Data Visualization (GSO, Part 4)
Nguyen Chi Dung
#=======================================
# Mapping / Choropleth Maps
#=======================================
#---------------------------------------
# Mapping (bản đồ hành chính)
#---------------------------------------
# Lấy dữ liệu địa lí cho VN đến cấp tỉnh:
library(raster)
# Và dữ liệu địa lí của VN đến cấp tỉnh:
vietnam_province <- getData("GADM", country = "Vietnam", level = 1)
# Gỡ bỏ sử dụng raster:
detach(package:raster)
# Lưu ý về kiểu liệu:
library(tidyverse)
vietnam_province %>% class()
## [1] "SpatialPolygonsDataFrame"
## attr(,"package")
## [1] "sp"
# Chuyển hóa về data frame quen thuộc:
vietnam_df <- vietnam_province %>% fortify(region = "NAME_1")
# Xem qua dữ liệu:
vietnam_df %>% head()
## long lat order hole piece id group
## 1 105.1169 10.95687 1 FALSE 1 An Giang An Giang.1
## 2 105.1173 10.95274 2 FALSE 1 An Giang An Giang.1
## 3 105.1177 10.94941 3 FALSE 1 An Giang An Giang.1
## 4 105.1177 10.94706 4 FALSE 1 An Giang An Giang.1
## 5 105.1165 10.94386 5 FALSE 1 An Giang An Giang.1
## 6 105.1153 10.94174 6 FALSE 1 An Giang An Giang.1
# Các tỉnh thành:
province <- vietnam_df$id %>% unique()
province
## [1] "An Giang" "B<U+1EA1>c Liêu" "B<U+1EAF>c Giang"
## [4] "B<U+1EAF>c K<U+1EA1>n" "B<U+1EAF>c Ninh" "B<U+1EBF>n Tre"
## [7] "Bà R<U+1ECB>a - Vung Tàu" "Bình Ð<U+1ECB>nh" "Bình Duong"
## [10] "Bình Phu<U+1EDB>c" "Bình Thu<U+1EAD>n" "C<U+1EA7>n Tho"
## [13] "Cà Mau" "Cao B<U+1EB1>ng" "Ð<U+1EAF>k L<U+1EAF>k"
## [16] "Ð<U+1ED3>ng Nai" "Ð<U+1ED3>ng Tháp" "Ðà N<U+1EB5>ng"
## [19] "Ðak Nông" "Ði<U+1EC7>n Biên" "Gia Lai"
## [22] "H<U+1EA3>i Duong" "H<U+1EA3>i Phòng" "H<U+1EAD>u Giang"
## [25] "H<U+1ED3> Chí Minh city" "Hà Giang" "Hà N<U+1ED9>i"
## [28] "Hà Nam" "Hà Tinh" "Hòa Bình"
## [31] "Hung Yên" "Khánh Hòa" "Kiên Giang"
## [34] "Kon Tum" "L<U+1EA1>ng Son" "Lai Châu"
## [37] "Lâm Ð<U+1ED3>ng" "Lào Cai" "Long An"
## [40] "Nam Ð<U+1ECB>nh" "Ngh<U+1EC7> An" "Ninh Bình"
## [43] "Ninh Thu<U+1EAD>n" "Phú Th<U+1ECD>" "Phú Yên"
## [46] "Qu<U+1EA3>ng Bình" "Qu<U+1EA3>ng Nam" "Qu<U+1EA3>ng Ngãi"
## [49] "Qu<U+1EA3>ng Ninh" "Qu<U+1EA3>ng Tr<U+1ECB>" "Sóc Trang"
## [52] "Son La" "Tây Ninh" "Th<U+1EEB>a Thiên - Hu<U+1EBF>"
## [55] "Thái Bình" "Thái Nguyên" "Thanh Hóa"
## [58] "Ti<U+1EC1>n Giang" "Trà Vinh" "Tuyên Quang"
## [61] "Vinh Long" "Vinh Phúc" "Yên Bái"
# Bản đồ Việt Nam:
theme_set(theme_minimal())
ggplot() +
geom_polygon(data = vietnam_df, aes(long, lat, group = group)) -> m1
m1
# Hiệu chỉnh:
m1 + coord_fixed(1)
m1 + coord_equal()
# Bản đồ hành chính đến cấp tỉnh (Kiểu 1):
ggplot() +
geom_polygon(data = vietnam_df, aes(long, lat, group = group), fill = "gray80", color = "blue") +
coord_equal()
# Giả sử chúng ta muốn biểu diễn vị trí của Hà Nội ( https://www.google.com):
ha_noi <- data.frame(lat = 21.040002, long = 105.834388)
ggplot() +
geom_polygon(data = vietnam_df,
aes(long, lat, group = group),
fill = "gray80", color = "blue") +
coord_equal() +
geom_point(data = ha_noi, aes(long, lat), color = "red", size = 3)
# Một kiểu khác:
ggplot() +
geom_polygon(data = vietnam_df, aes(long, lat, group = group), fill = NA, color = "red") +
coord_equal()
# Tô màu để phân biệt các tỉnh:
ggplot() +
geom_polygon(data = vietnam_df, aes(long, lat, group = group, fill = id), show.legend = FALSE) +
coord_equal()
# Thêm đường ranh giới giữa các tỉnh (cách 1):
ggplot() +
geom_polygon(data = vietnam_df,
aes(long, lat, group = group, fill = id),
show.legend = FALSE, color = "grey50") +
coord_equal()
# Cách 2:
ggplot() +
geom_polygon(data = vietnam_df,
aes(long, lat, group = group, fill = id),
show.legend = FALSE) +
geom_path(data = vietnam_df, aes(long, lat, group = group),
color = "grey50", size = 0.1) +
coord_equal()
#---------------------------
# Choropleth Maps
#---------------------------
# https://rpubs.com/chidungkt/388218
# https://rpubs.com/chidungkt/388184
# https://rpubs.com/chidungkt/388254
# Dữ liệu về đói nghèo (lấy từ http://www.gso.gov.vn/default_en.aspx?tabid=783):
poverty <- read.csv("D:\\GSO_R_Course\\data_for_visualization\\E11.35.csv", sep = ";")
# Xem qua:
poverty %>% head()
## ï..Poverty.rate.by.province.by.Cities..provincies.and.Year
## Cities, provincies 2015
## WHOLE COUNTRY 7.0
## Red River Delta 3.2
## Ha Noi 1.8
## Ha Tay ..
## Vinh Phuc 3.7
# Lấy rowname và chuyển hóa về Latin-ASCII:
library(stringi)
library(magrittr)
poverty %<>% mutate(id = rownames(.),
id = stri_trans_general(id, "Latin-ASCII"))
poverty %>% head()
## ï..Poverty.rate.by.province.by.Cities..provincies.and.Year
## 1 2015
## 2 7.0
## 3 3.2
## 4 1.8
## 5 ..
## 6 3.7
## id
## 1 Cities, provincies
## 2 WHOLE COUNTRY
## 3 Red River Delta
## 4 Ha Noi
## 5 Ha Tay
## 6 Vinh Phuc
# Đổi tên cho cột biến:
names(poverty) <- c("poverty", "id")
# Bỏ ba dòng đầu:
poverty %<>% slice(-c(1:3))
poverty %>% str()
## 'data.frame': 69 obs. of 2 variables:
## $ poverty: Factor w/ 57 levels "..","0.0","0.7",..: 5 1 34 22 38 32 23 32 39 43 ...
## $ id : chr "Ha Noi" "Ha Tay" "Vinh Phuc" "Bac Ninh" ...
# So sánh:
province %>% head()
## [1] "An Giang" "B<U+1EA1>c Liêu" "B<U+1EAF>c Giang" "B<U+1EAF>c K<U+1EA1>n" "B<U+1EAF>c Ninh" "B<U+1EBF>n Tre"
# Chuyển hóa về Latin-ASCII:
vietnam_df %<>% mutate(id = stri_trans_general(id, "Latin-ASCII"))
# Các tỉnh thành của Việt Nam lúc này:
province <- vietnam_df$id %>% unique()
province %>% head()
## [1] "An Giang" "Bac Lieu" "Bac Giang" "Bac Kan" "Bac Ninh" "Ben Tre"
# So sánh:
setdiff(poverty$id, province)
## [1] "Ha Tay"
## [2] "Northern midlands and mountain areas"
## [3] "Northern Central area and Central coastal area"
## [4] "Thua Thien-Hue"
## [5] "Quang Nam"
## [6] "Quang Ngai"
## [7] "Khanh Hoa"
## [8] "Ninh Thuan"
## [9] "Central Highlands"
## [10] "South East"
## [11] "Mekong River Delta"
## [12] "Kien Giang"
# Vậy thì cần đổi tên cho một số:
poverty %<>% mutate(id = case_when(id == "Quang Nam" ~ "Quang Nam",
id == "Thua Thien-Hue" ~ "Thua Thien - Hue",
id == "Quang Ngai" ~ "Quang Ngai",
id == "Khanh Hoa" ~ "Khanh Hoa",
id == "Ninh Thuan" ~ "Ninh Thuan",
id == "Kien Giang" ~ "Kien Giang",
TRUE ~ id))
# Giờ kiểm tra lại:
setdiff(poverty$id, province) ->> khac_biet
khac_biet
## [1] "Ha Tay"
## [2] "Northern midlands and mountain areas"
## [3] "Northern Central area and Central coastal area"
## [4] "Central Highlands"
## [5] "South East"
## [6] "Mekong River Delta"
# Lọc dữ liệu:
poverty %<>% filter(!id %in% khac_biet)
poverty %>% dim()
## [1] 63 2
# Chuyển hóa cột biến poverty về dạng số:
poverty %<>% mutate(rate = poverty %>% as.character() %>% as.numeric())
# Nối dữ liệu:
vietnam_df_poverty <- right_join(vietnam_df, poverty, by = "id")
# Bản đồ tỉ lệ nghèo (vẽ phác thảo):
ggplot() +
geom_polygon(data = vietnam_df_poverty,
aes(long, lat, group = group, fill = rate), color = "white") +
coord_equal() +
labs(title = "Poverty Rate in Vietnam by Province",
subtitle = "Note: Data Is Not Available for\nVietnam's Paracel and Spratly Islands",
caption = "Data Source: General Statistics Office Of Vietnam") ->> m1
m1
# Cải tiến cho cái theme:
m1 +
theme(text = element_text(color = "#22211d", face = "bold")) +
theme(axis.line = element_blank()) +
theme(axis.text.x = element_blank()) +
theme(axis.text.y = element_blank()) +
theme(axis.ticks = element_blank()) +
theme(axis.title.x = element_blank()) +
theme(axis.title.y = element_blank()) +
theme(panel.grid.minor = element_blank()) +
theme(panel.grid.major = element_line(color = "#ebebe5", size = 0.2)) +
theme(plot.background = element_rect(fill = "#f5f5f2", color = NA)) +
theme(panel.background = element_rect(fill = "#f5f5f2", color = NA)) +
theme(legend.background = element_rect(fill = "#f5f5f2", color = NA)) +
theme(panel.border = element_blank())
# Nếu thé nên viết thành hàm để sử dụng nhiều lần:
my_theme_for_map <- function(...) {
theme(text = element_text(color = "#22211d", face = "bold")) +
theme(axis.line = element_blank()) +
theme(axis.text.x = element_blank()) +
theme(axis.text.y = element_blank()) +
theme(axis.ticks = element_blank()) +
theme(axis.title.x = element_blank()) +
theme(axis.title.y = element_blank()) +
theme(panel.grid.minor = element_blank()) +
theme(panel.grid.major = element_line(color = "#ebebe5", size = 0.2)) +
theme(plot.background = element_rect(fill = "#f5f5f2", color = NA)) +
theme(panel.background = element_rect(fill = "#f5f5f2", color = NA)) +
theme(legend.background = element_rect(fill = "#f5f5f2", color = NA)) +
theme(panel.border = element_blank())
}
# Do vậy:
m1 + my_theme_for_map() ->> m2
m2
# Cải tiến nữa:
library(viridis)
m2 +
scale_fill_viridis(direction = -1, option = "A", "Poverty Rate") +
theme(legend.position = c(0.2, 0.5))
# Hoặc một kiểu khác:
m2 +
scale_fill_viridis(direction = -1,
option = "B",
name = "Poverty Rate",
guide = guide_colourbar(direction = "horizontal",
barheight = unit(2, units = "mm"),
barwidth = unit(50, units = "mm"),
draw.ulim = F,
title.hjust = 0.5,
label.hjust = 0.5,
title.position = "top")) +
theme(legend.position = "top")
m2 +
scale_fill_viridis(direction = -1,
option = "D",
name = "Poverty Rate",
guide = guide_colourbar(direction = "horizontal",
barheight = unit(3, units = "mm"),
barwidth = unit(50, units = "mm"),
draw.ulim = F,
title.hjust = 0.5,
label.hjust = 0.5,
title.position = "top")) +
theme(legend.position = c(0.3, 0.45))
# Nếu cần tham khảo thêm về:
# 1. cách sử dụng màu sắc tại https://rpubs.com/chidungkt/388254
# 2. Bản đồ cấp xã - hoặc huyện tại https://rpubs.com/chidungkt/388184
#==============================================
# Lollipop Chart / Cleveland’s Dot
#==============================================
#----------------------------
# Cleveland’s Dot
#----------------------------
# Load dữ liệu (nguồn từ http://www.gso.gov.vn/default_en.aspx?tabid=783):
library(readxl)
income <- read_excel("D:\\GSO_R_Course\\data_for_visualization\\E11.24.xlsx")
# Dòng thứ 3 chính là các tên cột biến. Căn cứ vào đó:
col_names <- c("province",
paste(c("gen", "q1", "q2", "q3", "q4", "q5"), "2010", sep = "_"),
paste(c("gen", "q1", "q2", "q3", "q4", "q5"), "2012", sep = "_"),
paste(c("gen", "q1", "q2", "q3", "q4", "q5"), "2014", sep = "_"),
paste(c("gen", "q1", "q2", "q3", "q4", "q5"), "2016", sep = "_"))
# Đổi tên cột biến:
names(income) <- col_names
# Loại NA:
income %<>% na.omit()
# Loại tiếp các dòng không cần thiết (cách này thủ công và dễ hiểu):
income$province
## [1] "WHOLE COUNTRY"
## [2] "Red River Delta"
## [3] "Ha Noi"
## [4] "Vinh Phuc"
## [5] "Bac Ninh"
## [6] "Quang Ninh"
## [7] "Hai Duong"
## [8] "Hai Phong"
## [9] "Hung Yen"
## [10] "Thai Binh"
## [11] "Ha Nam"
## [12] "Nam Dinh"
## [13] "Ninh Binh"
## [14] "Northern midlands and mountain areas"
## [15] "Ha Giang"
## [16] "Cao Bang"
## [17] "Bac Kan"
## [18] "Tuyen Quang"
## [19] "Lao Cai"
## [20] "Yen Bai"
## [21] "Thai Nguyen"
## [22] "Lang Son"
## [23] "Bac Giang"
## [24] "Phu Tho"
## [25] "Dien Bien"
## [26] "Lai Chau"
## [27] "Son La"
## [28] "Hoa Binh"
## [29] "Northern Central area and Central coastal area"
## [30] "Thanh Hoa"
## [31] "Nghe An"
## [32] "Ha Tinh"
## [33] "Quang Binh"
## [34] "Quang Tri"
## [35] "Thua Thien-Hue"
## [36] "Da Nang"
## [37] "Quang Nam"
## [38] "Quang Ngai"
## [39] "Binh Dinh"
## [40] "Phu Yen"
## [41] "Khanh Hoa"
## [42] "Ninh Thuan"
## [43] "Binh Thuan"
## [44] "Central Highlands"
## [45] "Kon Tum"
## [46] "Gia Lai"
## [47] "Dak Lak"
## [48] "Dak Nong"
## [49] "Lam Dong"
## [50] "South East"
## [51] "Binh Phuoc"
## [52] "Tay Ninh"
## [53] "Binh Duong"
## [54] "Dong Nai"
## [55] "Ba Ria - Vung Tau"
## [56] "Ho Chi Minh city"
## [57] "Mekong River Delta"
## [58] "Long An"
## [59] "Tien Giang"
## [60] "Ben Tre"
## [61] "Tra Vinh"
## [62] "Vinh Long"
## [63] "Dong Thap"
## [64] "An Giang"
## [65] "Kien Giang"
## [66] "Can Tho"
## [67] "Hau Giang"
## [68] "Soc Trang"
## [69] "Bac Lieu"
## [70] "Ca Mau"
income %<>% slice(-c(1, 2, 14, 29, 44, 50, 57))
# Lấy dữ liệu của hai năm là 2010 và 2016 và sắp xếp luôn:
df_1016 <- income %>%
select(province, gen_2016, gen_2010) %>%
mutate(gen_2010 = as.numeric(gen_2010),
gen_2016 = as.numeric(gen_2016),
province = stri_trans_general(province, "Latin-ASCII")) %>%
mutate(per = (gen_2016 / gen_2010 - 1)) %>%
mutate(above = case_when(per >= mean(per) ~ "Above Average",
per < mean(per) ~ "Below Average")) %>%
arrange(per) %>%
mutate(province = factor(province, levels = province))
# Vẽ phác. Plot này cho thấy Hải Phòng, Bắc Ninh và
# Thái Nguyên là ba tỉnh tăng nhanh nhất:
p <- df_1016 %>%
ggplot(aes(province, per)) +
geom_segment(aes(x = province, xend = province,
y = 0, yend = per), color = "#0e668b", size = 1.2) +
geom_point(size = 4, color = "#0e668b") +
coord_flip() +
labs(x = NULL, y = NULL,
title = "Monthly Average Income Growth at Current Prices\nfrom 2010 to 2016 for 30 Provinces Selected",
caption = "Data Source: General Statistics Office Of Vietnam")
p
# Cải tiến:
p +
theme_bw() +
theme(plot.background = element_rect(fill = "#f7f7f7")) +
theme(panel.background = element_rect(fill = "#f7f7f7")) +
theme(panel.grid.minor = element_blank()) +
theme(panel.grid.major.y = element_blank()) +
theme(panel.grid.major.x = element_line()) +
theme(axis.ticks = element_blank()) +
theme(panel.border = element_blank())
# Nên viết thành hàm:
my_theme <- function(...) {
theme_bw() +
theme(plot.background = element_rect(fill = "#f7f7f7")) +
theme(panel.background = element_rect(fill = "#f7f7f7")) +
theme(panel.grid.minor = element_blank()) +
theme(panel.grid.major.y = element_blank()) +
theme(panel.grid.major.x = element_line()) +
theme(axis.ticks = element_blank()) +
theme(panel.border = element_blank())
}
# Sử dụng hàm:
p + my_theme()
# Với mục đích minh họa, giả sử chỉ chọn 40 tỉnh:
df_1016 <- income %>%
select(province, gen_2016, gen_2010) %>%
slice(1:30) %>%
mutate(gen_2010 = as.numeric(gen_2010),
gen_2016 = as.numeric(gen_2016),
province = stri_trans_general(province, "Latin-ASCII")) %>%
mutate(per = (gen_2016 / gen_2010 - 1)) %>%
mutate(above = case_when(per >= mean(per) ~ "Above Average",
per < mean(per) ~ "Below Average")) %>%
arrange(per) %>%
mutate(province = factor(province, levels = province))
# Vẽ và cải tiến luôn:
library(scales)
df_1016 %>%
ggplot(aes(province, per)) +
geom_segment(aes(x = province, xend = province,
y = 0, yend = per), color = "#0e668b", size = 1.2) +
geom_point(size = 4, color = "#0e668b") +
coord_flip() +
labs(x = NULL, y = NULL,
title = "Monthly Average Income Growth at Current Prices\nfrom 2010 to 2016 for 30 Provinces Selected",
caption = "Data Source: General Statistics Office Of Vietnam") +
my_theme() +
scale_y_continuous(labels = percent) ->> g
g
# Hiệu chỉnh:
g + theme(axis.text.y = element_text(face = "bold", color = "#0e668b", size = 9))
# Nhấn mạnh đến 5 tình đứng đầu về tốc độ tăng:
g +
geom_segment(data = df_1016 %>% top_n(5, per),
aes(x = province, xend = province, y = 0, yend = per), color = "orange", size = 1.2) +
geom_point(size = 4, color = "orange", data = df_1016 %>% top_n(5, per)) ->> g1
g1
# Hoặc thêm 5 ông bét bảng:
g1 +
geom_segment(data = df_1016 %>% top_n(5, -per),
aes(x = province, xend = province,
y = 0, yend = per), color = "purple", size = 1.2) +
geom_point(size = 4, color = "purple", data = df_1016 %>% top_n(5, -per)) ->> g2
g2
# Hiệu chỉnh tiếp:
g2 +
scale_y_continuous(expand = c(0, 0),
labels = percent,
breaks = seq(0, 1.75, by = 0.25),
limits = c(0, 1.8)) ->> g3
g3
# Tô màu cho hai nhóm:
df_1016 %>%
ggplot(aes(province, per, color = above)) +
geom_segment(aes(x = province, xend = province,
y = 0, yend = per), size = 1.2) +
geom_point(size = 4) +
scale_color_manual(values = c("orange", "#0e668b")) +
coord_flip() +
my_theme() +
theme(legend.position = "none") +
theme(axis.text.y = element_text(face = "bold", size = 8)) +
scale_y_continuous(expand = c(0, 0),
labels = percent_format(),
breaks = seq(0, 1.75, by = 0.25),
limits = c(0, 1.8)) ->> g4
g4
# Hiệu chỉnh thêm:
g4 +
geom_segment(aes(y = 1.45, yend = 1.45, x = "Vinh Phuc", xend = "Quang Binh"),
arrow = arrow(length = unit(0.2,"cm")), color = "orange", size = 1) +
geom_segment(aes(y = 1.45, yend = 1.45, x = "Lao Cai", xend = "Quang Tri"),
arrow = arrow(length = unit(0.2,"cm")), color = "#0e668b", size = 1) +
annotate("text",
x = "Vinh Phuc",
y = 1.5,
label = "Above Average",
color = "orange",
size = 4,
hjust = 0.1,
vjust = -1) +
annotate("text",
x = "Lao Cai",
y = 1.5,
label = "Below Average",
color = "#0e668b",
size = 4,
hjust = 0.1,
vjust = 2) ->> g5
g5
# Hiệu chỉnh thêm nữa:
g5 +
labs(x = NULL, y = NULL,
title = "Monthly Average Income Growth at Current Prices from 2010 to 2016 for\n30 Provinces Selected.",
subtitle = "According to a forecast by PricewaterhouseCoopers in February 2017, Vietnam may be the fastest-growing\nof the world's economies, with a potential annual GDP growth rate of about 5.1%,\nwhich would make its economy the 20th-largest in the world by 2050.",
caption = "Data Source: General Statistics Office Of Vietnam")
#-----------------------------
# Lollipop Chart
#-----------------------------
# Sắp xếp theo gen_2016:
income %<>%
select(province, gen_2010, gen_2016) %>%
mutate(gen_2010 = as.numeric(gen_2010),
gen_2016 = as.numeric(gen_2016)) %>%
arrange(gen_2016) %>%
mutate(province = factor(province, levels = province))
# Cách 1:
income %>%
ggplot(aes(x = province)) +
geom_segment(aes(y = gen_2010, yend = gen_2016,
x = province, xend = province), color = "gray40", size = 1) +
geom_point(aes(x = province, y = gen_2010, color = "i_love"), size = 3.5) +
geom_point(aes(x = province, y = gen_2016, color = "you"), size = 3.5) +
coord_flip() +
scale_color_manual(name = "Monthly Income:", labels = c(2010, 2016),
values = c("#FFB5C5", "#EE3A8C")) +
labs(x = NULL, y = NULL,
title = "Monthly Average Income Growth at Current Prices\nfrom 2010 to 2016 for 63 Provinces of Vietnam.",
subtitle = "The data draw on GSO's compilation of internationally comparable statistics about\nglobal development and the quality of Vietnam people's lives.",
caption = "Data Source: General Statistics Office Of Vietnam") +
scale_y_continuous(expand = c(0, 0),
breaks = seq(500, 6000, by = 500),
limits = c(500, 5700)) ->> p
p
# Hiệu chỉnh:
library(extrafont)
extrafont::loadfonts(device = "win")
p +
theme_bw() +
theme(plot.background = element_rect(fill = "white")) +
theme(panel.grid.minor = element_blank()) +
theme(panel.grid.major.y = element_blank()) +
theme(panel.grid.major.x = element_line()) +
theme(axis.ticks = element_blank()) +
theme(panel.border = element_blank()) +
theme(text = element_text(family = "Georgia", size = 13, color = "black")) +
theme(plot.subtitle = element_text(color = "gray20", size = 10, face = "italic")) +
theme(legend.title = element_text(size = 10, color = "gray20")) +
theme(legend.position = "top")
# Viết thành hàm cho theme:
my_theme_for_lollipop <- function(...) {
theme_bw() +
theme(plot.background = element_rect(fill = "white")) +
theme(panel.grid.minor = element_blank()) +
theme(panel.grid.major.y = element_blank()) +
theme(panel.grid.major.x = element_line()) +
theme(axis.ticks = element_blank()) +
theme(panel.border = element_blank()) +
theme(text = element_text(family = "Georgia", size = 13, color = "black")) +
theme(plot.subtitle = element_text(color = "gray20", size = 10, face = "italic")) +
theme(legend.title = element_text(size = 10, color = "gray20")) +
theme(legend.position = "top")
}
# Một phiên bản cải tiến:
income %>%
select(province, gen_2010, gen_2016) %>%
mutate(gen_2010 = as.numeric(gen_2010),
gen_2016 = as.numeric(gen_2016)) %>%
arrange(gen_2016) %>%
mutate(province = factor(province, levels = province)) %>%
mutate(th = 500) %>%
ggplot(aes(province)) +
geom_segment(aes(y = th, yend = gen_2010,
x = province, xend = province), color = "gray80", linetype = 2) +
geom_segment(aes(y = gen_2010, yend = gen_2016,
x = province, xend = province), color = "gray40", size = 1) +
geom_point(aes(x = province, y = gen_2010, color = "a"), size = 3.5) +
geom_point(aes(x = province, y = gen_2016, color = "b"), size = 3.5) +
coord_flip() +
my_theme_for_lollipop() +
scale_color_manual(name = "Monthly Income:", labels = c(2010, 2016),
values = c("#FFB5C5", "#EE3A8C")) +
labs(x = NULL, y = NULL,
title = "Monthly Average Income Growth at Current Prices from\n2010 to 2016 for 63 Provinces of Vietnam.",
subtitle = "The data draw on GSO's compilation of internationally comparable statistics about\nglobal development and the quality of Vietnam people's lives.",
caption = "Data Source: General Statistics Office Of Vietnam") +
scale_y_continuous(breaks = seq(500, 5500, by = 500),
expand = c(0, 0),
limits = c(500, 5700))
