是Excel的圖，不！是R的圖

原文章來源連結：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 。。。）作者主頁：https：//github。com/BruceZhaoR

excel作為一個強大的統計工具，自身包含著一部分資料視覺化的功能。R作為視覺化的大勢，自然也可以畫出這些圖，有一篇就透過

ggplot2包

進行了部分總結，甚是有趣，小編復刻學習了一番，現對程式碼做簡單註釋，以作分享。

關於excel，ppt，你還可以get

Excel改變了你的基因名，30% 相關Nature文章受影響，NCBI也受波及

推薦 3 個超讚的 EXCEL 外掛，讓你 5 分鐘從小白變大神

你和PPT高手之間，就只差一個iSlide

載入所需工具包

library（ggplot2） #作圖包library（dplyr） #資料轉換包library（tidyr） #資料轉換包library（splines） #資料差值包

ggplot2的基本概念

資料data/對映美學asethetics/幾何物件geometries/分面facets/統計statistics/座標系coordinates/主題themes

資料準備

set。seed（123） #設定隨機種子，保證做的圖和樣例一致樣df <- data。frame（ var=LETTERS［1：10］， #字母A-J id=1：10， #數字1-10 a=runif（10）， #10個隨機數 b=runif（10）， #10個隨機數 c=runif（10）， #10個隨機數 stringsAsFactors = F #不轉換為因子）print（df） #顯示資料

得到所需資料樣式（寬矩陣轉長矩陣）

df1<- df%>%gather（“item”，value，-1：-2）%>% bind_cols（data。frame（item_id=rep（1：3，each=10）））# 使用tidyr和dplyr包的gather函式進行資料樣式轉換，%>%是dplyr包的傳遞函式print（df1）

ggplot畫圖

ggplot2是圖層式繪圖，一層層新增修改，圖層需要指定資料集，資料集中的內容（ase資料），geom_圖形，stat統計轉換，position圖形位置

柱形圖——geom_bar，注意position引數

ggplot（df1，aes（var，value））+ geom_bar（aes（fill=item），stat = “identity”，position=“dodge”，width=0。8）+ labs（title=“柱形圖”） # geom_bar=stat_count，stat=identy接受兩個變數作圖，position預設引數是stack，position=“dodge”時，不同變數橫向排列ggplot（df1，aes（var，value））+ geom_bar（aes（fill=（item）），stat = “identity”，position=“stack”，width=0。8）+ labs（title=“堆積柱狀圖”）ggplot（df1，aes（var，value））+ geom_bar（aes（fill=item），stat = “identity”，position=“fill”，width=0。8）+ labs（title=“百分比堆積柱狀圖”）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（title=“三維柱形圖”） # 平面展示，（facet_grid）將三維圖平面展示

折線圖——geom_line

變數以點展示，然後連點成線

ggplot（df1，aes（id，value，colour=item））+ # 點 geom_line（）+ # 連線 scale_x_continuous（breaks = 1：10，labels = LETTERS［1：10］）+ #將X座標軸改為十等分並標以字母 labs（title=“折線圖”）ggplot（df1，aes（id，value，colour=item））+ geom_line（position=“stack”）+ scale_x_continuous（breaks = 1：10，labels = LETTERS［1：10］）+ labs（title=“堆積折線圖”）ggplot（df1，aes（id，value，colour=item））+ geom_line（position=“fill”）+ scale_x_continuous（breaks = 1：10，labels = LETTERS［1：10］）+ labs（title=“百分比堆積折線圖”）ggplot（df1，aes（id，value，colour=item））+ geom_line（）+ geom_point（）+ scale_x_continuous（breaks = 1：10，labels = LETTERS［1：10］）+ labs（title=“帶標記的折線圖”） #增加了散點圖geom_pointggplot（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（title=“帶標記的堆積折線圖”）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（title=“帶標記的百分比堆積折線圖”）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（title=“三維折線圖”） #用facet_grid平面展示，

餅圖

餅圖，將一般的柱圖進行直角座標軸到極座標軸的轉換（coord_polar（））

ggplot（df，aes（x=factor（1），a，fill=factor（var）））+ geom_bar（stat=“identity”，position=“fill”）+ coord_polar（theta=“y”）+ # 按Y軸極座標轉換 labs（title=“餅圖”）因為是在條形圖中對y軸進行極座標轉換，因此x軸長短需要一致，統一設為一個值，此處是x=factor（1）

複合餅圖和複合條餅圖

有巢狀類時，可以衍生一個圖形展現子類內容，下圖是一個demo，僅作為圖案參考樣式，還有許多需要改進的地方

df_tmp<-data。frame（x=1，y=1） #準備畫布所需資料base <- ggplot（df_tmp，aes（x，y））+ geom_blank（）+ theme_void（）+ xlim（c（0，2））+ ylim（c（0，2）） # 準備背景畫布base + annotation_custom（ grob = ggplotGrob（ ggplot（df，aes（x = “”，a，fill=factor（var）））+ # 註釋 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）+ # 圖左 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）+ # 圖右 annotate（“segment”，x=0。5，xend=1。5， y=0。69，yend=0。77）+ # 下線條 annotate（“segment”，x=0。5，xend=1。5， y=1。35，yend=1。28） # 上線條+ labs（title=“複合餅圖”）# 複合條餅圖base <- ggplot（df_tmp，aes（x，y））+geom_blank（）+theme_void（）+ xlim（c（0，2））+ylim（c（0，2）） # 背景畫布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（））， # 餅圖比條形圖多了一個極座標轉換 xmin =0，xmax=1， ymin=0。5，ymax = 1。5）+ # 左圖 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）+ # 右圖 annotate（“segment”，x=0。5，xend=1。24，y=0。64，yend=0。84）+ # 下線段 annotate（“segment”，x=0。5，xend=1。24，y=1。38，yend=1。18）+ # 上線段 labs（title=“複合條餅圖”）

圓環圖

一個圓環代表一個變數，顏色表示其屬性

ggplot（df1，aes（x = item，value，fill=var））+ geom_bar（stat=“identity”，position=“fill”，width=0。8，colour=“black”）+ coord_polar（theta=“y”）

其他圓形圖

用coord_polar作出的demo圖

demo1<-ggplot（df，aes（x = factor（1），a，fill=factor（var）））+ geom_bar（stat=“identity”，position=“dodge”）demo1 #柱形圖demo1+coord_polar（theta=“y”） # 按y軸極座標轉換demo1+coord_polar（theta=“x”） # 按X軸極座標轉換，此時x還可以等於vardemo2<-ggplot（df1，aes（x = id，value，fill=item））+ geom_bar（stat=“identity”，position=“fill”，width=0。8）demo2 # 百分比柱形圖demo2+coord_polar（theta=“x”） # 按x軸極座標轉換

條形圖

條形圖就是橫過來的柱形圖，用函式

coord_filp（）

處理逆時針旋轉90°

ggplot（df1，aes（var，value））+ geom_bar（aes（fill=item），stat = “identity”，position=“dodge”，width=0。8）+ labs（title=“條形圖”）+ coord_flip（） # 和柱形圖程式碼的唯一區別coord_flip（）ggplot（df1，aes（var，value））+ geom_bar（aes（fill=item），stat = “identity”，position=“stack”，width=0。8）+ labs（title=“堆積條形圖”）+ coord_flip（）ggplot（df1，aes（var，value））+ geom_bar（aes（fill=item），stat = “identity”，position=“fill”，width=0。8）+ labs（title=“百分比堆積條形圖”，fill=“”）+ coord_flip（）ggplot（df1，aes（var，value））+ geom_bar（aes（fill=item），stat = “identity”，position=“dodge”，width=0。8）+ labs（title=“三維百分比條形圖”，fill=“”）+ coord_flip（）+ facet_grid（。~item） # 水平方向分割，用多個分面展示多維

面積圖——geom_area

面積圖就是將折線圖下面的區域標註顏色，表示面積。

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（title=“面積圖”，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（title=“堆積面積圖”）+ # 區別堆積折線圖是少了`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（title=“百分比堆積面積圖”，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）+ # 區別於三維折線圖添加了`position=stack`，便於分割後更好觀察面積分布 labs（title=“三維百分比堆積面積圖”，fill=“”）+ scale_x_continuous（breaks = 1：10，labels = LETTERS［1：10］）+ facet_grid（item~。） # 按垂直水平分割

XY散點圖

需要注意的是確定X，Y軸以後，需要把對應的值賦到圖中

ggplot（df1，aes（var，value））+ geom_point（aes（colour=item））+ labs（title = “散點圖”）df1_a<-df1 %>% filter（item==“a”） %>% select（value） %>% unlist %>% spline（，1000） %>% as。data。frame（）df1_b<-df1 %>% filter（item==“b”） %>% select（value） %>% unlist %>% spline（，1000） %>% as。data。frame（）df1_c<-df1 %>% filter（item==“c”） %>% select（value） %>% unlist %>% spline（，1000） %>% as。data。frame（）# 分開獲得需要a，b，c的資料value，並被等分為1000份，用spline曲線連線，轉換為資料框格式df1_sp<-bind_rows（df1_a，df1_b，df1_c） %>% mutate（item=rep（letters［1：3］，each=1000）） # 新增1列itemggplot（）+ 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 = “帶平滑線和資料標記的散點圖”） # 點加線ggplot（df1，aes（id，value，colour=item））+ geom_point（）+ geom_line（）+ scale_x_continuous（breaks = 1：10，labels = LETTERS［1：10］）+ labs（title = “帶直線和點資料標記的散點圖”）ggplot（df1，aes（id，value，colour=item））+ geom_line（）+ scale_x_continuous（breaks = 1：10，labels = LETTERS［1：10］）+ labs（title = “帶直線的散點圖”） # 就是折線圖

氣泡圖

氣泡圖即點的大小表示數值大小的點圖

ggplot（df1，aes（id，value，colour=item））+ geom_point（aes（size=value））+ scale_x_continuous（breaks = 1：10，labels = LETTERS［1：10］）# `size=value`給點賦予數值大小屬性

股價圖

ggplot（df）+ geom_point（aes（Sys。Date（）-1：10，c））+ geom_linerange（aes（Sys。Date（）-1：10，ymin=a，ymax=b））+ labs（title=“已知盤高-盤低-收盤圖”）# `Sys。Date`返還任一日期時間，c是收盤量# `geom_linerange`是由a，b兩個物件的ymin和ymax定義的垂直區間線圖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（title=“已知開盤-盤高-盤低-收盤圖”）# 在已知盤高-盤底-收盤圖的基礎上加上`geom_crossbar`，這裡是連繫a的最小和c的最大值，# geom_crossbar（）： 空心柱，上中下三條線分別代表ymax，mean，yminggplot（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（title=“成交量-盤高-盤低-收盤圖”）# 點和線距圖是物件a的資料有盤高盤低，條形圖是關於物件b的圖，成交量# facet_grid（item~。，scale=“free”），垂直分割，且不同形式的圖表可以被分割出來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（title=“已知成交量-開盤-盤高-盤低-收盤圖”）# 在上一個圖的基礎上加了個`geom_crossbar`，篩選物件b作為開盤

曲面圖——geom_contour

三維圖形，下圖是對密度的一個二維密度估計

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（title=“曲面圖”）# binwidth設定組距，值越小畫得線越多，密度圖函式colour設定等高線顏色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（title=“曲面圖（框架圖）”）# 用不同顏色等高線畫框架圖，和上圖比增加了組距。

雷達圖

ggplot（df1，aes（id，value，colour=item））+ geom_bar（stat=“identity”， position=“dodge”， # 普通柱形圖 fill=“transparent”，# 填充透明度 size=1）+ coord_polar（）+ #極座標轉換 scale_x_continuous（breaks = 1：5，labels = LETTERS［1：5］）+ facet_wrap（~item，nrow=2）+ # 水平分割，分割後的圖呈兩行排列 labs（title=“雷達圖”）# 雷達圖就是極座標轉換後的普通柱形圖，加了透明背景框，相當於其他透明圖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（title=“帶資料標記的雷達圖”）# 在geom_bar的基礎上加上了以三個物件a，b，c，的值為點的點圖geom_pointggplot（df1，aes（id，value））+ geom_bar（aes（fill=item），stat=“identity”， position=“dodge”）+ # 以item項的值對映柱形圖的表達值 scale_x_continuous（breaks = 1：10，labels = LETTERS［1：10］）+ # x軸分成了十等份 coord_polar（）+ facet_wrap（~item，nrow=2）+ labs（title=“填充雷達圖”）

直方圖

直方圖是先把資料劃分區間，按從小到大的順序排列，並以柱狀圖的形式表現

ggplot（df1，aes（value））+ geom_histogram（bins=5，colour=“white”） # 對映value表達值，邊界框是白色# 排列圖（資料從小到大排列）df_tmp2<-df %>% select（1：3） %>% # 前三列 arrange（a） %>% #按列a的值從小到大排序 mutate（per = a/sum（a）） %>% # 增加per列，值為對應總數的比例 arrange（desc（a）） %>% # 重新按列a的值從達到小排列 mutate（new_id = 1：10）%>% # 增加new_id列 mutate（per = cumsum（per）） # 將per列的值按new_id的順序逐個疊加ggplot（df_tmp2）+ geom_bar（aes（new_id，a，fill=var），stat=“identity”）+ # fill=var新增圖例並按照圖例上色 geom_line（aes（new_id，per））+ scale_x_continuous（breaks = 1：10， labels = df_tmp2$var）# 令X軸的值為df_tmp2的var

箱型圖

箱型圖是用分位數表述資料的離散和集中趨勢

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）+ # 箱線圖的異常值設定，邊框為紅色，形狀為2指代的三角形，大小為5，引數coef指定了“須”的長度的極限值，預設值是1。5，表示兩條須的極限不會超過盒型各端加1。5倍四分位距的範圍，如果被置為0，條須的延長極限就會在資料集中元素的極限位置，圖中不會有任何離群點。geom_jitter（width = 0。1） # geom_jitter（）是geom_point（position=“jitter”）的簡稱，帶狀圖，一維散點圖。

瀑布圖

瀑布圖可表現圖形漲跌趨勢，後一個柱子和前一個柱子有增長和下降的關係。

df_tmp3 <- df %>%select（1：3）%>%mutate（cum=cumsum（a） ，low=lag（cum，default = 0））# 新增一列cum，值為對應a值逐個疊加，新增加一列low，對應的是同一行的cum的上一個值，開始值是0。ggplot（df_tmp3，aes（id，cum））+# geom_step（colour=“grey50”）+ 是梯線 geom_crossbar（aes（ymin=low，ymax=cum）， size=0， fill=“skyblue”， colour=“grey50”， # 邊框顏色 width=1）+ scale_x_continuous（breaks = 1：10， labels = LETTERS［1：10］） #geom_crossbar（）： 空心柱，上下兩條線分別代表ymax、ymin

漏斗圖

漏斗圖的資料分佈在圖形中間，用coord_flip（）轉換方向，可以看到不同組的最大，最小值的差異

df_tmp4<-df %>% 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$var）+ coord_flip（） # 整個圖形逆時針轉90度# geom_crossbar（）空心柱ggplot（df_tmp4，aes（new_id，mid））+ geom_linerange（aes（ymin=ymin，ymax=ymax， colour=factor（new_id））， size=15， alpha=0。5，show。legend = F）+ scale_x_continuous（breaks = 1：10， labels = df_tmp4$var）+ coord_flip（）