20180612-A · FIFA World Cup Audience · ggplot2 geom_treemap 矩形树状图 treemapify 画图 图例 · R 语言数据可视化 案例 源码

本文主要是介绍20180612-A · FIFA World Cup Audience · ggplot2 geom_treemap 矩形树状图 treemapify 画图 图例 · R 语言数据可视化 案例 源码,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

所有作品合集传送门: Tidy Tuesday

2018 年合集传送门: 2018

FIFA World Cup Audience


欢迎来到ggplot2的世界!

ggplot2是一个用来绘制统计图形的 R 软件包。它可以绘制出很多精美的图形,同时能避免诸多的繁琐细节,例如添加图例等。

用 ggplot2 绘制图形时,图形的每个部分可以依次进行构建,之后还可以进行编辑。ggplot2 精心挑选了一系列的预设图形,因此在大部分情形下可以快速地绘制出许多高质量的图形。如果在格式上还有额外的需求,也可以利用 ggplot2 中的主题系统来进行定制, 无需花费太多时间来调整图形的外观,而可以更加专注地用图形来展现你的数据。


在这里插入图片描述



1. 一些环境设置

# 设置为国内镜像, 方便快速安装模块
options("repos" = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))

2. 设置工作路径

wkdir <- '/home/user/R_workdir/TidyTuesday/2018/2018-06-12_FIFA_World_Cup_Audience/src-a'
setwd(wkdir)

3. 加载 R 包

library(tidyverse)
library(treemapify)# 导入字体设置包
library(showtext) 
# font_add_google() showtext 中从谷歌字体下载并导入字体的函数
# name 中的是字体名称, 用于检索, 必须严格对应想要字体的名字 
# family 后面的是代码后面引用时的名称, 自己随便起
# 需要能访问 Google, 也可以注释掉下面这行, 影响不大
# font_families_google() 列出所有支持的字体, 支持的汉字不多
# http://www.googlefonts.net/
font_add_google(name = "Karantina", family =  "ka")
font_add_google(name = "Cutive", family = "albert")
font_add_google(name = "ZCOOL XiaoWei", family = "zxw")
font_add_google(name = "Noto Sans HK", family =  "nshk")# 后面字体均可以使用导入的字体
showtext_auto()

4. 加载数据

df_input <- readr::read_csv("../data/week11_fifa_audience.csv", show_col_types = FALSE)# 简要查看数据内容
glimpse(df_input)
## Rows: 191
## Columns: 6
## $ ...1               <dbl> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, …
## $ country            <chr> "United States", "Japan", "China", "Germany", "Braz…
## $ confederation      <chr> "CONCACAF", "AFC", "AFC", "UEFA", "CONMEBOL", "UEFA…
## $ population_share   <dbl> 4.5, 1.9, 19.5, 1.2, 2.8, 0.9, 0.9, 0.9, 2.1, 0.7, …
## $ tv_audience_share  <dbl> 4.3, 4.9, 14.8, 2.9, 7.1, 2.1, 2.1, 2.0, 3.1, 1.8, …
## $ gdp_weighted_share <dbl> 11.3, 9.1, 7.3, 6.3, 5.4, 4.2, 4.0, 4.0, 3.5, 3.1, …
# 检查数据的列名
colnames(df_input)
## [1] "...1"               "country"            "confederation"     
## [4] "population_share"   "tv_audience_share"  "gdp_weighted_share"

5. 数据预处理

df_albert <- df_input %>% # mutate() 主要用于在数据框中添加新的变量, 这些变量是通过对现有的变量进行操作而形成的dplyr::mutate(tv_per_capital = tv_audience_share/population_share) %>%# 去除缺失值na.omit()# 简要查看数据内容
glimpse(df_albert)
## Rows: 140
## Columns: 7
## $ ...1               <dbl> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, …
## $ country            <chr> "United States", "Japan", "China", "Germany", "Braz…
## $ confederation      <chr> "CONCACAF", "AFC", "AFC", "UEFA", "CONMEBOL", "UEFA…
## $ population_share   <dbl> 4.5, 1.9, 19.5, 1.2, 2.8, 0.9, 0.9, 0.9, 2.1, 0.7, …
## $ tv_audience_share  <dbl> 4.3, 4.9, 14.8, 2.9, 7.1, 2.1, 2.1, 2.0, 3.1, 1.8, …
## $ gdp_weighted_share <dbl> 11.3, 9.1, 7.3, 6.3, 5.4, 4.2, 4.0, 4.0, 3.5, 3.1, …
## $ tv_per_capital     <dbl> 0.9555556, 2.5789474, 0.7589744, 2.4166667, 2.53571…

6. 利用 ggplot2 + treemapify 绘图

# PS: 方便讲解, 我这里进行了拆解, 具体使用时可以组合在一起
gg <- df_albert %>% ggplot(aes(area = tv_audience_share,subgroup = confederation, fill = tv_per_capital, label = country))
# geom_treemap() 绘制矩形树状图
gg <- gg + geom_treemap(colour = "#FF4500")
gg <- gg + geom_treemap_text(colour = "#F5F5F5", fontface = "italic", min.size = 3.1, reflow = TRUE)
gg <- gg + geom_treemap_subgroup_border(colour = "#F5F5F5", size = 2)
gg <- gg + geom_treemap_subgroup_text(alpha = 0.6, colour = "black")
# scale_fill_gradientn() 将颜色比例转换为概率转换颜色分布, 同时可以根据 limits, breaks, labels 设定连续型刻度的值
gg <- gg + scale_fill_gradientn(colours = c("#98FB98", "#FF4500", "#191970"), limits=c(0, 3), breaks = c(0, 1, 2, 3), labels = c(0, 1, 2, 3))
# guides() 设置图例信息
gg <- gg + guides(fill = guide_legend(title.position = "top", label.position = "bottom"))
# labs() 对图形添加注释和标签(包含标题 title、子标题 subtitle、坐标轴 x & y 和引用 caption 等注释)
gg <- gg + labs(title = expression(paste("国际足球联合会·FIFA"^"®", " 世界杯™ 收视率 2010")),x = NULL,y = NULL,fill = '收视率', caption = "资料来源: FiveThirtyEight.com - graph by 数绘小站 - 2022-10-19")
# theme() 实现对非数据元素的调整, 对结果进行进一步渲染, 使之更加美观
gg <- gg + theme(# plot.title 主标题plot.title = element_text(size = 20, face = "bold", family = 'nshk'),# plot.caption 说明文字plot.caption =  element_text(hjust = 0.85, vjust = 0, size = 10, family = 'zxw'),# legend.position 设置图例位置, 这里用坐标来指定图例具体的摆放位置legend.position = c(0.15, 0.18),# legend.direction 设置图例的方向, horizontal 表示水平方向摆放legend.direction = 'horizontal',# legend.background 设置图例的背景, 且图例边框无legend.background = element_rect(fill='#EEE8AA', colour = 'transparent'),# legend.title 设置图例标题legend.title = element_text(family = 'zxw', hjust = 0.5),# text 设置文本格式text = element_text(family = 'albert'))

7. 保存图片到 PDF 和 PNG

gg

在这里插入图片描述

filename = '20180612-A-01'
ggsave(filename = paste0(filename, ".pdf"), width = 9.2, height = 6.5, device = cairo_pdf)
ggsave(filename = paste0(filename, ".png"), width = 9.2, height = 6.5, dpi = 100, device = "png", bg = 'white')

8. session-info

sessionInfo()
## R version 4.2.1 (2022-06-23)
## Platform: x86_64-pc-linux-gnu (64-bit)
## Running under: Ubuntu 20.04.5 LTS
## 
## Matrix products: default
## BLAS:   /usr/lib/x86_64-linux-gnu/openblas-pthread/libblas.so.3
## LAPACK: /usr/lib/x86_64-linux-gnu/openblas-pthread/liblapack.so.3
## 
## locale:
##  [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C              
##  [3] LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
##  [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8   
##  [7] LC_PAPER=en_US.UTF-8       LC_NAME=C                 
##  [9] LC_ADDRESS=C               LC_TELEPHONE=C            
## [11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       
## 
## attached base packages:
## [1] stats     graphics  grDevices utils     datasets  methods   base     
## 
## other attached packages:
##  [1] showtext_0.9-5   showtextdb_3.0   sysfonts_0.8.8   treemapify_2.5.5
##  [5] forcats_0.5.2    stringr_1.4.1    dplyr_1.0.10     purrr_0.3.4     
##  [9] readr_2.1.2      tidyr_1.2.1      tibble_3.1.8     ggplot2_3.3.6   
## [13] tidyverse_1.3.2 
## 
## loaded via a namespace (and not attached):
##  [1] lubridate_1.8.0     assertthat_0.2.1    digest_0.6.29      
##  [4] utf8_1.2.2          R6_2.5.1            cellranger_1.1.0   
##  [7] backports_1.4.1     reprex_2.0.2        evaluate_0.16      
## [10] highr_0.9           httr_1.4.4          pillar_1.8.1       
## [13] rlang_1.0.6         curl_4.3.3          googlesheets4_1.0.1
## [16] readxl_1.4.1        rstudioapi_0.14     jquerylib_0.1.4    
## [19] rmarkdown_2.16      textshaping_0.3.6   googledrive_2.0.0  
## [22] bit_4.0.4           munsell_0.5.0       broom_1.0.1        
## [25] compiler_4.2.1      modelr_0.1.9        xfun_0.32          
## [28] systemfonts_1.0.4   pkgconfig_2.0.3     htmltools_0.5.3    
## [31] ggfittext_0.9.1     tidyselect_1.1.2    fansi_1.0.3        
## [34] crayon_1.5.2        tzdb_0.3.0          dbplyr_2.2.1       
## [37] withr_2.5.0         grid_4.2.1          jsonlite_1.8.2     
## [40] gtable_0.3.1        lifecycle_1.0.3     DBI_1.1.3          
## [43] magrittr_2.0.3      scales_1.2.1        vroom_1.5.7        
## [46] cli_3.4.1           stringi_1.7.8       cachem_1.0.6       
## [49] farver_2.1.1        fs_1.5.2            xml2_1.3.3         
## [52] bslib_0.4.0         ragg_1.2.3          ellipsis_0.3.2     
## [55] generics_0.1.3      vctrs_0.4.2         tools_4.2.1        
## [58] bit64_4.0.5         glue_1.6.2          hms_1.1.2          
## [61] parallel_4.2.1      fastmap_1.1.0       yaml_2.3.5         
## [64] colorspace_2.0-3    gargle_1.2.1        rvest_1.0.3        
## [67] knitr_1.40          haven_2.5.1         sass_0.4.2

测试数据

配套数据下载:FIFA World Cup Audience

这篇关于20180612-A · FIFA World Cup Audience · ggplot2 geom_treemap 矩形树状图 treemapify 画图 图例 · R 语言数据可视化 案例 源码的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/414249

相关文章

springboot循环依赖问题案例代码及解决办法

《springboot循环依赖问题案例代码及解决办法》在SpringBoot中,如果两个或多个Bean之间存在循环依赖(即BeanA依赖BeanB,而BeanB又依赖BeanA),会导致Spring的... 目录1. 什么是循环依赖?2. 循环依赖的场景案例3. 解决循环依赖的常见方法方法 1:使用 @La

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

Redis 中的热点键和数据倾斜示例详解

《Redis中的热点键和数据倾斜示例详解》热点键是指在Redis中被频繁访问的特定键,这些键由于其高访问频率,可能导致Redis服务器的性能问题,尤其是在高并发场景下,本文给大家介绍Redis中的热... 目录Redis 中的热点键和数据倾斜热点键(Hot Key)定义特点应对策略示例数据倾斜(Data S

Python实现将MySQL中所有表的数据都导出为CSV文件并压缩

《Python实现将MySQL中所有表的数据都导出为CSV文件并压缩》这篇文章主要为大家详细介绍了如何使用Python将MySQL数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到... python将mysql数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到另一个

C语言中的数据类型强制转换

《C语言中的数据类型强制转换》:本文主要介绍C语言中的数据类型强制转换方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录C语言数据类型强制转换自动转换强制转换类型总结C语言数据类型强制转换强制类型转换:是通过类型转换运算来实现的,主要的数据类型转换分为自动转换

利用Go语言开发文件操作工具轻松处理所有文件

《利用Go语言开发文件操作工具轻松处理所有文件》在后端开发中,文件操作是一个非常常见但又容易出错的场景,本文小编要向大家介绍一个强大的Go语言文件操作工具库,它能帮你轻松处理各种文件操作场景... 目录为什么需要这个工具?核心功能详解1. 文件/目录存javascript在性检查2. 批量创建目录3. 文件