excel作为一个强大的统计工具，自身包含着一部分数据可视化的功能。R作为可视化的大势，自然也可以画出这些图，有一篇就通过ggplot2包进行了部分总结，甚是有趣，小编复刻学习了一番，现对代码做简单注释，以作分享。

加载所需工具包

library(ggplot2) #作图包 library(dplyr) #数据转换包 library(tidyr) #数据转换包 library(splines) #数据差值包

ggplot2的基本概念

数据data/映射美学asethetics/几何对象geometries/分面facets/统计statistics/坐标系coordinates/主题themes

数据准备

set.seed(123) #设定随机种子，保证做的图和样例一致样 df   var=LETTERS[1:10], #字母A-J   id=1:10, #数字1-10   a=runif(10), #10个随机数   b=runif(10), #10个随机数   c=runif(10), #10个随机数   stringsAsFactors = F #不转换为因子 ) print(df) #显示数据

得到所需数据样式(宽矩阵转长矩阵)

df1%gather("item",value,-1:-2)%>% bind_cols(data.frame(item_id=rep(1:3,each=10))) # 使用tidyr和dplyr包的gather函数进行数据样式转换,%>%是dplyr包的传递函数 print(df1)

ggplot画图

ggplot2是图层式绘图，一层层添加修改，图层需要指定数据集，数据集中的内容(ase数据)，geom_图形，stat统计转换，position图形位置

柱形图——geom_bar，注意position参数

ggplot(df1,aes(var,value))+   geom_bar(aes(fill=item),stat = "identity",position="dodge",width=0.8)+   labs()            # geom_bar=stat_count,stat=identy接受两个变量作图,position默认参数是stack,position="dodge"时，不同变量横向排列 ggplot(df1,aes(var,value))+   geom_bar(aes(fill=(item)),stat = "identity",position="stack",width=0.8)+   labs() ggplot(df1,aes(var,value))+   geom_bar(aes(fill=item),stat = "identity",position="fill",width=0.8)+   labs() ggplot(df1,aes(var,value))+   geom_bar(aes(fill=item),stat = "identity",width=0.8)+   facet_grid(item~.)+  # 垂直方向分割   labs()  # 平面展示,(facet_grid)将三维图平面展示

折线图——geom_line

变量以点展示，然后连点成线

ggplot(df1,aes(id,value,colour=item))+ # 点   geom_line()+   # 连线   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+  #将X坐标轴改为十等分并标以字母   labs() ggplot(df1,aes(id,value,colour=item))+   geom_line(position="stack")+   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+   labs() ggplot(df1,aes(id,value,colour=item))+   geom_line(position="fill")+   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+   labs() ggplot(df1,aes(id,value,colour=item))+   geom_line()+   geom_point()+   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+   labs()  #增加了散点图geom_point ggplot(df1,aes(id,value,colour=item))+   geom_line(position="stack")+   geom_point(position="stack")+   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+   labs() ggplot(df1,aes(id,value,colour=item))+   geom_line(aes(ymin=0),position="fill")+   geom_point(aes(ymin=0),position="fill")+   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+   labs() ggplot(df1,aes(id,value,colour=item))+   facet_grid(item~.)+ # 垂直方向分割   geom_line()+   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+   labs()  #用facet_grid平面展示，

饼图

饼图，将一般的柱图进行直角坐标轴到极坐标轴的转换(coord_polar())

ggplot(df,aes(x=factor(1),a,fill=factor(var)))+   geom_bar(stat="identity",position="fill")+   coord_polar(theta="y")+ # 按Y轴极坐标转换   labs()因为是在条形图中对y轴进行极坐标转换，因此x轴长短需要一致，统一设为一个值，此处是x=factor(1)

复合饼图和复合条饼图

有嵌套类时，可以衍生一个图形展现子类内容，下图是一个demo，仅作为图案参考样式，还有许多需要改进的地方

df_tmpbase   geom_blank()+   theme_void()+   xlim(c(0,2))+   ylim(c(0,2)) # 准备背景画布 base + annotation_custom(   grob = ggplotGrob(     ggplot(df,aes(x = "",a,fill=factor(var)))+  # 注释     geom_bar(stat="identity",position="fill",              show.legend = F)+       labs(x=NULL,y=NULL)+     coord_polar(theta="y")+       theme_classic()),   xmin =0,xmax=1,   ymin=0.5,ymax = 1.5)+ # 图左   annotation_custom(     grob = ggplotGrob(       ggplot(df,aes(x = "",b,fill=factor(var)))+                         geom_bar(stat="identity",                                  position="fill",                                  show.legend = F)+                         labs(x=NULL,y=NULL)+                         coord_polar(theta="y")+                         theme_classic()),     xmin =1.1,xmax=1.9,     ymin=0.6,ymax = 1.4)+ # 图右   annotate("segment",x=0.5,xend=1.5,            y=0.69,yend=0.77)+ # 下线条   annotate("segment",x=0.5,xend=1.5,            y=1.35,yend=1.28) # 上线条+   labs() # 复合条饼图 base   xlim(c(0,2))+ylim(c(0,2)) # 背景画布 base + annotation_custom(   grob = ggplotGrob(     ggplot(df,aes(x = "",a,fill=factor(var)))+                       geom_bar(stat="identity",                       position="fill",                       show.legend = F)+                       labs(x=NULL,y=NULL)+                       coord_polar(theta="y")+theme_void()), # 饼图比条形图多了一个极坐标转换   xmin =0,xmax=1,   ymin=0.5,ymax = 1.5)+ # 左图       annotation_custom(     grob = ggplotGrob(       ggplot(df,aes(x = "",b,fill=factor(var)))+                         geom_bar(stat="identity",                                  position="fill",                                  show.legend = F)+                         labs(x=NULL,y=NULL)+theme_void()),     xmin =1.2,xmax=1.8,ymin=0.8,ymax = 1.2)+ # 右图   annotate("segment",x=0.5,xend=1.24,y=0.64,yend=0.84)+ # 下线段   annotate("segment",x=0.5,xend=1.24,y=1.38,yend=1.18)+ # 上线段   labs()

圆环图

一个圆环代表一个变量，颜色表示其属性

ggplot(df1,aes(x = item,value,fill=var))+   geom_bar(stat="identity",position="fill",width=0.8,colour="black")+   coord_polar(theta="y")

其他圆形图

用coord_polar作出的demo图

demo1  geom_bar(stat="identity",position="dodge") demo1 #柱形图 demo1+coord_polar(theta="y") # 按y轴极坐标转换 demo1+coord_polar(theta="x") # 按X轴极坐标转换，此时x还可以等于var demo2  geom_bar(stat="identity",position="fill",width=0.8) demo2 # 百分比柱形图 demo2+coord_polar(theta="x") # 按x轴极坐标转换

条形图

条形图就是横过来的柱形图，用函数coord_filp()处理逆时针旋转90°

ggplot(df1,aes(var,value))+   geom_bar(aes(fill=item),stat = "identity",position="dodge",width=0.8)+   labs()+   coord_flip() # 和柱形图代码的唯一区别coord_flip() ggplot(df1,aes(var,value))+   geom_bar(aes(fill=item),stat = "identity",position="stack",width=0.8)+   labs()+   coord_flip() ggplot(df1,aes(var,value))+   geom_bar(aes(fill=item),stat = "identity",position="fill",width=0.8)+   labs(,fill="")+   coord_flip() ggplot(df1,aes(var,value))+   geom_bar(aes(fill=item),stat = "identity",position="dodge",width=0.8)+   labs(,fill="")+   coord_flip()+   facet_grid(.~item) # 水平方向分割，用多个分面展示多维

面积图——geom_area

面积图就是将折线图下面的区域标注颜色，表示面积。

ggplot(df1,aes(id,value))+   geom_area(aes(fill=item),position=position_dodge(width = 0),             alpha=0.5)+ # 暗色不透明度   labs(,fill="")+   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10]) ggplot(df1,aes(id,value))+   geom_area(aes(fill=item),alpha=0.5)+   labs()+  # 区别堆积折线图是少了`position=stack`   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10]) ggplot(df1,aes(id,value))+   geom_area(aes(fill=item),position="fill",alpha=0.5)+   labs(,fill="")+   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10]) ggplot(df1,aes(id,value))+   geom_area(aes(fill=item),position="stack",alpha=0.5)+   # 区别于三维折线图添加了`position=stack`,便于分割后更好观察面积分布   labs(,fill="")+   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+   facet_grid(item~.) # 按垂直水平分割

XY散点图

需要注意的是确定X,Y轴以后，需要把对应的值赋到图中

ggplot(df1,aes(var,value))+   geom_point(aes(colour=item))+   labs(title = "散点图") df1_a% filter(item=="a") %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame() df1_b% filter(item=="b") %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame() df1_c% filter(item=="c") %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame() # 分开获得需要a,b,c的数据value，并被等分为1000份，用spline曲线连接，转换为数据框格式 df1_sp%   mutate(item=rep(letters[1:3],each=1000))    # 添加1列item ggplot()+   geom_point(data=df1,aes(id,value,colour=item))+   geom_line(data=df1_sp,aes(x,y,colour=item))+   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+   labs(title = "带平滑线和数据标记的散点图") # 点加线 ggplot(df1,aes(id,value,colour=item))+   geom_point()+   geom_line()+   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+   labs(title = "带直线和点数据标记的散点图") ggplot(df1,aes(id,value,colour=item))+   geom_line()+   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+   labs(title = "带直线的散点图") # 就是折线图

气泡图

气泡图即点的大小表示数值大小的点图

ggplot(df1,aes(id,value,colour=item))+   geom_point(aes(size=value))+   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10]) # `size=value`给点赋予数值大小属性

股价图

ggplot(df)+   geom_point(aes(Sys.Date()-1:10,c))+   geom_linerange(aes(Sys.Date()-1:10,ymin=a,ymax=b))+   labs() # `Sys.Date`返还任一日期时间,c是收盘量 # `geom_linerange`是由a,b两个对象的ymin和ymax定义的垂直区间线图 ggplot(df)+   geom_point(aes(Sys.Date()-1:10,c))+   geom_linerange(aes(Sys.Date()-1:10,ymin=a,ymax=b))+   geom_crossbar(aes(Sys.Date()-1:10,c,ymin=a,ymax=c),width=0.2)+   labs() # 在已知盘高-盘底-收盘图的基础上加上`geom_crossbar`，这里是连系a的最小和c的最大值， # geom_crossbar(): 空心柱，上中下三条线分别代表ymax，mean，ymin ggplot(data = filter(df1,item != "c"),        aes(rep(Sys.Date()-1:10,3),value))+   facet_grid(item~.,scale="free")+   geom_point(data = filter(df1,item == "a"),             aes(Sys.Date()-1:10,value))+   geom_linerange(data = filter(df1,item == "a"),                  aes(Sys.Date()-1:10,value,                      ymin=value-runif(10),                      ymax=value+runif(10)))+   geom_bar(data = filter(df1,item == "b"),            aes(Sys.Date()-1:10,value*1000),            stat="identity")+   labs() # 点和线距图是对象a的数据有盘高盘低，条形图是关于对象b的图，成交量 #  facet_grid(item~.,scale="free")，垂直分割，且不同形式的图表可以被分割出来 ggplot(data = filter(df1,item != "c"),        aes(rep(Sys.Date()-1:10,3),value))+   facet_grid(item~.,scale="free")+   geom_point(data = filter(df1,item == "a"),              aes(Sys.Date()-1:10,value))+   geom_linerange(data = filter(df1,item == "a"),                  aes(Sys.Date()-1:10,value,                      ymin=value-runif(10),                      ymax=value+runif(10)))+   geom_crossbar(data = filter(df1,item == "a"),                 aes(Sys.Date()-1:10,value,                     ymin=value-runif(10),                     ymax=value+runif(10)),                 width=0.2)+   geom_bar(data = filter(df1,item == "b"),            aes(Sys.Date()-1:10,value*1000),            stat="identity")+   labs() # 在上一个图的基础上加了个`geom_crossbar`，筛选对象b作为开盘

曲面图——geom_contour

三维图形，下图是对密度的一个二维密度估计

ggplot(df1,aes(id,item_id))+   geom_contour(aes(z=value,colour=..level..),                binwidth=0.001)+   scale_colour_gradientn(colours = terrain.colors(10))+   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+   scale_y_continuous(breaks = 1:3,labels = letters[1:3])+   labs() # binwidth设置组距，值越小画得线越多，密度图函数colour设置等高线颜色 ggplot(df1,aes(id,item_id))+   geom_contour(aes(z=value,colour=..level..),                binwidth=0.1)+   scale_colour_gradientn(colours = terrain.colors(10))+   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+   scale_y_continuous(breaks = 1:3,labels = letters[1:3])+   labs() # 用不同颜色等高线画框架图，和上图比增加了组距。

雷达图

ggplot(df1,aes(id,value,colour=item))+   geom_bar(stat="identity",            position="dodge", # 普通柱形图            fill="transparent",# 填充透明度            size=1)+   coord_polar()+ #极坐标转换   scale_x_continuous(breaks = 1:5,labels = LETTERS[1:5])+   facet_wrap(~item,nrow=2)+ # 水平分割，分割后的图呈两行排列   labs() # 雷达图就是极坐标转换后的普通柱形图，加了透明背景框，相当于其他透明图 ggplot(df1,aes(id,value,colour=item))+   geom_bar(stat="identity",            position="dodge",            fill="transparent",            size=1,            width=0.5)+   geom_point()+   coord_polar()+   scale_x_continuous(breaks = 1:5,labels = LETTERS[1:5])+   facet_wrap(~item,nrow=2)+   labs() # 在geom_bar的基础上加上了以三个对象a,b,c,的值为点的点图geom_point ggplot(df1,aes(id,value))+   geom_bar(aes(fill=item),stat="identity",            position="dodge")+ # 以item项的值映射柱形图的表达值   scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ # x轴分成了十等份   coord_polar()+   facet_wrap(~item,nrow=2)+   labs()

直方图

直方图是先把数据划分区间，按从小到大的顺序排列，并以柱状图的形式表现

ggplot(df1,aes(value))+   geom_histogram(bins=5,colour="white") # 映射value表达值，边界框是白色 # 排列图(数据从小到大排列) df_tmp2% select(1:3) %>% # 前三列   arrange(a) %>%  #按列a的值从小到大排序   mutate(per = a/sum(a))  %>%  # 增加per列，值为对应总数的比例   arrange(desc(a)) %>%        # 重新按列a的值从达到小排列   mutate(new_id = 1:10)%>%    # 增加new_id列   mutate(per = cumsum(per))   # 将per列的值按new_id的顺序逐个叠加 ggplot(df_tmp2)+   geom_bar(aes(new_id,a,fill=var),stat="identity")+ # fill=var添加图例并按照图例上色   geom_line(aes(new_id,per))+   scale_x_continuous(breaks = 1:10,                      labels = df_tmp2$var) # 令X轴的值为df_tmp2的var

箱型图

箱型图是用分位数表述数据的离散和集中趋势

ggplot(df1,aes(item,value,colour=item))+   geom_boxplot(aes(fill=item),alpha=0.2,                outlier.colour = "red",                outlier.shape = 2,                outlier.size = 5,                coef=1.5)+ # 箱线图的异常值设定，边框为红色，形状为2指代的三角形，大小为5，参数coef指定了“须”的长度的极限值，默认值是1.5，表示两条须的极限不会超过盒型各端加1.5倍四分位距的范围，如果被置为0，条须的延长极限就会在数据集中元素的极限位置，图中不会有任何离群点。geom_jitter(width = 0.1) # geom_jitter()是geom_point(position="jitter")的简称,带状图，一维散点图。

　瀑布图

瀑布图可表现图形涨跌趋势，后一个柱子和前一个柱子有增长和下降的关系。

df_tmp3 %select(1:3)%>%mutate(cum=cumsum(a) ,low=lag(cum,default = 0))　 # 新增一列cum，值为对应a值逐个叠加，新增加一列low，对应的是同一行的cum的上一个值，开始值是0. ggplot(df_tmp3,aes(id,cum))+ #  geom_step(colour="grey50")+ 是梯线   geom_crossbar(aes(ymin=low,ymax=cum),                 size=0,                 fill="skyblue",                 colour="grey50", # 边框颜色                 width=1)+   scale_x_continuous(breaks = 1:10,                      labels = LETTERS[1:10]) #geom_crossbar(): 空心柱，上下两条线分别代表ymax、ymin

漏斗图

漏斗图的数据分布在图形中间，用coord_flip()转换方向，可以看到不同组的最大，最小值的差异

df_tmp4% select(1:3) %>%   arrange(a) %>%   mutate(new_id=1:10,          ymin = (1-a)/2,          ymax = a+(1-a)/2,          mid = 0.5) # 新增四列，new_id,ymin,ymax和min列 ggplot(df_tmp4,aes(new_id,mid))+   #  geom_step(colour="grey50")+   geom_crossbar(aes(ymin=ymin,ymax=ymax),                 size=0,                 fill="skyblue",                 colour="grey50",                 width=1)+   scale_x_continuous(breaks = 1:10,                      labels = df_tmp4$var)+   coord_flip() # 整个图形逆时针转90度 # geom_crossbar()空心柱 ggplot(df_tmp4,aes(new_id,mid))+   geom_linerange(aes(ymin=ymin,ymax=ymax,                      colour=factor(new_id)),                 size=15,                 alpha=0.5,show.legend = F)+   scale_x_continuous(breaks = 1:10,                      labels = df_tmp4$var)+   coord_flip()

原文章来源链接：https://brucezhaor.github.io/blog/2016/06/13/excel2ggplot/ 原文章作者：BruceZhaoR(RStats, interested in Statistics Models, Machine/Deep Learning, Data visualization, High Performance Computing ...) 作者主页：https://github.com/BruceZhaoR