[R语言] 基于R语言实现环状条形图的绘制
环状条形图(Circular barplot)是条形图的变体，图如其名，环状条形图在视觉上很吸引人，但也必须小心使用，因为环状条形图使用的是极坐标系而不是笛卡尔坐标系，每一个类别不共享相同的Y轴。环状条形图非常适合于周期性数据，本文主要介绍基于R语言实现环状条形图的绘制。本文主要参考链接:Circular barplot
R语言的环状条形图主要基于tidyverse包实现，tidyverse是一组R包的集合，这些R包共享共同的原理并旨在无缝地协同工作，具体介绍见：
tidyverse
安装命令如下：
install.packages(“tidyverse”)
本文所有代码见：R-Study-Notes
文章目录
1 基础环状条形图绘制 Basic circular barplot
1.1 最基础环状条形图的绘制 Most basic circular barplot
环状条形图就是条形图，只不过环状条形图沿圆形而不是直线显示。
输入数据集与条形图的输入数据集相同：每个组需要一个数值（一个组=一个条形图）。（请参阅条形图部分的更多说明）。
基本上，这个方法和做一个经典的条形图是一样的。最后，我们调用coord_polar()使整个坐标系变为极坐标系，这样会使得图表呈圆形。注意，ylim()参数非常重要。如果它从0开始，这些条将从圆的中心开始。如果您提供负值，将出现一个白色的圆圈空格！此外会用到rep函数，具体介绍见R中rep函数的使用
# Libraries
# 导入包
library(tidyverse)
# Create dataset
# 创建数据
data <- data.frame(
id=seq(1,60),
individual=paste( "Mister ", seq(1,60), sep=""),
value=sample( seq(10,100), 60, replace=T)
)
head(data)
| id | individual | value |
|---|---|---|
| <int> | <fct> | <int> |
| 1 | Mister 1 | 44 |
| 2 | Mister 2 | 79 |
| 3 | Mister 3 | 81 |
| 4 | Mister 4 | 62 |
| 5 | Mister 5 | 91 |
| 6 | Mister 6 | 50 |
# Make the plot
# 画图
p <- ggplot(data, aes(x=as.factor(id), y=value)) +
# This add the bars with a blue color
# 添加蓝色条形，stat表示数据统计方式，也就是说identity提取横坐标x对应的y值
geom_bar(stat="identity", fill=alpha("blue", 0.3)) +
# The negative value controls the size of the inner circle, the positive one is useful to add size over each bar
# 设置y的范围，负值设定内圆的大小，正值设定各个条柱的最高高度
ylim(-100,120)+
# theme_minimal简约主题
theme_minimal() +
# Custom the theme: no axis title and no cartesian grid
# 自定义主题
theme(
# 移除标题坐标文字
axis.text = element_blank(),
axis.title = element_blank(),
# 移除网格
panel.grid = element_blank(),
# This remove unnecessary margin around plot
# 移除不必要空白
plot.margin = unit(rep(-2,4), "cm"))+
# This makes the coordinate polar instead of cartesian.
# 使用极坐标系
coord_polar(start = 0)
p
1.2 给环状条形图添加标签 Add labels to circular barplot
上节说明了如何制作基本的环状条形图。下一步是在每个条上添加标签，以便深入了解图形。这里我建议一种方法，在每个条的顶部添加标签，使用与条中心部分相同的角度。在下面的代码中，有一小段创建了一个带有每个标签特性的数据帧，然后我们可以在geom_text（）中调用它。
请注意，为了让标签的更好阅读，这就需要将其中一些标签翻转180度。
首先添加数据
# Libraries
library(tidyverse)
# Create dataset
# 创建数据
data <- data.frame(
id=seq(1,60),
individual=paste( "Mister ", seq(1,60), sep=""),
value=sample( seq(10,100), 60, replace=T)
)
# ----- This section prepare a dataframe for labels ---- #
# 准备数据标签
# Get the name and the y position of each label
label_data <- data
# calculate the ANGLE of the labels
# 计算标签角度
number_of_bar <- nrow(label_data)
number_of_bar
# I substract 0.5 because the letter must have the angle of the center of the bars. Not extreme right(1) or extreme left (0)
# 减去0.5是为了让标签位于条柱中心
# angle是标签角度
angle <- 90 - 360 * (label_data$id-0.5) /number_of_bar
# calculate the alignment of labels: right or left
# If I am on the left part of the plot, my labels have currently an angle < -90
# 判断标签左对齐还是右对齐，也就是标签是朝向左边还是右边
label_data$hjust<-ifelse( angle < -90, 1, 0)
# flip angle BY to make them readable
# 翻转标签
label_data$angle<-ifelse(angle < -90, angle+180, angle)
# ----- ------------------------------------------- ---- #
head(label_data)
60
| id | individual | value | hjust | angle |
|---|---|---|---|---|
| <int> | <fct> | <int> | <dbl> | <dbl> |
| 1 | Mister 1 | 86 | 0 | 87 |
| 2 | Mister 2 | 81 | 0 | 81 |
| 3 | Mister 3 | 27 | 0 | 75 |
| 4 | Mister 4 | 48 | 0 | 69 |
| 5 | Mister 5 | 57 | 0 | 63 |
| 6 | Mister 6 | 49 | 0 | 57 |
开始绘图
# Start the plot
# 开始绘图
p <- ggplot(data, aes(x=as.factor(id), y=value)) +
# This add the bars with a bskyblue color
# 添加蓝色条形，stat表示数据统计方式，也就是说identity提取横坐标x对应的y值
geom_bar(stat="identity", fill=alpha("skyblue", 0.7)) +
# The negative value controls the size of the inner circle, the positive one is useful to add size over each bar
# 设置y的范围，负值设定内圆的大小，正值设定各个条柱的最高高度
ylim(-100,120)+
# theme_minimal简约主题
theme_minimal() +
# Custom the theme: no axis title and no cartesian grid
# 自定义主题
theme(
# 移除标题坐标文字
axis.text = element_blank(),
axis.title = element_blank(),
# 移除网格
panel.grid = element_blank(),
# This remove unnecessary margin around plot
# 移除不必要空白
plot.margin = unit(rep(-2,4), "cm"))+
# This makes the coordinate polar instead of
# 设置极坐标系
coord_polar(start = 0) +
# Add the labels, using the label_data dataframe that we have created before
# 添加标签
geom_text(data=label_data, aes(x=id, y=value+10, label=individual, hjust=hjust), color="black", fontface="bold",alpha=0.6, size=2.5, angle= label_data$angle, inherit.aes = FALSE )
p
2 分组环状条形图 Circular barplot with groups
2.1 在圆中添加间隙 Add a gap in the circle
本节主要介绍在圆中添加间隙，其实大部分操作和上一节一样，只是在初始数据帧的末尾添加了几行空行就能添加间隙
添加数据
# library
library(tidyverse)
# Create dataset
# 添加数据
data <- data.frame(
individual=paste( "Mister ", seq(1,60), sep=""),
value=sample( seq(10,100), 60, replace=T)
)
# Set a number of 'empty bar'
# 设置空白柱的个数
empty_bar <- 10
# 在原始数据中添加空白数据
# Add lines to the initial dataset
to_add <- matrix(NA, empty_bar, ncol(data))
colnames(to_add) <- colnames(data)
data <- rbind(data, to_add)
data$id <- seq(1, nrow(data))
# Get the name and the y position of each label
# 和上一步一样，获得标签角度信息
label_data <- data
number_of_bar <- nrow(label_data)
angle <- 90 - 360 * (label_data$id-0.5) /number_of_bar
label_data$hjust <- ifelse( angle < -90, 1, 0)
label_data$angle <- ifelse(angle < -90, angle+180, angle)
head(label_data)
| individual | value | id | hjust | angle |
|---|---|---|---|---|
| <fct> | <int> | <int> | <dbl> | <dbl> |
| Mister 1 | 18 | 1 | 0 | 87.42857 |
| Mister 2 | 55 | 2 | 0 | 82.28571 |
| Mister 3 | 69 | 3 | 0 | 77.14286 |
| Mister 4 | 36 | 4 | 0 | 72.00000 |
| Mister 5 | 46 | 5 | 0 | 66.85714 |
| Mister 6 | 82 | 6 | 0 | 61.71429 |
绘图
# Make the plot
# 绘图
p <- ggplot(data, aes(x=as.factor(id), y=value)) + # Note that id is a factor. If x is numeric, there is some space between the first bar
geom_bar(stat="identity", fill=alpha("green", 0.3)) +
ylim(-100,120) +
theme_minimal() +
theme(
axis.text = element_blank(),
axis.title = element_blank(),
panel.grid = element_blank(),
plot.margin = unit(rep(-1,4), "cm")
) +
coord_polar(start = 0) +
geom_text(data=label_data, aes(x=id, y=value+10, label=individual, hjust=hjust), color="black", fontface="bold",alpha=0.6, size=2.5, angle= label_data$angle, inherit.aes = FALSE )
p;
Warning message:
"Removed 10 rows containing missing values (position_stack)."
Warning message:
"Removed 10 rows containing missing values (geom_text)."
2.2 组间距设置 Space between groups
组间距就是在各个组之间添加若干个空白柱，本节代码会用到R语言管道，具体介绍R语言中的管道%>%
首先创建一个空白数组
# library
library(tidyverse)
# Create dataset
# 创建数据集
data <- data.frame(
individual=paste( "Mister ", seq(1,60), sep=""),
group=c( rep('A', 10), rep('B', 30), rep('C', 14), rep('D', 6)) ,
value=sample( seq(10,100), 60, replace=T)
)
# Set a number of 'empty bar' to add at the end of each group
# 在原始数据中添加空白数据
# empty_bar 表示组之间的空白距离
empty_bar <- 4
# 每一组之间4个空白
to_add <- data.frame( matrix(NA, empty_bar*nlevels(data$group), ncol(data)) )
colnames(to_add) <- colnames(data)
# 为每个空白值提供组信息，rep函数的意思就是复制值，levels(data$group)为复制的对象，each为复制的次数
to_add$group <- rep(levels(data$group), each=empty_bar)
head(to_add)
| individual | group | value |
|---|---|---|
| <lgl> | <chr> | <lgl> |
| NA | A | NA |
| NA | A | NA |
| NA | A | NA |
| NA | A | NA |
| NA | B | NA |
| NA | B | NA |
然后将空白数组与原始数据绑定
colnames(to_add) <- colnames(data)
to_add$group <- rep(levels(data$group), each=empty_bar)
data <- rbind(data, to_add)
# 管道操作类似 data<-arrange(data,data$group)
data <- data %>% arrange(group)
# 设置id
data$id <- seq(1, nrow(data))
head(data)
| individual | group | value | id |
|---|---|---|---|
| <fct> | <fct> | <int> | <int> |
| Mister 1 | A | 79 | 1 |
| Mister 2 | A | 20 | 2 |
| Mister 3 | A | 67 | 3 |
| Mister 4 | A | 47 | 4 |
| Mister 5 | A | 78 | 5 |
| Mister 6 | A | 50 | 6 |
绘图
# Get the name and the y position of each label
# 设定角度值
label_data <- data
number_of_bar <- nrow(label_data)
angle <- 90 - 360 * (label_data$id-0.5) /number_of_bar
label_data$hjust <- ifelse( angle < -90, 1, 0)
label_data$angle <- ifelse(angle < -90, angle+180, angle)
# Make the plot
# fill 按组填充颜色
p <- ggplot(data, aes(x=as.factor(id), y=value, fill=group)) +
geom_bar(stat="identity", alpha=0.5) +
ylim(-100,120) +
theme_minimal() +
theme(
legend.position = "none",
axis.text = element_blank(),
axis.title = element_blank(),
panel.grid = element_blank(),
plot.margin = unit(rep(-1,4), "cm")
) +
coord_polar() +
geom_text(data=label_data, aes(x=id, y=value+10, label=individual, hjust=hjust), color="black", fontface="bold",alpha=0.6, size=2.5, angle= label_data$angle, inherit.aes = FALSE )
p
Warning message:
"Removed 16 rows containing missing values (position_stack)."
Warning message:
"Removed 16 rows containing missing values (geom_text)."
2.3 对柱状进行排序 Order bars
在这里，观察结果是按每个组内的条形高度排序的。如果您的目标是了解组内和组间的最高/最低观察值是什么，那么这将非常有用。在上一节中修改一行代码即可：
# data = data %>% arrange(group)
# 修改为
data = data %>% arrange(group, value)
# library
library(tidyverse)
# Create dataset
# 创建数据集
data <- data.frame(
individual=paste( "Mister ", seq(1,60), sep=""),
group=c( rep('A', 10), rep('B', 30), rep('C', 14), rep('D', 6)) ,
value=sample( seq(10,100), 60, replace=T)
)
# Set a number of 'empty bar' to add at the end of each group
# 在原始数据中添加空白数据
# empty_bar 表示组之间的空白距离
empty_bar <- 4
# 每一组之间4个空白
to_add <- data.frame( matrix(NA, empty_bar*nlevels(data$group), ncol(data)) )
colnames(to_add) <- colnames(data)
# 为每个空白值提供组信息，rep函数的意思就是复制值，levels(data$group)为复制的对象，each为复制的次数
to_add$group <- rep(levels(data$group), each=empty_bar)
head(to_add)
colnames(to_add) <- colnames(data)
to_add$group <- rep(levels(data$group), each=empty_bar)
data <- rbind(data, to_add)
# 管道操作类似 data<-arrange(data,data$group)
data <- data %>% arrange(group, value)
# 设置id
data$id <- seq(1, nrow(data))
head(data)
# Get the name and the y position of each label
# 设定角度值
label_data <- data
number_of_bar <- nrow(label_data)
angle <- 90 - 360 * (label_data$id-0.5) /number_of_bar
label_data$hjust <- ifelse( angle < -90, 1, 0)
label_data$angle <- ifelse(angle < -90, angle+180, angle)
# Make the plot
# fill 按组填充颜色
p <- ggplot(data, aes(x=as.factor(id), y=value, fill=group)) +
geom_bar(stat="identity", alpha=0.5) +
ylim(-100,120) +
theme_minimal() +
theme(
legend.position = "none",
axis.text = element_blank(),
axis.title = element_blank(),
panel.grid = element_blank(),
plot.margin = unit(rep(-1,4), "cm")
) +
coord_polar() +
geom_text(data=label_data, aes(x=id, y=value+10, label=individual, hjust=hjust), color="black", fontface="bold",alpha=0.6, size=2.5, angle= label_data$angle, inherit.aes = FALSE )
p
| individual | group | value |
|---|---|---|
| <lgl> | <chr> | <lgl> |
| NA | A | NA |
| NA | A | NA |
| NA | A | NA |
| NA | A | NA |
| NA | B | NA |
| NA | B | NA |
| individual | group | value | id |
|---|---|---|---|
| <fct> | <fct> | <int> | <int> |
| Mister 1 | A | 20 | 1 |
| Mister 10 | A | 20 | 2 |
| Mister 7 | A | 24 | 3 |
| Mister 4 | A | 30 | 4 |
| Mister 3 | A | 49 | 5 |
| Mister 8 | A | 64 | 6 |
Warning message:
"Removed 16 rows containing missing values (position_stack)."
Warning message:
"Removed 16 rows containing missing values (geom_text)."
2.4 环状条形图自定义 Circular barchart customization
最后是，在图表中添加一些自定义项是非常明智的。这里我们添加组名（A、B、C和D），并添加一个刻度来帮助比较条形图的大小。代码有点长，但结果看来是值得的！
首先准备数据
# library
library(tidyverse)
# Create dataset
data <- data.frame(
individual=paste( "Mister ", seq(1,60), sep=""),
group=c( rep('A', 10), rep('B', 30), rep('C', 14), rep('D', 6)) ,
value=sample( seq(10,100), 60, replace=T)
)
# Set a number of 'empty bar' to add at the end of each group
empty_bar <- 3
to_add <- data.frame( matrix(NA, empty_bar*nlevels(data$group), ncol(data)) )
colnames(to_add) <- colnames(data)
to_add$group <- rep(levels(data$group), each=empty_bar)
data <- rbind(data, to_add)
data <- data %>% arrange(group)
data$id <- seq(1, nrow(data))
# Get the name and the y position of each label
label_data <- data
number_of_bar <- nrow(label_data)
angle <- 90 - 360 * (label_data$id-0.5) /number_of_bar
label_data$hjust <- ifelse( angle < -90, 1, 0)
label_data$angle <- ifelse(angle < -90, angle+180, angle)
head(label_data)
| individual | group | value | id | hjust | angle |
|---|---|---|---|---|---|
| <fct> | <fct> | <int> | <int> | <dbl> | <dbl> |
| Mister 1 | A | 38 | 1 | 0 | 87.5 |
| Mister 2 | A | 24 | 2 | 0 | 82.5 |
| Mister 3 | A | 72 | 3 | 0 | 77.5 |
| Mister 4 | A | 47 | 4 | 0 | 72.5 |
| Mister 5 | A | 96 | 5 | 0 | 67.5 |
| Mister 6 | A | 86 | 6 | 0 | 62.5 |
然后设置abcd刻度线信息
# prepare a data frame for base lines
base_data <- data %>%
group_by(group) %>%
summarize(start=min(id), end=max(id) - empty_bar) %>%
rowwise() %>%
mutate(title=mean(c(start, end)))
head(base_data)
| group | start | end | title |
|---|---|---|---|
| <fct> | <int> | <dbl> | <dbl> |
| A | 1 | 10 | 5.5 |
| B | 14 | 43 | 28.5 |
| C | 47 | 60 | 53.5 |
| D | 64 | 69 | 66.5 |
接着设置各组之间的间隔条
# prepare a data frame for grid (scales)
grid_data <- base_data
grid_data$end <- grid_data$end[ c( nrow(grid_data), 1:nrow(grid_data)-1)] + 1
grid_data$start <- grid_data$start - 1
grid_data <- grid_data[-1,]
grid_data
| group | start | end | title |
|---|---|---|---|
| <fct> | <dbl> | <dbl> | <dbl> |
| B | 13 | 11 | 28.5 |
| C | 46 | 44 | 53.5 |
| D | 63 | 61 | 66.5 |
最后就是绘图
# Make the plot
p <- ggplot(data, aes(x=as.factor(id), y=value, fill=group)) +
# 添加条形图
geom_bar(aes(x=as.factor(id), y=value, fill=group), stat="identity", alpha=0.5) +
# 添加各组之间的线条，可以注释
geom_segment(data=grid_data, aes(x = end, y = 80, xend = start, yend = 80), colour = "grey", alpha=1, size=0.3 , inherit.aes = FALSE ) +
geom_segment(data=grid_data, aes(x = end, y = 60, xend = start, yend = 60), colour = "grey", alpha=1, size=0.3 , inherit.aes = FALSE ) +
geom_segment(data=grid_data, aes(x = end, y = 40, xend = start, yend = 40), colour = "grey", alpha=1, size=0.3 , inherit.aes = FALSE ) +
geom_segment(data=grid_data, aes(x = end, y = 20, xend = start, yend = 20), colour = "grey", alpha=1, size=0.3 , inherit.aes = FALSE ) +
# Add text showing the value of each 100/75/50/25 lines，设置值坐标，可以注释
annotate("text", x = rep(max(data$id),4), y = c(20, 40, 60, 80), label = c("20", "40", "60", "80") , color="grey", size=3 , angle=0, fontface="bold", hjust=1) +
# 和前面一样
ylim(-100,120) +
theme_minimal() +
theme(
legend.position = "none",
axis.text = element_blank(),
axis.title = element_blank(),
panel.grid = element_blank(),
plot.margin = unit(rep(-1,4), "cm")
) +
coord_polar() +
geom_text(data=label_data, aes(x=id, y=value+10, label=individual, hjust=hjust), color="black", fontface="bold",alpha=0.6, size=2.5, angle= label_data$angle, inherit.aes = FALSE ) +
# Add base line information
# 添加下划线
geom_segment(data=base_data, aes(x = start, y = -5, xend = end, yend = -5), colour = "black", alpha=0.8, size=0.6 , inherit.aes = FALSE ) +
# 添加各组的名字
geom_text(data=base_data, aes(x = title, y = -18, label=group), hjust=c(1,1,0,0), colour = "black", alpha=0.8, size=4, fontface="bold", inherit.aes = FALSE)
p
Warning message:
"Removed 12 rows containing missing values (position_stack)."
Warning message:
"Removed 12 rows containing missing values (geom_text)."
3 堆积环状条形图 Circular stacked barplot
本节旨在教你如何制作分组堆积的环状条形图。我强烈建议在深入研究这个代码之前先阅读前面的代码。本节会用到gather函数来处理数据，gather函数类似excel中的透视表，将数据压平。具体使用见
R语言 tidyr包的三个重要函数：gather，spread，separate的用法和举例
该段代码和前面不同在于数据创建以及创建各组之间的间距条
首先创建数据集
# library
library(tidyverse)
library(viridis)
# Create dataset
# 创建数据集
data <- data.frame(
individual=paste( "Mister ", seq(1,60), sep=""),
group=c( rep('A', 10), rep('B', 30), rep('C', 14), rep('D', 6)) ,
value1=sample( seq(10,100), 60, replace=T),
value2=sample( seq(10,100), 60, replace=T),
value3=sample( seq(10,100), 60, replace=T)
)
head(data)
| individual | group | value1 | value2 | value3 |
|---|---|---|---|---|
| <fct> | <fct> | <int> | <int> | <int> |
| Mister 1 | A | 44 | 70 | 62 |
| Mister 2 | A | 86 | 75 | 31 |
| Mister 3 | A | 18 | 56 | 61 |
| Mister 4 | A | 20 | 64 | 99 |
| Mister 5 | A | 62 | 66 | 44 |
| Mister 6 | A | 43 | 50 | 31 |
转换数据
# Transform data in a tidy format (long format)
# key表示观察的变量就是value1,value2,value3;value代表值,-c(1,2)表示不对第一列和第二列进行转换
data <- data %>% gather(key = "observation", value="value", -c(1,2))
head(data)
dim(data)
| individual | group | observation | value |
|---|---|---|---|
| <fct> | <fct> | <chr> | <int> |
| Mister 1 | A | value1 | 44 |
| Mister 2 | A | value1 | 86 |
| Mister 3 | A | value1 | 18 |
| Mister 4 | A | value1 | 20 |
| Mister 5 | A | value1 | 62 |
| Mister 6 | A | value1 | 43 |
- 180
- 4
设置一系列绘图指标
# Set a number of 'empty bar' to add at the end of each group
empty_bar <- 2
nObsType <- nlevels(as.factor(data$observation))
to_add <- data.frame( matrix(NA, empty_bar*nlevels(data$group)*nObsType, ncol(data)) )
colnames(to_add) <- colnames(data)
to_add$group <- rep(levels(data$group), each=empty_bar*nObsType )
data <- rbind(data, to_add)
data <- data %>% arrange(group, individual)
data$id <- rep( seq(1, nrow(data)/nObsType) , each=nObsType)
# Get the name and the y position of each label
label_data <- data %>% group_by(id, individual) %>% summarize(tot=sum(value))
number_of_bar <- nrow(label_data)
angle <- 90 - 360 * (label_data$id-0.5) /number_of_bar
label_data$hjust <- ifelse( angle < -90, 1, 0)
label_data$angle <- ifelse(angle < -90, angle+180, angle)
# prepare a data frame for base lines
base_data <- data %>%
group_by(group) %>%
summarize(start=min(id), end=max(id) - empty_bar) %>%
rowwise() %>%
mutate(title=mean(c(start, end)))
# prepare a data frame for grid (scales)
grid_data <- base_data
grid_data$end <- grid_data$end[ c( nrow(grid_data), 1:nrow(grid_data)-1)] + 1
grid_data$start <- grid_data$start - 1
grid_data <- grid_data[-1,]
Warning message:
"Factor `individual` contains implicit NA, consider using `forcats::fct_explicit_na`"
绘图
# Make the plot
p <- ggplot(data) +
# Add the stacked bar
geom_bar(aes(x=as.factor(id), y=value, fill=observation), stat="identity", alpha=0.5) +
scale_fill_viridis(discrete=TRUE) +
# Add a val=100/75/50/25 lines. I do it at the beginning to make sur barplots are OVER it.
geom_segment(data=grid_data, aes(x = end, y = 0, xend = start, yend = 0), colour = "grey", alpha=1, size=0.3 , inherit.aes = FALSE ) +
geom_segment(data=grid_data, aes(x = end, y = 50, xend = start, yend = 50), colour = "grey", alpha=1, size=0.3 , inherit.aes = FALSE ) +
geom_segment(data=grid_data, aes(x = end, y = 100, xend = start, yend = 100), colour = "grey", alpha=1, size=0.3 , inherit.aes = FALSE ) +
geom_segment(data=grid_data, aes(x = end, y = 150, xend = start, yend = 150), colour = "grey", alpha=1, size=0.3 , inherit.aes = FALSE ) +
geom_segment(data=grid_data, aes(x = end, y = 200, xend = start, yend = 200), colour = "grey", alpha=1, size=0.3 , inherit.aes = FALSE ) +
# Add text showing the value of each 100/75/50/25 lines
ggplot2::annotate("text", x = rep(max(data$id),5), y = c(0, 50, 100, 150, 200), label = c("0", "50", "100", "150", "200") , color="grey", size=6 , angle=0, fontface="bold", hjust=1) +
ylim(-150,max(label_data$tot, na.rm=T)) +
theme_minimal() +
theme(
legend.position = "none",
axis.text = element_blank(),
axis.title = element_blank(),
panel.grid = element_blank(),
plot.margin = unit(rep(-1,4), "cm")
) +
coord_polar() +
# Add labels on top of each bar
geom_text(data=label_data, aes(x=id, y=tot+10, label=individual, hjust=hjust), color="black", fontface="bold",alpha=0.6, size=5, angle= label_data$angle, inherit.aes = FALSE ) +
# Add base line information
geom_segment(data=base_data, aes(x = start, y = -5, xend = end, yend = -5), colour = "black", alpha=0.8, size=0.6 , inherit.aes = FALSE ) +
geom_text(data=base_data, aes(x = title, y = -18, label=group), hjust=c(1,1,0,0), colour = "black", alpha=0.8, size=4, fontface="bold", inherit.aes = FALSE)
p
# 保存数据 Save at png
ggsave(p, file="output.png", width=10, height=10)
Warning message:
"Removed 24 rows containing missing values (position_stack)."
Warning message:
"Removed 9 rows containing missing values (geom_text)."
Warning message:
"Removed 24 rows containing missing values (position_stack)."
Warning message:
"Removed 9 rows containing missing values (geom_text)."
4 参考
[R语言] 基于R语言实现环状条形图的绘制的更多相关文章
- [R语言] 基于R语言实现树形图的绘制
树状图(或树形图)是一种网络结构.它由一个根节点组成,根节点产生由边或分支连接的多个节点.层次结构的最后一个节点称为叶.本文主要基于R语言实现树形图的绘制.关于python实现树形图的绘制见:基于ma ...
- 《R语言入门》语言及环境简单介绍
简单介绍 watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/diss ...
- 概率图模型 基于R语言 这本书中的第一个R语言程序
概率图模型 基于R语言 这本书中的第一个R语言程序 prior <- c(working =0.99,broken =0.01) likelihood <- rbind(working = ...
- 基于R语言的时间序列指数模型
时间序列: (或称动态数列)是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列.时间序列分析的主要目的是根据已有的历史数据对未来进行预测.(百度百科) 主要考虑的因素: 1.长期趋势(Lon ...
- 基于R语言的ARIMA模型
A IMA模型是一种著名的时间序列预测方法,主要是指将非平稳时间序列转化为平稳时间序列,然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型.ARIMA模型根据原序列是否平稳以及 ...
- Twitter基于R语言的时序数据突变检测（BreakoutDetection）
Twitter开源的时序数据突变检测(BreakoutDetection),基于无参的E-Divisive with Medians (EDM)算法,比传统的E-Divisive算法快3.5倍以上,并 ...
- R语言基于S4的面向对象编程
前言 本文接上一篇文章 R语言基于S3的面向对象编程,本文继续介绍R语言基于S4的面向对象编程. S4对象系统具有明显的结构化特征,更适合面向对象的程序设计.Bioconductor社区,以S4对象系 ...
- 30个深度学习库：按Python、C++、Java、JavaScript、R等10种语言分类
30个深度学习库:按Python.C++.Java.JavaScript.R等10种语言分类 包括 Python.C++.Java.JavaScript.R.Haskell等在内的一系列编程语言的深度 ...
- 【R笔记】R语言函数总结
R语言与数据挖掘:公式:数据:方法 R语言特征 对大小写敏感 通常,数字,字母,. 和 _都是允许的(在一些国家还包括重音字母).不过,一个命名必须以 . 或者字母开头,并且如果以 . 开头,第二个字 ...
随机推荐
- Mybatis PageHelper 使用的注意事项
什么时候会导致不安全的分页? PageHelper 方法使用了静态的 ThreadLocal 参数,分页参数和线程是绑定的. 只要你可以保证在 PageHelper 方法调用后紧跟 MyBatis 查 ...
- 【JavaScript排序】 sort()方法（解决null、undefined、0之间的排序（混乱）问题）
JavaScript排序 - sort()方法 --解决null.undefined.0之间的排序(混乱)问题 一.普通的数组排序 JavaScript中用方法sort()为数组排序.sort() ...
- 作用域通信对象：session用户在登录时通过`void setAttribute(String name,Object value)`方法设置用户名和密码。点击登录按钮后，跳转到另外一个页面显示用户
作用域通信对象:session session对象基于会话,不同用户拥有不同的会话.同一个用户共享session对象的所有属性.作用域开始客户连接到应用程序的某个页面,结束与服务器断开连接.sessi ...
- 基于YOLO和PSPNet的目标检测与语义分割系统(python)
基于YOLO和PSPNet的目标检测与语义分割系统 源代码地址 概述 这是我的本科毕业设计 它的主要功能是通过YOLOv5进行目标检测,并使用PSPNet进行语义分割. 本项目YOLOv5部分代码基于 ...
- JDK8下载安装及环境配置
Java基础知识 Java的三种版本 JavaSE :标准版,主要用于开发桌面程序,控制台开发等等 JavaME:嵌入式开发,主要用于开发手机,小家电等等,目前使用的比较少 JavaEE:企业级开发, ...
- awk模式pattern
awk模式pattern 再来回顾下awk的语法 awk [option] 'pattern[action]' file ... awk是按行处理文本,刚才讲解了print动作,现在讲解特殊的patt ...
- Sublime Text4(Build 4126) 安装备忘
Sublime Text4(Build 4126) 安装备忘 sublime text 4126 PJ已测可用 打开浏览器进入网站https://hexed.it 打开sublime text4安装目 ...
- 二进制安装JDK和Tomcat
Oracle JDK的二进制文件安装 https://www.oracle.com/java/technologies/java-se-glance.html #官网下载地址 [root@rocky8 ...
- vue 祖先组件操作后代组件方法
前言:最近写代码遇到一问题:祖先级别的组件怎么操作孙子的儿子的组件方法(是不是已经绕晕了),在网上搜了半天都是父子传参,父子操作,晕晕乎乎的想起了bus(事件总线), 原理就是:是在vue原型上挂载( ...
- ML-梯度下降法的详细推导与代码实现
计算 对于线性回归,梯度下降法的目标就是找到一个足够好的向量\(\theta\),使代价函数\(J(\theta) = \sum_{i=1}^{m}(\hat{y}-y_{i})^{2}\)取得最小值 ...