R语言可视化——用ggplot构造期待已久的雷达图

之前一直苦恼于ggplot函数无法制作雷达图,心想着既然饼图可以通过柱形图+极坐标模拟出来,为啥雷达图不行。

我尝试着用折线图+极坐标来模拟雷达图(之前在制作饼图和圆环图以及玫瑰图的时候就是这样做的)。

结果就粗线了以下不伦不类的图形:

data<-data.frame(Name = c("苹果","谷歌","脸书","亚马逊","腾讯"),Company = c("Apple","Google","Facebook","Amozon","Tencent"),Sale2013 = c(5000,3500,2300,2100,3100),Sale2014 = c(5050,3800,2900,2500,3300),Sale2015 = c(5050,4000,3200,2800,3700),Sale2016 = c(6000,4800,4500,3500,4300))
mydata<-melt(data,id.vars=c("Name","Company"),variable.name="Year",value.name="Sale")
ggplot(mydata,aes(Company,Sale,group=Year,color=Year))+geom_line()+coord_polar(theta = "x")

虽说效果已经很接近了,但是整体上还是无法达到雷达图的要求,首尾线条没有相连,点之间是通过弧线链接而非直线。

后来又是在浏览r语言论坛时,无意间看到一个围绕ggplot2包开发的插件——ggradar,果不其然,是专门用于辅助ggplot2制作雷达图而生的。

接下来我跟大家分享该插件的使用方法:

因为是开发版的,托管在github网站上,所以不能通过普通途径下载,需要使用devtools工具:

install_github("ricardo-bion/ggradar")

library("ggplot2")

library("ggradar")

下面开始构造数据集:

mydata<-matrix(runif(40,0,1),5,8)

#以上构造了一个值区间为0~1,个数为40的5行8列随机数矩阵。

rownames(mydata) <- LETTERS[1:5]

#以上使用前五个大写字母为矩阵行命名;

colnames(mydata) <- c("Apple","Google","Facebook","Amozon","Tencent","Alibaba","Baidu","Twitter")

#使用以上文本向量为矩阵列命名;

mynewdata<-data.frame(mydata)

#将矩阵数据表格转化为数据框格式作图数据:

为数据框增加一列文本字段:

Name<-c("USA","CHN","UK","RUS","JP")

mynewdata<-data.frame(Name,mynewdata)

ggradar(mynewdata[1,])

以上的图表是默认样式,ggradar函数对数据格式以及变量值范围高度敏感,而却不过多的依赖函数内的参数。

ggradar(mynewdata)

可以看出,ggradar函数支持多序列雷达图,只是对它规定的数据结构很不能理解,为啥不是列代表分类,行代表轴变量呢,跟ggplot的语法还是有一些偏离,不过只要数据构造好之后,作图函数的语法是相当简练的。

原文发布于微信公众号 - 数据小魔方(datamofang)

原文发表时间:2016-11-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器之心

资源 | 囊括欧亚非大陆多种语言的25个平行语料库数据集(拿走不谢!)

原文链接:https://gengo.ai/datasets/25-best-parallel-text-datasets-for-machine-transl...

28730
来自专栏天天P图攻城狮

Android 音视频系列:H264视频编码介绍

H264视频编码技术,是对序列帧图像进行压缩的技术。压缩之所以可能,是因为存在冗余数据。

72970
来自专栏AI科技大本营的专栏

开启机器学习的第一课:用Pandas进行数据分析

翻译 | AI科技大本营 参与 | 林椿眄 本课程的目的并不是要开发一门全新的机器学习或数据分析的综合入门课程,也不是想借此来取代基础教育、在线/离线课程或一...

46750
来自专栏人工智能头条

饿了么推荐系统:从0到1

31550
来自专栏CSDN技术头条

饿了么推荐系统:从0到1

随着移动互联网的发展,用户使用习惯日趋碎片化,如何让用户在有限的访问时间里找到想要的产品,成为了搜索/推荐系统演进的重要职责。作为外卖领域的独角兽, 饿了么拥有...

35460
来自专栏CreateAMind

DeepMind可微分神经计算机-论文中文解读

又是一篇deepmind发表在nature上的文章,还记得前面2篇吗?一篇是DQN,一篇讲AlphaGo。发表在nature上的论文格式不太一样,正文只是简单描...

10520
来自专栏深度学习与数据挖掘实战

干货|社区发现算法FastUnfolding的GraphX实现

现实生活中存在各种各样的网络,诸如人际关系网、交易网、运输网等等。对这些网络进行社区发现具有极大的意义,如在人际关系网中,可以发现出具有不同兴趣、背景的社会团体...

36130
来自专栏WeTest质量开放平台团队的专栏

游戏人工智能 读书笔记 (四) AI算法简介——Ad-Hoc 行为编程

原文链接:https://wetest.qq.com/lab/view/427.html

16020
来自专栏数据科学与人工智能

【知识】使用Python来学习数据科学的完整教程

编者按:Python学习和实践数据科学,Python和Python库能够方便地完成数据获取,数据探索,数据处理,数据建模和模型应用与部署的工作,对于数据科学工作...

57470
来自专栏鹅厂优文

游戏人工智能 读书笔记 (四) AI算法简介——Ad-Hoc 行为编程

本书英文版: Artificial Intelligence and Games - A Springer Textbook

294100

扫码关注云+社区

领取腾讯云代金券