专栏首页数据 学术 商业 新闻绘图技巧 | 这种精美的”排序图“怎么做?(附练习数据)

绘图技巧 | 这种精美的”排序图“怎么做?(附练习数据)

今天小编给大家介绍一种”凹凸图(bump charts)“的绘制方法,其绘图函数主要来自R包-ggbump,本期的主要内容如下:

  • R-ggbump包基本绘图简介
  • R-ggbump包实例演示

R-ggbump包基本绘图函数简介

R-ggbump包主要包含:geom_bump()和geom_sigmoid(),两个函数主要绘制随时间变化的平滑曲线排名图,内置参数也几乎相同,如下:

( mapping = NULL,
  data = NULL,
  geom = "line",
  position = "identity",
  na.rm = FALSE,
  show.legend = NA,
  smooth = 8,
  direction = "x",
  inherit.aes = TRUE,
  ...)

其官网(https://github.com/davidsjoberg/ggbump)提供的例子如下(部分):

Example Of geom_bump()

Example Of geom_sigmoid()

从以上也可以看出两个绘图函数所绘制的图形属于同一类别,下面我们通过实例数据进行两个绘图函数的理解。

R-ggbump包实例演示

geom_bump()绘图函数

「样例一:」我们直接构造数据并对结果继续美化操作,代码如下:

library(tidyverse)
library(ggtext)
library(hrbrthemes)
library(wesanderson)
library(LaCroixColoR)
library(RColorBrewer)
library(ggbump)
#数据构建和处理
test_01 <- tibble(country = c("India", "India", "India", "Sweden", "Sweden", "Sweden", "Germany", "Germany", "Germany", "Finland", "Finland", "Finland"),
             year = c(2011, 2012, 2013, 2011, 2012, 2013, 2011, 2012, 2013, 2011, 2012, 2013),
             value = c(492, 246, 246, 369, 123, 492, 246, 369, 123, 123, 492, 369))
test_01_plot <- test_01 %>% group_by(year) %>% mutate(rank=rank(value, ties.method = "random")) %>% ungroup
#可视化绘制
charts01_cus <- ggplot(data = test_01_plot,aes(x = year,y = rank,color=country))+
           ggbump::geom_bump(size=2,smooth = 8) +
           #添加圆点
           geom_point(size=8)+
           # 添加文本信息
           geom_text(data = test_01_plot %>% filter(year==min(year)),
                    aes(x=year-.1,label=country),size=6,fontface="bold",hjust = 1) +
           geom_text(data = test_01_plot %>% filter(year == max(year)),
                    aes(x = year + .1, label = country), size = 6,fontface="bold",hjust = 0) +
           #修改刻度
           scale_x_continuous(limits = c(2010.6, 2013.4),
                              breaks = seq(2011, 2013, 1)) +
           scale_color_manual(values = lacroix_palette("Pamplemousse", type = "discrete"))+
           labs(
               title = "Example of <span style='color:#D20F26'>ggbump::geom_bump function</span>",
               subtitle = "processed charts with <span style='color:#1A73E8'>geom_bump()</span>",
               caption = "Visualization by <span style='color:#DD6449'>DataCharm</span>")+
           hrbrthemes::theme_ft_rc(base_family = "Roboto Condensed") +
            theme(
                plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",
                                              size = 20, margin = margin(t = 1, b = 12)),
                plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=12),
                plot.caption = element_markdown(face = 'bold',size = 10),
                legend.position = "none",
                panel.grid.major = element_blank(),
                panel.grid.minor = element_blank())+
              scale_y_reverse()

可以看到仅使用geom_bump()即可绘制,到这里使用了更多的绘图函数和主题、样式等设置语句对其进行美化操作,可视化结果如下:

Exercise Of geom_bump()

「样例二:」

第二个小例子,我们通过构建虚拟数据进行可视化结果绘制,如下:

#读入数据
library(readxl)

df<-read_excel("rank_data.xlsx")
#定义颜色
cols <- c(
  "#882B1A", "#676564", "#E8751A", "#779AC4", "#646E3F",
  "#9D49B9", "#C09F2F", "#65955B", "#284D95","#B34525")
#可视化绘制
charts02_cus <- ggplot(data = df,aes(x = race_num,y = rank,color=team_name,group=team_name)) +
  geom_bump(smooth = 7, size = 2.5) +
  geom_point(data = df %>% filter(race_num == 1),size = 5) +
  geom_point(data = df %>% filter(race_num == 7),size = 5, shape = 21, fill = "black",
             stroke = 2) +
  geom_text(data = df %>% filter(race_num == 7),aes(x = 7.12,label = team_name),
            family = "Cinzel",fontface = 'bold',size = 4, hjust = 0) +
  #添加序号
  geom_point(data = tibble(x = .8, y = 1:10), aes(x = x, y = y), 
            inherit.aes = F,shape=21,color = "grey95",size = 5,stroke = 1.) +
  geom_text(data = tibble(x = .8, y = 1:10), aes(x = x, y = y, label = y), 
             inherit.aes = F,size=2.5,fontface = 'bold',
             color = "grey95")+
  coord_cartesian(clip = "off") +
  scale_x_continuous(
      expand = c(.01, .01),
      limits = c(.8, 8.1),
      breaks = 1:7,
      labels = c("Begain",glue::glue("Race {1:5}"), "Finish"),
      sec.axis = dup_axis()
    ) +
  scale_y_reverse(
      expand = c(.05, .05),
      breaks = 1:16
    ) +
  scale_color_manual(
      values = cols,
      guide = F
    ) +
  labs(x="",y="",
        title = "Example of <span style='color:#D20F26'>ggbump::geom_bump() function</span>",
        subtitle = "processed charts with <span style='color:#1A73E8'>geom_bump()</span>",
        caption = "Visualization by <span style='color:#DD6449'>DataCharm</span>")+
  theme(
          plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "gray50",face = 'bold',
                                              size = 20, margin = margin(t = 1, b = 12)),
          plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=12,color = "gray50"),
          plot.caption = element_markdown(face = 'bold',size = 10),
          plot.background = element_rect(fill = "black", color = "black"),
          panel.background = element_rect(fill = "black", color = "black"),
          panel.grid.major = element_blank(),
          panel.grid.minor = element_blank(),
          axis.text.x.top = element_text(size = 9,color = "grey95",family = "Cinzel",face = 'bold'),
          axis.text.y.left = element_blank(),
          axis.ticks = element_blank()
    )

(这里涉及到很多关于主题设置的语句,小编在绘制之后可是又对一些常用的语句熟悉了一遍哦,希望小伙伴们多练习)

Exercise2 Of geom_bump

geom_sigmoid()绘图函数

对于该函数,我们还是通过构建数据进行绘制:

data_test <- tibble(
    x = c(0.5,0.5,1,1,1,1,1,1),
    xend = c(1, 1, 3, 3, 3 ,3, 3, 3),
    y = c(4, 4, 6, 6, 6, 2, 2, 2),
    yend = c(6,2,7,6,5,3,2,1),
    group = c("Python","R","Numpy","Pandas","Matplolib","Dplyr","Data.table","Ggplot2")
)
#可视化绘制
charts04_cus <- ggplot(data_test) +
  geom_sigmoid(data = data_test %>% filter(xend < 3),
               aes(x = x, y = y, xend = xend, yend = yend, group = factor(group)),
               direction = "x", color = "#cb7575", size = 2, smooth = 6) + 
  geom_sigmoid(data = data_test %>% filter(group %in% c("Numpy","Pandas","Matplolib")),
              aes(x = x, xend = xend, y = y, yend = yend, group=group),
              direction = "x",color = "#cb7575", size = 2, smooth = 12) + 
  geom_sigmoid(data = data_test %>% filter(y==2),
              aes(x = x, xend = xend, y = y, yend = yend, group=group),
              direction = "x",color = "#cb7575", size = 2, smooth = 11) + 
  geom_label(data = tibble(x = 0.1, y = 4, label = "DataScience"), 
             aes(x, y, label = label), inherit.aes = F, size = 10, color = "white", 
             fill = "#004E66",family = "Cinzel",nudge_x = -.15) + 
  geom_label(data = data_test %>% filter(xend < 3),
             aes(x = xend, y = yend, label = group),inherit.aes = F, size = 8, 
             color = "white", fill = "#004E66", family = "Cinzel",
             hjust=0.5,nudge_y = .45,nudge_x = .3)+
  geom_label(data = data_test %>% filter(xend == 3),
             aes(x = xend, y = yend, label = group),inherit.aes = F, size = 7, 
             color = "white", fill = "#004E66", family = "Cinzel",hjust=0) +
  labs(x="",y="",
        title = "Example of <span style='color:#D20F26'>ggbump::geom_sigmoid() function</span>",
        subtitle = "processed charts with <span style='color:#1A73E8'>geom_sigmoid()</span>",
        caption = "Visualization by <span style='color:#DD6449'>DataCharm</span>")+
  scale_x_continuous(limits = c(-.5,4)) + 
  theme(plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "gray50",face = 'bold',
                                              size = 20, margin = margin(t = 1, b = 12)),
        plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=12,color = "gray50"),
        plot.caption = element_markdown(face = 'bold',size = 10),
        panel.grid = element_blank(),
        axis.line = element_blank(),
        axis.ticks = element_blank(),
        axis.text.y = element_blank(),
        axis.title.y = element_blank(),
        axis.text.x = element_blank(),
        panel.background = element_rect(fill = "#353848"),
        plot.background = element_rect(fill = "#353848",colour = "#353848"))

(还是一样,使用了很多常用的主题设置语句,希望小伙伴们掌握、熟悉)

Exercise Of geom_sigmoid

总结

今天小编推送的可视化技巧可用于对比排名虽时间变化趋势变化,希望小伙伴们可以在实际工作中灵活运用此技巧。此外,小编还建议大家熟悉下用于定制化图表的相关语句哦,当然,如果喜欢用主题那就另当别论了哈~~

数据获取

整理不易,感谢大家帮忙分享,关注本公众号(DataCharm)然后在公众号后台发送 练习数据06 即可获知免费下载链接。

本文分享自微信公众号 - DataCharm(shujumeili),作者:宁海涛

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:2021-05-10

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

  • 绘图技巧 | 这么漂亮的桑葚图你确定不来看看怎么做的?(附练习数据)

    今天小编继续给大家送上优秀可视化教程推文,同时,我们也提供练习数据哦~本期的重点是是关于桑葚图(Sankey Diagram),中文名字叫法不同,我们还是以英文...

    DataCharm
  • 微生物组—宏基因组分析专题研讨会(2020.2)

    在广大粉丝的期待下,《生信宝典》联合《宏基因组》在2020年2月14-16日,北京鼓楼推出《宏基因组分析》专题培训第七期,为大家提供一条走进生信大门的捷径、为同...

    生信宝典
  • 这里有 300 篇 Python 与机器学习类原创笔记

    主要包括计算机科学中基本的算法与数据结构,结合算法思想和Leetcode实战,总结介绍。

    好好学java
  • 最悲催的三流职业:一位机械设计师的神吐槽,想成为优秀设计师必看

    按照国内的某种说法,人才分四类:首先是搞艺术,因为中华艺术是神圣的所以咱们常人无法达到;然后一流人才做销售,在中国各种政府采购及规则,能把销售做好不亚于搞艺术。...

    机器人网
  • 有了这款神器,人人都是作曲家!

    摘要:人工智能作曲APP Amper Music的简单介绍和测评,以及人工智能和机器学习的小科普

    生信宝典
  • 前沿 | DeepMind提出SPIRAL:使用强化对抗学习,实现会用画笔的智能体

    选自DeepMind 作者:Ali Eslami等 机器之心编译 参与:路雪 近日,DeepMind 发布博客,提出一种结合了对抗训练和强化学习的智能体 SPI...

    机器之心
  • 8年Android老码农现身分享:一个月面试6家大厂屡败屡战,那些面试学习上走过的弯路

    他说他们部门调整,虽然最后他留了下来,但还是非常焦虑。人无远虑必有近忧,他这次被刺激到了,想提高一下自己,以免下次再有类似的心惊肉跳。但怎么提高呢?

    Android技术干货分享
  • 如何学好数据结构与算法

    随着科学技术的发展,人工智能已渗透到各个行业,算法工程师非常火爆,急缺大量人才,年薪也越来越高。刚毕业30-40万很常见。很多人想入手学习算法,那么多算法,究竟...

    rainchxy
  • 知道肠道菌种组成之后怎么做功能注释?

    在广大粉丝的期待下,《生信宝典》联合《宏基因组》在2019年11月1-3日,北京鼓楼推出《宏基因组分析》专题培训第六期,为大家提供一条走进生信大门的捷径、为同行...

    生信宝典
  • Python 全栈 191 问(附答案)

    作为程序员,你的电脑里、书架上,一定少不了 Python 的资料和课程。免费的电子书,花钱买的课,实体书籍...

    double
  • 解决决策树的过拟合

    参看书籍:Machine Learning(Tom Mitchell) 之前我们已经比较详细的介绍啦决策树的相关知识,如ID3(Machine Learning...

    昱良
  • 26秒训练ResNet,用这些技巧一步步压缩时间,Jeff Dean都称赞:干得漂亮

    现在,谷歌AI掌门人Jeff Dean转发推荐了一个训练ResNet的奇技淫巧大礼包,跟着它一步一步实施,训练9层ResNet时,不仅不需要增加GPU的数量,甚...

    量子位
  • 半天2k赞火爆推特!李飞飞高徒发布33条神经网络训练秘技

    AI大佬Andrej Karpathy (简称AK) ,刚刚发布了一篇长长长长博客,苦口婆心地列举了33条技巧和注意事项,全面避免大家踩坑,推特已有2,300多...

    量子位
  • 10个数据可视化技巧,让你一看就懂!

    我必须对你说实话:当我学习数据科学时,我完全低估了绘图的重要性。没错,那时一切都一团糟:我从头开始学习 python、熟悉了所有可能的算法、理解了所有东西背后的...

    1480
  • 数模竞赛|数学建模比赛该如何准备?

    作者介绍:苗枫,华中科技大学管理学院18级博士研究生,本科时全国大学生数学建模国赛一等奖,并多次带队获得美国数学建模竞赛一等奖

    用户1621951
  • Excel小技巧65:在单元格区域中精确放置图表

    在Excel中绘制嵌入的图表时,Excel会将图表放置在合适的地方,如下图1所示。

    fanjy
  • 吴恩达《ML Yearning》| 关于学习曲线的分析&与人类级别的表现对比

    MachineLearning YearningSharing 是北京科技大学“机器学习研讨小组”旗下的文献翻译项目,其原文由Deep Learning.ai ...

    马上科普尚尚
  • 如何在算法比赛中获得出色的表现 :改善模型的5个重要技巧

    如果你最近才开始使用Kaggle,或者你是这个平台的老用户,你可能想知道如何轻松地提高你的模型的性能。以下是我在Kaggle之旅中积累的一些实用技巧。建立自己的...

    deephub
  • 【学习】1月份推荐给程序员们的技术书书单

    时光飞逝,不知不觉,微信君已经和小伙伴们走过了2014,感谢你们的支持。小编会在2015年加倍努力,与你们一起分享好书。 2015年,首月,好多技术书的付印计划...

    小莹莹

扫码关注云+社区

领取腾讯云代金券