ggbrick | 小众到惊艳的可视化工具...

DataCharm

发布于 2024-06-04 18:58:58

1220

发布于 2024-06-04 18:58:58

前言
- 一、「ggbrick」-小众到惊艳的可视化工具
- 二、可视化学习圈子是干什么的？
- 三、系统学习可视化
- 四、猜你喜欢

前言

我们的数据可视化课程已经上线啦！！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！
我们第一个数据可视化交流圈子也已经上线了，主要以我的第一本书籍《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。

「ggbrick」-小众到惊艳的可视化工具

以前介绍的工具大部分都受众较广，且涉及较多的统计变换分析，今天就给大家介绍一个小众的、但是在商务插图里常见的一个数据可视化工具包- 「ggbrick」

ggbrick介绍

如果你想找一些与众不同的东西，ggbrick可以创建一个具有砖墙美感的华夫饼式图表。其用法与 geom_col()函数相似，都是以条形图的高度为计数，并为堆叠条形图提供填充。每块整砖代表一个单位。两块半砖等于一块整砖。

ggbrick包安装

可通过如下方式安装ggbrick：

install.packages("ggbrick")
#or
devtools::install_github("doehm/ggbrick")

ggbrick包可视化案例

ggbrick包主要有geom_brick()和geom_waffle() 映射绘制函数，前者制作砖墙式华夫饼图，后者则用于制作普通华夫饼图。

案例一

library(dplyr)
library(ggplot2)
library(ggbrick)
 
# basic usage
mpg |>
  count(class, drv) |>
  ggplot() +
  geom_brick(aes(class, n, fill = drv)) +
  coord_brick()

geom_brick()

还可以设置bricks_per_layer参数：

mpg |>
  count(class, drv) |>
  ggplot() +
  geom_brick(aes(class, n, fill = drv), bricks_per_layer = 6) +
  coord_brick(6)

geom_brick() bricks_per_layer

设置gap参数用于控制“墙砖”之间的距离：

mpg |>
  count(class, drv) |>
  ggplot() +
  geom_brick(aes(class, n, fill = drv), gap = 0.04) +
  coord_brick()

geom_brick0()函数绘制

2 案例二

mpg |>
  count(class, drv) |>
  ggplot() +
  geom_waffle(aes(class, n, fill = drv)) +
  coord_waffle()

geom_waffle()

更多关于ggbrick包的使用方法和可视化案例，可参考ggbrick包官网[1]。

可视化学习圈子是干什么的？

可视化学习圈子是书籍「科研论文配图绘制指南-基于Python」一书的学下圈子：主要通过以下几个方面，给大家带来比纸质书籍更丰富的学习内容：

视频教学，和读者零距离互动交流
及时修正勘误和定期新增绘制知识点
拓展衍生，绘图知识点远超书籍本身
直播视频+拓展资料+答疑，学习更高效

「PS」：我们直播教学内容为课堂式教学，原作者带着大家对书籍一章、一节、一页的进行教学。而且直播的视频都会通过剪辑后整理成课程，圈子中的同学可以免费、反复观看。当然，新增内容和定期答疑，直播也是如此。

为何会有这个书籍学习社群？无门槛的微信群难免会鱼龙混杂，问题和质量都无法得到保证，而且一些关键问题经常被淹没，且没有沉淀价值。
随着添加我微信的人日益增多，向我提问的人也越来越多，随便回答一下就太不负责任了；不回答也不是很好；如果都仔细回答，我也有自己的工作并且确实很忙，真的有点心有余而力不足！所以我才会建立这么一个渠道来沉淀我的可视化技巧和分享经验，以及给大家提供一个坚持学习的平台。

系统学习可视化

当然，在学习数据可视化的道路上，你也有很多问题得不到解答，也可以加入我们的可视化课程(可视化系列课程推文)后，在学员群里和大家一起谈论，一起进步，或者直接向我提问。如果我觉得你的问题很具有普适性，我会把它写成文章发布在公众号上，让更多人看到，有关我们数据可视化系列课程的服务内容，可以参考下面的阅读原文。