第三章 条形图（Bar Graphs）
条形图可能是最常用的数据可视化类型。它们通常用于显示不同类别（在x轴上）的数值（在y轴上）。举例来说，条形图可以很好地显示四种不同商品的价格。但是，条形图通常不适合显示随时间变化的价格（因为时间是一个连续变量）。
在制作条形图时，有一点需要意识到：条形图的高度有时候代表的是数据集中case的统计数目，而有时它们代表的则是数据集中具体的数值。由于count和value与具体数据间的关系有着很大的差异，因此可能会引起混淆。
3.1 创建一个简单的条形图
使用ggplot()中的geom_col()，并指定x和y轴的数据。
library(gcookbook) # Load gcookbook for the pg_mean data set
ggplot(pg_mean, aes(x = group, y = weight)) +
geom_col()
注：在早期的ggpolot2版本中，使用geom_bar(stat=”identity”)来创建条形图，而新版本则使用geom_col()。
当x是一个连续型（或数字型）变量时，条形图的呈现会略有差异（比如下图x轴在6的地方出现了隔断）。此时可以利用factor()函数将连续型变量转换为离散型变量。
# There's no entry for Time == 6
BOD
#> Time demand
#> 1 1 8.3
#> 2 2 10.3
#> 3 3 19.0
#> 4 4 16.0
#> 5 5 15.6
#> 6 7 19.8
# Time is numeric (continuous)
str(BOD)
#> 'data.frame': 6 obs. of 2 variables:
#> $ Time : num 1 2 3 4 5 7
#> $ demand: num 8.3 10.3 19 16 15.6 19.8
#> - attr(*, "reference")= chr "A1.4, p. 270"
ggplot(BOD, aes(x = Time, y = demand)) +
geom_col()
# Convert Time to a discrete (categorical) variable with factor()
ggplot(BOD, aes(x = factor(Time), y = demand)) +
geom_col()
注意，BOD数据中并中没有Time = 6的行。当x为连续型变量时，ggplot2将使用一个数字轴，该轴会为最小值到最大值范围内的所有数值保留空间（在本图中，虽然x中没有6这一行，但是会保留该space）。
将Time数据转换为factor后，ggplot2会将其当作离散型变量来处理，该变量的值将被视为任意的标签（而非数字），因此它将不会在x轴上为最小值和最大值之间的所有可能数值分配空间。
ggplot2中条形图的默认颜色为深灰色。若要更换颜色填充，可以利用fill参数进行修改。另外，默认情况下，填充的周围是没有轮廓的，若要添加轮廓，则需使用colour参数。
# 使用淡蓝色的fill和黑色的轮廓
ggplot(pg_mean, aes(x = group, y = weight)) +
geom_col(fill = "lightblue", colour = "black")
3.2 创建分组条形图（geom_col(position = “dodge”)）
下面将使用cabbage_exp数据集进行演示，该数据包含两个分类变量（Cultivar和Date）和一个连续型变量（Weight）：
library(gcookbook) # Load gcookbook for the cabbage_exp data set
cabbage_exp
#> Cultivar Date Weight sd n se
#> 1 c39 d16 3.18 0.9566144 10 0.30250803
#> 2 c39 d20 2.80 0.2788867 10 0.08819171
#> 3 c39 d21 2.74 0.9834181 10 0.31098410
#> 4 c52 d16 2.26 0.4452215 10 0.14079141
#> 5 c52 d20 3.11 0.7908505 10 0.25008887
#> 6 c52 d21 1.47 0.2110819 10 0.06674995
我们将Date映射到x轴，将Weight映射到y轴，将Cultivar映射到fill color：
ggplot(cabbage_exp, aes(x = Date, y = Weight, fill = Cultivar)) +
geom_col(position = "dodge")
对于大部分的条形图来说，x轴一般为分类变量（categorical variable），y轴一般为连续型变量（continuous variable）。有时候我们还想引入另一个分类变量用于创建分组条形图，此时我们便可用position = “dodge参数来完成。
注意：条形图的x轴一定要是categorical variable，而非continuous variable。如果想给条形图绘制外框，可在geom_col()中加入参数colour=”black”。如果要设置条形图的颜色，则需使用scale_fill_brewer()或scale_fill_manual()参数。下图使用的是RColorBrewer中的Pastel1这个调色板：
ggplot(cabbage_exp, aes(x = Date, y = Weight, fill = Cultivar)) +
geom_col(position = "dodge", colour = "black") +
scale_fill_brewer(palette = "Pastel1")
创建基于计数（counts）的条形图
使用geom_bar()函数，但不映射任何值给y轴：
# Equivalent to using geom_bar(stat = "bin")
ggplot(diamonds, aes(x = cut)) +
geom_bar()
diamonds
#> # A tibble: 53,940 x 10
#> carat cut color clarity depth table price x y z
#> <dbl> <ord> <ord> <ord> <dbl> <dbl> <int> <dbl> <dbl> <dbl>
#> 1 0.23 Ideal E SI2 61.5 55 326 3.95 3.98 2.43
#> 2 0.21 Premium E SI1 59.8 61 326 3.89 3.84 2.31
#> 3 0.23 Good E VS1 56.9 65 327 4.05 4.07 2.31
#> 4 0.290 Premium I VS2 62.4 58 334 4.2 4.23 2.63
#> 5 0.31 Good J SI2 63.3 58 335 4.34 4.35 2.75
#> 6 0.24 Very Good J VVS2 62.8 57 336 3.94 3.96 2.48
#> # … with 53,934 more rows
上图我们对diamonds数据集中的cut这一列进行了计数，并绘制了条形图，cut列是离散的。如果我们使用连续型变量进行计数条形图的绘制，则效果如下：
x轴连续的条形图类似于直方图，但不相同。在条形图中，每个条形表示一个唯一的x值，而在直方图中，每个条形表示一个x值的范围。
附录：条形图和直方图的区别
1、条形图是用条形的长度表示各类别频数的多少，其宽度（表示类别）则是固定的； 直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，因此其高度与宽度均有意义。
2、由于分组数据具有连续性，直方图的各矩形通常是连续排列，而条形图则是分开排列。
3、条形图主要用于展示分类数据，而直方图则主要用于展示数据型数据
在条形图中使用不同的颜色
此例我们将使用uspopchange数据集，其包含了美国从2000年到2010年的人口变化百分比。我们将使用人口增速最快的前十个州，并绘制出它们的百分比变化。我们还将按地区（东北，南部，中北部或西部）对条形进行着色。首选需要获得排名前十的州的数据：
library(gcookbook) # Load gcookbook for the uspopchange data set
library(dplyr)
upc <- uspopchange %>%
arrange(desc(Change)) %>%
slice(1:10)
upc
#> State Abb Region Change
#> 1 Nevada NV West 35.1
#> 2 Arizona AZ West 24.6
#> 3 Utah UT West 23.8
#> ...<4 more rows>...
#> 8 Florida FL South 17.6
#> 9 Colorado CO West 16.9
#> 10 South Carolina SC South 15.3
下面开始作图:
ggplot(upc, aes(x = Abb, y = Change, fill = Region)) +
geom_col()
默认颜色为湖绿和西瓜红，若想更改条形图的颜色，可以使用scale_fill_brewer()函数或scale_fill_manual()函数。此例将使用scale_fill_manual()函数来更改颜色，使用colour=”black”来绘制条形图的外框颜色。
ggplot(upc, aes(x = reorder(Abb, Change), y = Change, fill = Region)) +
geom_col(colour = "black") +
scale_fill_manual(values = c("#669933", "#FFCC66")) +
xlab("State")
注意，在上述例子中，我们还使用了reorder()函数，基于Change的值来对factor Abb进行重新排序。由上图可知，相比于按照factor Abb的字母顺序，这种按照条形图高度进行排序的方式显得更加合理。
3.5 为正负条形图分别上色
我们将使用一部分气候数据，并创建一个称为pos的新列，该列可以指明该值是正数还是负数：
library(gcookbook) # Load gcookbook for the climate data set
library(dplyr)
climate_sub <- climate %>%
filter(Source == "Berkeley" & Year >= 1900) %>%
mutate(pos = Anomaly10y >= 0)
climate_sub
#> Source Year Anomaly1y Anomaly5y Anomaly10y Unc10y pos
#> 1 Berkeley 1900 NA NA -0.171 0.108 FALSE
#> 2 Berkeley 1901 NA NA -0.162 0.109 FALSE
#> 3 Berkeley 1902 NA NA -0.177 0.108 FALSE
#> ...<99 more rows>...
#> 103 Berkeley 2002 NA NA 0.856 0.028 TRUE
#> 104 Berkeley 2003 NA NA 0.869 0.028 TRUE
#> 105 Berkeley 2004 NA NA 0.884 0.029 TRUE
一旦我们获得了数据，便可以开始绘制条形图，我们使用position=”identity”参数，以防因负数而出现警告消息：
ggplot(climate_sub, aes(x = Year, y = Anomaly10y, fill = pos)) +
geom_col(position = "identity")
上图有几个问题：首先，颜色和我们所期望的相反，一般来说，红色代表热，蓝色代表冷；其次，图例是多余的。
我们可以使用scale_fill_manual()参数来改变颜色，使用guide=FLASE来移除图例，使用colour参数来改变条形图的外框颜色，使用size参数来改变外框的粗细。
ggplot(climate_sub, aes(x = Year, y = Anomaly10y, fill = pos)) +
geom_col(position = "identity", colour = "black", size = 0.25) +
scale_fill_manual(values = c("#CCEEFF", "#FFDDDD"), guide = FALSE)
3.6 调整条形图的宽度和间距
标准宽度的条形图：
library(gcookbook) # Load gcookbook for the pg_mean data set
ggplot(pg_mean, aes(x = group, y = weight)) +
geom_col()
细一些的条形图：
ggplot(pg_mean, aes(x = group, y = weight)) +
geom_col(width = 0.5)
宽一些的条形图：
ggplot(pg_mean, aes(x = group, y = weight)) +
geom_col(width = 1)
对于分组条形图来说，分组之间是默认没有间距的：
ggplot(cabbage_exp, aes(x = Date, y = Weight, fill = Cultivar)) +
geom_col(width = 0.5, position = "dodge")
可以通过position_dodge()参数来增加间距:
ggplot(cabbage_exp, aes(x = Date, y = Weight, fill = Cultivar)) +
geom_col(width = 0.5, position = position_dodge(0.7))
在默认的position=”dodge”中，默认间距为0.9，可以手动使用position=position_dodge(0.7)来改变间距。如果使整个图形变宽或变窄，则条形尺寸将成比例缩放。
3.7 创建一个堆叠条形图
library(gcookbook) # Load gcookbook for the cabbage_exp data set
ggplot(cabbage_exp, aes(x = Date, y = Weight, fill = Cultivar)) +
geom_col()
若想调换图例的顺序，则可以使用guides()函数中的fill=guide_legend参数：
ggplot(cabbage_exp, aes(x = Date, y = Weight, fill = Cultivar)) +
geom_col() +
guides(fill = guide_legend(reverse = TRUE))
若想调换堆叠条形图的顺序，则可在geom_col（）函数中使用position=position_stack参数：
ggplot(cabbage_exp, aes(x = Date, y = Weight, fill = Cultivar)) +
geom_col(position = position_stack(reverse = TRUE)) +
guides(fill = guide_legend(reverse = TRUE))
最后，还可以使用colour参数来改变外框颜色，使用scale_fill_brewer()函数来改变条形图的颜色：
ggplot(cabbage_exp, aes(x = Date, y = Weight, fill = Cultivar)) +
geom_col(colour = "black") +
scale_fill_brewer(palette = "Pastel1")
3.8 创建一个百分比堆积条形图
使用geom_col(position=”fill”)来绘制百分比堆积条形图：
library(gcookbook) # Load gcookbook for the cabbage_exp data set
ggplot(cabbage_exp, aes(x = Date, y = Weight, fill = Cultivar)) +
geom_col(position = "fill")
geom_col(position=”fill”)可以将y轴的值缩放至0到1之间，若要将标签也改为百分比，则可使用scale_y_continuous(labels=scales::percent)：
ggplot(cabbage_exp, aes(x = Date, y = Weight, fill = Cultivar)) +
geom_col(position = "fill") +
scale_y_continuous(labels = scales::percent)
使用scales :: percent是一种使用scales包中的percent函数的方法。也可以改用library（scales），然后只用scale_y_continuous（labels = percent）。
为了让图片更加好看，可以加上外框并改变颜色：
ggplot(cabbage_exp, aes(x = Date, y = Weight, fill = Cultivar)) +
geom_col(colour = "black", position = "fill") +
scale_y_continuous(labels = scales::percent) +
scale_fill_brewer(palette = "Pastel1")
与其让ggplot2自动计算比例，不如我们自己来计算比例的值。如果要在其他计算中使用这些值，这将很有用。我们首先需要将y轴的值缩放至100%，这可以通过group_by()和mutate()函数来完成：
library(gcookbook)
library(dplyr)
cabbage_exp
#> Cultivar Date Weight sd n se
#> 1 c39 d16 3.18 0.9566144 10 0.30250803
#> 2 c39 d20 2.80 0.2788867 10 0.08819171
#> 3 c39 d21 2.74 0.9834181 10 0.31098410
#> 4 c52 d16 2.26 0.4452215 10 0.14079141
#> 5 c52 d20 3.11 0.7908505 10 0.25008887
#> 6 c52 d21 1.47 0.2110819 10 0.06674995
# Do a group-wise transform(), splitting on "Date"
ce <- cabbage_exp %>%
group_by(Date) %>%
mutate(percent_weight = Weight / sum(Weight) * 100)
ce
#> # A tibble: 6 x 7
#> # Groups: Date [3]
#> Cultivar Date Weight sd n se percent_weight
#> <fct> <fct> <dbl> <dbl> <int> <dbl> <dbl>
#> 1 c39 d16 3.18 0.957 10 0.303 58.5
#> 2 c39 d20 2.8 0.279 10 0.0882 47.4
#> 3 c39 d21 2.74 0.983 10 0.311 65.1
#> 4 c52 d16 2.26 0.445 10 0.141 41.5
#> 5 c52 d20 3.11 0.791 10 0.250 52.6
#> 6 c52 d21 1.47 0.211 10 0.0667 34.9
3.9 为条形图增加标签
通过geom_text()来为条形图增加标签，vset参数可以将标签移至条形图的上方或下方：
library(gcookbook) # Load gcookbook for the cabbage_exp data set
# Below the top
ggplot(cabbage_exp, aes(x = interaction(Date, Cultivar), y = Weight)) +
geom_col() +
geom_text(aes(label = Weight), vjust = 1.5, colour = "white")
# Above the top
ggplot(cabbage_exp, aes(x = interaction(Date, Cultivar), y = Weight)) +
geom_col() +
geom_text(aes(label = Weight), vjust = -0.2)
如果想要给计数型条形图添加标签，则需使用geom_bar()和geom_text()：
ggplot(mtcars, aes(x = factor(cyl))) +
geom_bar() +
geom_text(aes(label = ..count..), stat = "count", vjust = 1.5, colour = "white")
我们需要告知geom_text()来使用count值，并在x轴的条形图上增加相对应的标签，为了能使用计算后的count数作为标签，我们需要使用以下命令：aes(label= ..count..)。
此外，我们还可以根据以下命令来进一步修改标签的位置：
# Adjust y limits to be a little higher
ggplot(cabbage_exp, aes(x = interaction(Date, Cultivar), y = Weight)) +
geom_col() +
geom_text(aes(label = Weight), vjust = -0.2) +
ylim(0, max(cabbage_exp$Weight) * 1.05)
# Map y positions slightly above bar top - y range of plot will auto-adjust
ggplot(cabbage_exp, aes(x = interaction(Date, Cultivar), y = Weight)) +
geom_col() +
geom_text(aes(y = Weight + 0.1, label = Weight))
对于分组条形图来说，我们也需要设置position=position_dodge()并给出dodg的宽度（其默认宽度为0.9）。因为在分组条形图中柱子变窄了，所以我们需要将标签的字体也相应地改小一些：
ggplot(cabbage_exp, aes(x = Date, y = Weight, fill = Cultivar)) +
geom_col(position = "dodge") +
geom_text(
aes(label = Weight),
colour = "white", size = 3,
vjust = 1.5, position = position_dodge(.9)
)
在堆叠条形图上放置标签需要找到每个堆叠的累积总和。为此，请首先确保对数据进行了正确的排序-如果数据排序不正确，则可能会以错误的顺序计算出累计总和。我们将使用dplyr包中的arrange()函数，注意，我们必须使用rev()函数对Cultivar进行倒序：
library(dplyr)
# Sort by the Date and Cultivar columns
ce <- cabbage_exp %>%
arrange(Date, rev(Cultivar)) #先按照Date升序，再按照Cultivar降序
确定数据正确排序后，我们将使用group_by()函数将数据按照日期进行分组，然后在每个数据块中计算权Weight的累积总和：
# Get the cumulative sum
ce <- ce %>%
group_by(Date) %>%
mutate(label_y = cumsum(Weight))
ce
#> # A tibble: 6 x 7
#> # Groups: Date [3]
#> Cultivar Date Weight sd n se label_y
#> <fct> <fct> <dbl> <dbl> <int> <dbl> <dbl>
#> 1 c52 d16 2.26 0.445 10 0.141 2.26
#> 2 c39 d16 3.18 0.957 10 0.303 5.44
#> 3 c52 d20 3.11 0.791 10 0.250 3.11
#> 4 c39 d20 2.8 0.279 10 0.0882 5.91
#> 5 c52 d21 1.47 0.211 10 0.0667 1.47
#> 6 c39 d21 2.74 0.983 10 0.311 4.21
ggplot(ce, aes(x = Date, y = Weight, fill = Cultivar)) +
geom_col() +
geom_text(aes(y = label_y, label = Weight), vjust = 1.5, colour = "white")
若要将标签放置在每个柱子的中间，则需要对累积总和进行调整:
ce <- cabbage_exp %>%
arrange(Date, rev(Cultivar))
# Calculate y position, placing it in the middle
ce <- ce %>%
group_by(Date) %>%
mutate(label_y = cumsum(Weight) - 0.5 * Weight)
ggplot(ce, aes(x = Date, y = Weight, fill = Cultivar)) +
geom_col() +
geom_text(aes(y = label_y, label = Weight), colour = "white")
最后，我们还可以改变条形图的颜色、改变字体大小并使用paste参数在标签后增加“kg”。注意，若要保留小数点后两位数，则可使用format()：
ggplot(ce, aes(x = Date, y = Weight, fill = Cultivar)) +
geom_col(colour = "black") +
geom_text(aes(y = label_y, label = paste(format(Weight, nsmall = 2), "kg")), size = 4) +
scale_fill_brewer(palette = "Pastel1")
3.10 创建一个克利夫兰点图（Cleveland Dot Plot）
克利夫兰圆点图是条形图的一种替代图形，可以减少视觉混乱并使其更易于阅读。最简单的创建点图的方式是使用geom_point()函数：
library(gcookbook) # Load gcookbook for the tophitters2001 data set
tophit <- tophitters2001[1:25, ] # Take the top 25 from the tophitters data set
ggplot(tophit, aes(x = avg, y = name)) +
geom_point()
tophitters2001数据集中含有很多列数据，但我们仅关注其中的三列：
tophit[, c("name", "lg", "avg")]
#> name lg avg
#> 1 Larry Walker NL 0.3501
#> 2 Ichiro Suzuki AL 0.3497
#> 3 Jason Giambi AL 0.3423
#> ...<19 more rows>...
#> 23 Jeff Cirillo NL 0.3125
#> 24 Jeff Conine AL 0.3111
#> 25 Derek Jeter AL 0.3111
上图是按照字母顺序来排列的，但这并不利于图表的呈现。点图通常按水平轴上连续变量的值排序。name是一个字符向量，因此按字母顺序排列。如果是一个factor，它将使用factor level中定义的顺序。在这种情况下，我们希望按不同的变量avg对名称进行排序。
为了实现上述目的，我们需要使用reorder(name,avg)，这会将name列转换为factor，并基于avg列对其进行排序。为了进一步改善外观，我们将使用主题系统使垂直网格线消失，然后将水平网格线变为虚线：
ggplot(tophit, aes(x = avg, y = reorder(name, avg))) +
geom_point(size = 3) + # Use a larger dot
theme_bw() +
theme(
panel.grid.major.x = element_blank(),
panel.grid.minor.x = element_blank(),
panel.grid.major.y = element_line(colour = "grey60", linetype = "dashed")
)
也可以交换轴，以使名称沿x轴移动，而值沿y轴移动。我们还将文本标签旋转60度：
ggplot(tophit, aes(x = reorder(name, avg), y = avg)) +
geom_point(size = 3) + # Use a larger dot
theme_bw() +
theme(
panel.grid.major.y = element_blank(),
panel.grid.minor.y = element_blank(),
panel.grid.major.x = element_line(colour = "grey60", linetype = "dashed"),
axis.text.x = element_text(angle = 60, hjust = 1)
)
有时也需要按另一个变量对项目进行分组。在这种情况下，我们将使用factor lg，其具有NL和AL这两个level，分别代表国家联盟和美国联盟。这次我们要先按lg排序，然后再按avg排序。遗憾的是，reorder()函数只能按另一个变量对factor levels进行排序。要通过两个变量对因子水平进行排序，我们必须手动进行：
# Get the names, sorted first by lg, then by avg
nameorder <- tophit$name[order(tophit$lg, tophit$avg)]
# Turn name into a factor, with levels in the order of nameorder
tophit$name <- factor(tophit$name, levels = nameorder)
此外，我们还需要将lg映射至不同的点的颜色。这次，我们将使用geom_segment()函数。请注意，geom_segment()需要x，y，xend和yend的值：
ggplot(tophit, aes(x = avg, y = name)) +
geom_segment(aes(yend = name), xend = 0, colour = "grey50") +
geom_point(size = 3, aes(colour = lg)) +
scale_colour_brewer(palette = "Set1", limits = c("NL", "AL")) +
theme_bw() +
theme(
panel.grid.major.y = element_blank(), # No horizontal grid lines
legend.position = c(1, 0.55), # Put legend inside plot area
legend.justification = c(1, 0.5)
)
分离两组的另一种方法是使用facets：
ggplot(tophit, aes(x = avg, y = name)) +
geom_segment(aes(yend = name), xend = 0, colour = "grey50") +
geom_point(size = 3, aes(colour = lg)) +
scale_colour_brewer(palette = "Set1", limits = c("NL", "AL"), guide = FALSE) +
theme_bw() +
theme(panel.grid.major.y = element_blank()) +
facet_grid(lg ~ ., scales = "free_y", space = "free_y")
