专栏首页数据小魔方这么牛X的包,一般人我不告诉他!!!

这么牛X的包,一般人我不告诉他!!!

本文将给大家介绍一个ggplot2灰常牛X的可视化扩展包,我将该包主页的包用法介绍整理成中文,分享给大家。

包名叫geofacet,有经验的charter大概能猜出来个大概,没错该包是关于可视化数据中的地理信息,以及维度分面。

作者命名非常讲究,将该包的两个主要核心功能进行组合命名。

地理信息可视化分面,这么吊的包你肯定是第一次看到吧(其实之前介绍过一些地图上的mini 柱形图、饼图等都算这一类),但是这里的分面功能做的更加彻底,作者还是遵循惯例,将这种基于地理信息分面的可视化功能对接了ggplot2,并以分面函数facet_geo()的形式呈现。

这样了解ggplot2的用户学习成本就低了很多,因为只需了解这个分面参数的具体设定,组织对应数据源格式就OK了。


以下是本文的主要内容:

geofacet包扩展了ggplot2的分面函数,进而提供了基于地理信息的更加灵活的数据可视化方案。这个分面函数并无特别指出,如同内置的分面函数(facet_grid、facet_wrap等)用法没有太大差别。唯一的区别是,在最终的图形版面呈现结果上,允许单个图表分面刻画在对应的地理多边形中心位置。

该包的核心功能可以概括为以下几点:

  • 每一个分面单元格都可以呈现一个维度的数据(而非单个数值);
  • 每一个分面单元格可以容纳任何一种ggplot2内置图表对象(看清楚了,是任何一种,任何一种,任何一种,就问你这包屌不屌!);
  • 分面系统支持任何的地理多边形(可以是内建的,也可以是用户自定义的)。

该包的强大优势绝不仅仅只有以下展示的这些内容,很快我们将会建立一个该包的专属博客(如果建好了会将其网站分享在本页面)。

下载安装:

install.packages("geofacet") # or from github: # devtools::install_github("hafen/geofacet")

library(geofacet) library(ggplot2) library(ggthemes)

使用方法:

该包内的主要函数是facet_geo(),它的用法可以类比ggplot2的内置分面函数facet_warp()\facet_grid()(当然在输出方式上略有不同)。只要你已经熟练掌握了ggplot2语法,那么你就可以轻松搞定这个包。

接下来让我们展示一个例子,该包内置了一个数据集——state_ranks。

head(state_ranks)

这是一个包含美国各州不同社会指标优略程度的数据集(按照排名由低到高排序)。

然后让我们使用geofacet来给每一个州都创造一个柱形图,我仅需使用一个ggplot2内的geom_col()函数即可,至于分面参数,这里我们摒弃使用传统的facet_wrap()分面函数,而是使用geofacet包提供的facet_geo()函数来替代。

定义一个主题:

mytheme<-function (base_size = 12, base_family = ""){ theme_bw(base_size = base_size, base_family = base_family) %+replace% theme(axis.line = element_blank(), axis.text.x=element_blank(), axis.ticks=element_blank(), axis.title = element_blank(), panel.background=element_blank(),panel.border =element_blank(), panel.grid = element_blank(), plot.background = element_blank(), strip.background=element_blank(),legend.position = c(0.9,0.15)) }

分面柱形图:

ggplot(state_ranks, aes(variable,rank,fill=variable)) + geom_col() + coord_flip() + scale_fill_wsj()+ facet_geo(~state)+ mytheme()

geofacet内部重要参数:

  • grid参数:可以理解为网格id,可以选择内建的id名称,或者是提供一个自建的已经命名有网格名称的数据框。
  • label参数:可以指定任何我们想要指定的变量作为网格显示的标签。

以下是两一个自带数据集的例子:

head(us_state_grid2)

这一次,我们用来呈现美国季节调整后的失业率随时间的变化。使用对应州名作为对应网格标签。

ggplot(state_unemp, aes(year, rate)) + geom_line() + facet_geo(~ state, grid = "us_state_grid2", label = "name") + scale_x_continuous(labels = function(x) paste0("'", substr(x, 3, 4))) + labs(title = "Seasonally Adjusted US Unemployment Rate 2000-2016", caption = "Data Source: bls.gov", x = "Year", y = "Unemployment Rate (%)") + theme(strip.text.x = element_text(size = 6))

指定网格非常容易,我们只需提供一个内含地区名称和地区代码的数据框即可。

ggplot(eu_gdp, aes(year, gdp_pc)) + geom_line(color = "steelblue") + facet_geo(~ name, grid = "eu_grid1", scales = "free_y") + scale_x_continuous(labels = function(x) paste0("'", substr(x, 3, 4))) + ylab("GDP Per Capita in Relation to EU Index (100)") + theme_bw()

以下是该包内已经内建好的,我们画图可利用的带地区编码的数据集。

get_grid_names()

[1] "us_state_grid1" "us_state_grid2" "eu_grid1" "aus_grid1" "sa_prov_grid1" "london_boroughs_grid"

[7] "nhs_scot_grid" "india_grid1" "india_grid2" "argentina_grid1" "br_grid1"

OMG,WAKM ,竟然没有China,这不科学啊(等我弄明白了我亲自给大家做一个)。

接下来是其他国家的几个例子!

#欧盟成员国GDP增长情况:

ggplot(aus_pop, aes(age_group, pop / 1e6, fill = age_group)) + geom_col() + facet_geo(~ code, grid = "aus_grid1") + coord_flip() + labs( title = "Australian Population Breakdown", caption = "Data Source: ABS Labour Force Survey, 12 month average", y = "Population [Millions]") + theme_bw()

#澳大利亚人口分组可视化:

ggplot(aus_pop, aes(age_group, pop / 1e6, fill = age_group)) + geom_col() + facet_geo(~ code, grid = "aus_grid1") + coord_flip() + labs( title = "Australian Population Breakdown", caption = "Data Source: ABS Labour Force Survey, 12 month average", y = "Population [Millions]") + theme_bw()

#南非

ggplot(sa_pop_dens, aes(factor(year), density, fill = factor(year))) + geom_col() + facet_geo(~ province, grid = "sa_prov_grid1") + labs(title = "South Africa population density by province", caption = "Data Source: Statistics SA Census", y = "Population density per square km") + theme_bw()

#关于伦敦房价

ggplot(london_afford, aes(x = year, y = starts, fill = year)) + geom_col(position = position_dodge()) + facet_geo(~ code, grid = "london_boroughs_grid", label = "name") + labs(title = "Affordable Housing Starts in London", subtitle = "Each Borough, 2015-16 to 2016-17", caption = "Source: London Datastore", x = "", y = "")

#苏格兰居民牙齿健康程度

ggplot(nhs_scot_dental, aes(x = year, y = percent)) + geom_line() + facet_geo(~ name, grid = "nhs_scot_grid") + scale_x_continuous(breaks = c(2004, 2007, 2010, 2013)) + scale_y_continuous(breaks = c(40, 60, 80)) + labs(title = "Child Dental Health in Scotland", subtitle = "Percentage of P1 children in Scotland with no obvious decay experience.", caption = "Source: statistics.gov.scot", x = "", y = "")

#印度人口分布

ggplot(subset(india_pop, type == "state"), aes(pop_type, value / 1e6, fill = pop_type)) + geom_col() + facet_geo(~ name, grid = "india_grid2", label = "code") + labs(title = "Indian Population Breakdown", caption = "Data Source: Wikipedia", x = "", y = "Population [Millions]") + theme_bw() + theme(axis.text.x = element_text(angle = 40, hjust = 1))

2016年美国总统大选:

ggplot(election, aes("", pct, fill = candidate)) + geom_col(alpha = 0.8, width = 1) + scale_fill_manual(values = c("#4e79a7", "#e15759", "#59a14f")) + facet_geo(~ state, grid = "us_state_grid2") + scale_y_continuous(expand = c(0, 0)) + labs(title = "2016 Election Results", caption = "Data Source: http://bit.ly/2016votecount", x = NULL, y = "Percentage of Voters") + theme(axis.title.x = element_blank(), axis.text.x = element_blank(), axis.ticks.x = element_blank(), strip.text.x = element_text(size = 6))

换成条形图:

ggplot(election, aes(candidate, pct, fill = candidate)) + geom_col() + scale_fill_manual(values = c("#4e79a7", "#e15759", "#59a14f")) + facet_geo(~ state, grid = "us_state_grid2") + theme_bw() + coord_flip() + labs(title = "2016 Election Results", caption = "Data Source: http://bit.ly/2016votecount", x = NULL, y = "Percentage of Voters") + theme(strip.text.x = element_text(size = 6))

好了就写这几个吧,看完是不是觉得这个包很牛掰啊哈哈哈~_~

我也是被他给惊艳到才立马写出来分享给大家,不过可惜的是这些只能使用内建数据,如果你要呈现的地域包含在内建的地区里面,应该是可以用的,但是内部没有定义的地区编码,需要自己使用JS编辑器定义、提交、审核,灰常麻烦,但是我有信心把源码搞明白,然后写一套可以自定义的地区分面系统。(不知道要猴年马月才能出来哈哈哈~)

本文分享自微信公众号 - 数据小魔方(datamofang),作者:杜雨

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-07-04

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 带预测区间的图表

    今天跟大家分享带预测区间的图表图表制作技巧! 当图表中的数据带有预测区间,也就是包含未来预测的还未发生的业绩数据时,按照惯常的做法,无法很好地区分已发生和未发生...

    数据小磨坊
  • 左手用R右手Python系列——因子变量与分类重编码

    今天这篇介绍数据类型中因子变量的运用在R语言和Python中的实现。 因子变量是数据结构中用于描述分类事物的一类重要变量。其在现实生活中对应着大量具有实际意义的...

    数据小磨坊
  • 扒一扒rvest的前世今生!

    rvest包可能是R语言中数据抓取使用频率最高的包了,它的知名度和曝光度在知乎的数据分析相关帖子和回答中都很高。 甚至很多爬虫教程和数据分析课程在讲解R语言网络...

    数据小磨坊
  • redission框架来实现分布式锁

    Redisson在基于NIO的Netty框架上,充分的利用了Redis键值数据库提供的一系列优势,在Java实用工具包中常用接口的基础上,为使用者提供了一系列具...

    奕仁
  • Redis相关监控参数

    默认情况下命令若是执行时间超过10ms就会被记录到日志,slowlog只会记录其命令执行的时间,不包含io往返操作,也不记录单由网络延迟引起的响应慢。如果想修改...

    日薪月亿
  • 监测报告丨JAT将会取代BAT?百度可能真的需要加把力

    T客汇官网:tikehui.com 撰文 | 飞逸 此次监测报告由T客汇和云鸽企业头条监测中心联合发布。本周我们继续推出云计算市场监测情况分析,时间段从2017...

    人称T客
  • 用Python做投资-python仿真等价鞅下的收益曲线

    如果我们按照这样的次序下注:1,2,4,8,16,......,2^n.只要有一次获胜,那么我们就从头再来。这里我们可以看出,每次获胜都可以赢得1元钱。因为2^...

    钱塘小甲子
  • 微课|中学生可以这样学Python(例7.3):栈

    Python小屋屋主
  • 抓住云使用率的关键是高效的管理

    当IT成为云用户时,一切在往好的方向发展。值得注意的是,管理工具的实施和监督,将降低成本,更好的纵观全局。 为了避免单一托管供应商,美国奥迪采用了RightSc...

    静一
  • 快速学习-Saturn创建Namespace

    {"message":"Invalid request. Job: {parameter} already existed"}

    cwl_java

扫码关注云+社区

领取腾讯云代金券