如何分析ggplot2树状图

如何分析ggplot2树状图，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

成都创新互联公司是一家专业提供肇庆企业网站建设,专注与成都网站设计、网站制作、H5网站设计、小程序制作等业务。10年已为肇庆众多企业、政府机构等服务。创新互联专业网站制作公司优惠进行中。

2017年8月份的R语言更新包中，默默地加入了支持ggplot2树状图的新几何对象，从此在R语言中制作树状图，不用再求助于第三方包的辅助了。

该包既有Cran上的正式发行版，也有托管在GitHub上的开发版，安装方式如下：

CRAN:

install.package("treemapify")

Github:

devtools::install_github("wilkox/treemapify")

GitHub主页：

https://github.com/wilkox/treemapify

载入本文章所需的扩展包：

library("ggplot2")

library("treemapify")

library("tweenr")

library("gganimate")

library("RColorBrewer")

安装该包之后，你的ggplot2中会多出一个树状图几何对象——geom_treemap()。

实际上我曾经分享过一个树状图案例，但是是使用第三方辅助包制作，一直在等ggplot2出树状图图层。

R语言数据可视化之——TreeMap

本次案例使用该(treemapify)包内的内置数据集：

预览一下数据集结构：

str(G20)

head(G20)

该数据集描述20峰会参会国家的经济指标，里面包含了五个字段，分别是全球的大区（region）、国家名称（country）、GDP指标（gdp_mil_usd）（应该是二次计算的某种指标），人类发展指数（hdi），已经经济发展程度（econ_classification）。

字段名称               类型

region                 因子型

country                因子型

gdp_mil_usd        数值型（整数）

hdi                        数值型（浮点）

econ_classification    因子型

树状图是没有显式坐标系统的一类特殊图形，依靠正方化算法，将样本总体正方形按照实际观测值占总体比例分割成单个矩形方块。因而其至少需要一个数值型变量作为输入参数。

一个简单的树状图：

ggplot(G20, aes(area = gdp_mil_usd)) + 

  geom_treemap()

因为area仅仅是定义了一个数值型变量的方块大小，填充颜色是可以单独定义的。但是颜色往往也可以单独作为一个数值型度量的表达方式。

ggplot(G20, aes(area = gdp_mil_usd)) + 

  geom_treemap(fill="steelblue")

ggplot(G20, aes(area = gdp_mil_usd, fill = hdi)) + 

  geom_treemap()+

  scale_fill_distiller(palette="Greens")

添加标签：

包作者针对ggplot树状图写了优化好的文本 标签函数geom_treemap_text(刚开始就说过树状图超越了传统三大坐标系的范畴，没有显式声明的坐标系统，算法比较特殊因而无法使用常规的geom_text()进行添加标签)。

ggplot(G20, aes(area = gdp_mil_usd, fill = hdi, label = country)) +

  geom_treemap() +

  geom_treemap_text(fontface = "italic", colour = "red", place = "centre",grow = TRUE,alpha=.6)+

  scale_fill_distiller(palette="Greens")

其中place参数控制每一个方块中标签相对于四周的位置，grow则控制标签是否与方块大小自适应（呈大致比例放大缩小）

次级分组（亚群）：

该包支持次级分组（专业术语叫做亚群），这在实际应用场景中非常广泛，比如我们在观察国家指标大小的同时，还想获取国家所属大区的总体指标，通过加入次级分组，我们可以获取两个维度信息。通过在美学映射中设置subgroup参数（一个类别型变量），函数内部可以自动完成亚群的变量聚合计算，并在图形成用框线显示出次级类别大小的规模。

ggplot(G20, aes(area = gdp_mil_usd, fill = hdi, label = country,subgroup = region)) +

  geom_treemap() +

  geom_treemap_subgroup_border() +

  geom_treemap_subgroup_text(place = "centre", grow = T, alpha = 0.5, colour ="black", fontface = "italic", min.size = 0) +

  geom_treemap_text(colour = "red", place = "topleft", reflow = T,alpha=.5)+

  scale_fill_distiller(palette="Greens")

其中reflow参数用于控制标签是否自适应矩形块大小，若按照原始大小超过矩形块，则会自动换行显示。

分面系统：

当你觉得使用次级分组不能获得一个很好地视觉呈现效果，geom_treemap还支持ggplot函数中的fact_grid分面参数，这就是所有ggplot2扩展函数的好处，可以继承源自于ggplot2的高级图形属性。

ggplot(G20, aes(area = gdp_mil_usd, fill = region, label = country)) +

  geom_treemap() +

  geom_treemap_text(grow = T, reflow = T, colour = "black") +

  facet_wrap( ~ econ_classification) +

  scale_fill_brewer(palette="Blues")+

  labs(

 title = "The G-20 major economies",

caption = "The area of each country is proportional to its relative GDP within the economic group (advanced or developing)",

 fill = "Region" )+

theme(legend.position = "bottom",

plot.caption=element_text(hjust=0)) 

GIF动画流：

借助tweened包提供的差值方法，你可以实现将不同时间点的截面数据进行追加，并且编组成gganimate函数可识别的动画帧组，通过tweenlength、statelength和nframes 参数来控制变化的长度、每一帧停留的时间以及切换的帧数。

G20_alt <- G20

G20_alt$gdp_mil_usd <- sample(G20$gdp_mil_usd, nrow(G20))

G20_alt$hdi <- sample(G20$hdi, nrow(G20))

tweened <- tween_states(list(G20,G20_alt,G20), tweenlength = 8, statelength = 5, ease = 'cubic-in-out', nframes = 30)

animated_plot <- ggplot(tweened, aes(area = gdp_mil_usd, fill = hdi,label = country, subgroup = region,frame = .frame)) +

  geom_treemap(fixed = T) +

  geom_treemap_subgroup_border(fixed = T) +

  geom_treemap_subgroup_text(place = "centre", grow = T, alpha = 0.5,colour = "black", fontface = "italic", min.size = 0,fixed = T) +

  geom_treemap_text(colour = "white", place = "topleft", reflow = T, fixed = T)+

  scale_fill_distiller(palette="Greens")

ani.options(interval = 1/10)

gganimate(animated_plot, "E:/animated_treemap.gif", title_frame = F,ani.width = 1000, ani.height = 800)

treemapify包给ggplot2提供的geom_treemap()，填补了ggplot2原生几何对象在树状图领域的空白，可谓是进一步扩展、丰富ggplot2生态系统。

关于如何分析ggplot2树状图问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注创新互联行业资讯频道了解更多相关知识。