  mutate(Survived = fct_reorder(Survived, -n))  # 按人数降序排列

# 设置角度和颜色
palette1 <- brewer.pal(8, "Spectral")
palette2 <- brewer.pal(4, "Spectral")
palette3 <- brewer.pal(2, "Spectral")

# 创建玫瑰图1 - Class和Survived交互
p1 <- ggplot(df1, aes(x = interaction, y = n, fill = interaction)) +           
  geom_col(width = 1, colour = "grey20") +
  coord_polar(theta = "x", start = 0) +
  scale_fill_manual(values = palette1) +
  theme_minimal() +
  theme(axis.text.x = element_text(size = 7, angle = seq(-20, -340, length.out = 8)),
        legend.position = "none") +
  ylab("人数") +
  ggtitle("(a) 按船舱等级和生存状态分组(降序)")

# 创建玫瑰图2 - 仅Class
p2 <- ggplot(df2, aes(x = Class, y = n, fill = Class)) +           
  geom_col(width = 1, colour = "grey20") +
  coord_polar(theta = "x", start = 0) +
  scale_fill_manual(values = palette2) +
  theme_minimal() +
  theme(axis.text.x = element_text(size = 7, angle = seq(-20, -340, length.out = 4)),
        legend.position = "none") +
  ylab("人数") +
  ggtitle("(b) 按船舱等级分组(降序)")

# 创建玫瑰图3 - 仅Survived
p3 <- ggplot(df3, aes(x = Survived, y = n, fill = Survived)) +           
  geom_col(width = 1, colour = "grey20") +
  coord_polar(theta = "x", start = 0) +
  scale_fill_manual(values = palette3) +
  theme_minimal() +
  theme(axis.text.x = element_text(size = 7, angle = seq(-20, -340, length.out = 2)),
        legend.position = "none") +
  ylab("人数") +
  ggtitle("(c) 按生存状态分组(降序)")

# 组合图形
gridExtra::grid.arrange(p1, p2, p3, ncol = 2)

6.4 介绍图形特点和信息

  • 点图：

    1. 用圆形面积表示频数（Freq），颜色深浅辅助表示数值大小

    2. X轴为船舱等级（Class），Y轴为生存状态（Survived）

    3. 分面展示不同性别（Sex）的分布差异

    4. 适合同时展示三个分类变量的关联关系

  • 矩形热力图和极坐标热力图：

    1. 颜色梯度直接映射数值大小（红色越深频数越高）

    2. 矩形热图直观展示二维分类变量的数值分布

    3. 极坐标版本通过环形布局增强视觉冲击力

    4. 数字标签提高数值可读性

  • 玫瑰图：

    1. 扇形半径表示数值大小，角度表示分类组合

    2. 色彩对比强化不同舱等与生存状态的关联

    3. 极坐标系自然突出数值差异

    4. 适合展示具有层次结构的分类数据

7 饼环图

绘制Class和 Sex的饼环图。

7.1 数据准备

df1 <- data%>%                                # 提取数据，构建新的数据框
  select(Class,Freq)%>%
  group_by(Class)%>%
  summarise(n=sum(Freq))

df2 <- data%>%                                # 提取数据，构建新的数据框
  select(Sex,Freq)%>%
  group_by(Sex)%>%
  summarise(n=sum(Freq))

7.2 利用ggiraphExtra::ggPieDonut()作饼环图

library(ggiraphExtra)

p1<-ggDonut(df1,aes(donuts=Class,count=n),
  labelposition=1,labelsize=2.5,             # 设置标签位置和大小
  xmin=2,xmax=4,                             # 设置x的最小位置和最大位置
  title="(a) 乘客船舱")                          # 设置标题
p2<-ggDonut(df2,aes(donuts=Sex,count=n),
  labelposition=1,labelsize=2.5,xmin=2,xmax=4,
  title="(b) 性别")                          # 设置标题
grid.arrange(p1,p2,ncol=2)                   # 按2列组合图形p1和p3

7.3 介绍图形特点和信息

  • 饼环图跟旭日图差不多，不过效果没那么好，是静态图，反应的信息也没这么多。

  • 图一展示了舱位人数信息，船员最多，其次是三等舱。

    图二展示了性别的信息，其中男性最多。