今天是我的可视化课程上线的第269天,目前学员432人,每篇原创公众号都会记录这个人数,用来督促和激励我的原创内容。目前课程的主要方向是 科研、统计、地理相关的学术性图形绘制方法,后续也会增加商务插图、机器学等、数据分析等方面的课程。课程免费新增,这点绝对良心!
今天是我的可视化学习社群上线的第49天,目前学员130人,可视化学习社区以我的书籍《科研论文配图绘制指南-基于Python》为基础进行拓展,提供「课堂式」教学视频,还有更多拓展内容,可视化技巧远超书籍本身,书籍修正和新增都会分享到圈子里面~~
参与课程或者圈子的你将获取到:学员答疑、可视化资源分享、可视化技巧补充、可视化业务代做(学员和甲方对接)、副业交流、提升认知等等。
在给大家查找好用的可视化资料时,小编发现了一个非常“哇塞”的可视化工具~~
怎么个“哇塞”法呢?
这么说吧,机会常见的统计图表都可以一键绘制,而且绘制的结果直接可以达到出版级别的那种,特别适合科研和商务绘图爱好者。
话不多说,今天要介绍的可视化工具就是R语言中的「ggcharts」包,详细介绍如下:
ggcharts是为创建常用图表提供了一个高级ggplot2接口。可以让你更快地从数据可视化的想法变成实际的图表。
不经可以为你处理大量数据预处理,而且还省掉了晦涩的ggplot2细节和图表样式。
生成的图形是ggplot对象,可以使用任何ggplot2包中的函数进一步定制。
install.packages("ggcharts")
这里通过一个可视化绘制过程,带大家体验一下ggcharts包绘图的简便性和出版级别的绘图结果。
library(dplyr)
library(ggplot2)
library(ggcharts)
data("biomedicalrevenue")
biomedicalrevenue %>%
filter(year %in% c(2012, 2015, 2018)) %>%
group_by(year) %>%
top_n(10, revenue) %>%
ungroup() %>%
mutate(company = tidytext::reorder_within(company, revenue, year)) %>%
ggplot(aes(company, revenue)) +
geom_col() +
coord_flip() +
tidytext::scale_x_reordered() +
facet_wrap(vars(year), scales = "free_y")
ggplot2绘制结果
biomedicalrevenue %>%
filter(year %in% c(2012, 2015, 2018)) %>%
bar_chart(x = company, y = revenue, facet = year, top_n = 10)
ggcharts包绘制结果
可以看到,使用ggcharts包绘制只需简单的代码就可以绘制出来,且其结果更符合出版需求,怎么样?这个工具是不是很哇塞啊!
接下里,小编再列列举几个可视化案例:
line_chart()
lollipop_chart()
dumbbell_chart()
diverging_lollipop_chart()
还有更多绘图主题,如下:
theme_hermit
theme_ng
theme_nightblue