手把手教你使用ggplot2绘制条形图

数据分析报告中经常会看见各种各样的条形图，如简单条形图、水平交错条形图、堆叠条形图、堆叠百分比条形图等，本文从R语言的角度，教大家绘制各式各样的条形图。

绘制离散单变量的条形图

从数据形式来看：有汇总好的数据集和明细数据集

使用汇总好的数据集绘制条形图：

x <- c('A','B','C','D','E')

y <- c(13,22,16,31,8)

df <- data.frame(x = x, y = y)

ggplot(data = df, mapping = aes(x = x, y = y)) + geom_bar(stat = 'identity')

对于条形图的y轴就是数据框中原本的数值时，必须将geom_bar()函数中stat(统计转换)参数设置为'identity'，即对原始数据集不作任何统计变换，而该参数的默认值为'count'，即观测数量。

使用明细数据集绘制条形图：

set.seed(1234)

x <- sample(c('A','B','C','D'), size = 1000, replace = TRUE, prob = c(0.2,0.3,0.3,0.2))

y <- rnorm(1000) * 1000

df = data.frame(x = x, y = y)

ggplot(data = df, mapping = aes(x = x)) + geom_bar(stat = 'count')

数据集本身是明细数据，而对于统计某个离散变量出现的频次时，geom_bar()函数中stat(统计转换)参数只能设置为默认，即'count'。

当然，如果需要对明细数据中的某个离散变量进行聚合(均值、求和、最大、最小、方差等)后再绘制条形图的话，建议先使用dplyr包中的group_by()函数和summarize()函数实现数据汇总，具体可参见：

强大的dplyr包实现数据预处理

从x轴的数据类型来看：有字符型的x值也有数值型的x值

上面的两幅图对应的x轴均为离散的字符型值，如果x值是数值型时，该如何正确绘制条形图？

set.seed(1234)

x <- sample(c(1,2,4,6,7), size = 1000, replace = TRUE, prob = c(0.1,0.2,0.2,0.3,0.2))

ggplot(data = data.frame(x = x), mapping = aes(x = x, y = ..count..)) + geom_bar(stat = 'count')

如果直接使用数值型变量作为条形图的x轴，我们会发现条形图之间产生空缺，这个空缺其实对应的是3和5两个值，这样的图形并不美观。为了能够使条形图之间不存在类似的空缺，需要将数值型的x转换为因子，即factor(x)，如下图所示：

ggplot(data = data.frame(x = x3), mapping = aes(x = factor(x), y = ..count..)) + geom_bar(stat = 'count')

上面几幅图的颜色均为灰色的，显得并不是那么亮眼，为了使颜色更加丰富多彩，可以在geom_bar()函数内通过fill参数可colour参数设置条形图的填充色和边框色，例如：

ggplot(data = data.frame(x = x), mapping = aes(x = factor(x), y = ..count..)) + geom_bar(stat = 'count', fill = 'steelblue', colour = 'darkred')

关于颜色的选择可以在R控制台中输入colours()，将返回657种颜色的字符。如果想查看所有含红色的颜色值，可以输入colours()[grep('red', colours())]返回27种红色。

绘制簇条形图

以上绘制的条形图均是基于一个离散变量作为x轴，如果想绘制两个离散变量的条形图即簇条形图该如何处理呢？具体见下方例子：

x <- rep(1:5, each = 3)

y <- rep(c('A','B','C'),times = 5)

set.seed(1234)

z <- round(runif(min = 10, max = 20, n = 15))

df <- data.frame(x = x, y = y, z = z)

ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat = 'identity', position = 'dodge')

对于簇条形图只需在ggplot()函数的aes()参数中将其他离散变量赋给fill参数即可。这里的position参数表示条形图的摆放形式，默认为堆叠式(stack)，还可以是百分比的堆叠式。下面分别设置这两种参数，查看一下条形图的摆放形式。

堆叠式：

ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat = 'identity', position = 'stack')

发现一个问题，条形图的堆叠顺序与图例顺序恰好相反，这个问题该如何处理呢？很简单，只需再添加guides()函数进行设置即可，如下所示：

ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat = 'identity', position = 'stack') + guides(fill = guide_legend(reverse = TRUE))

guides()函数将图例引到fill属性中，再使图例反转即可。

百分比堆叠式：

ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat = 'identity', position = 'fill')

颜色配置：

同样，如果觉得R自动配置的填充色不好看，还可以根据自定义的形式更改条形图的填充色，具体使用scale_fill_brewer()和scale_fill_manual()函数进行颜色设置。

scale_fill_brewer()函数使用R自带的ColorBrewer画板

ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat = 'identity', position = 'dodge') + scale_fill_brewer(palette = 'Accent')

具体的调色板颜色可以查看scale_fill_brewer()函数的帮助。

scale_fill_manual()函数允许用户给指定的分类水平设置响应的色彩，个人觉得这个比较方便

col <- c('darkred','skyblue','purple')

ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat = 'identity', colour = 'black', position = 'dodge') + scale_fill_manual(values = col, limits = c('B','C','A')) + xlab('x')

该如何绘制有序的条形图？

#不经排序的条形图，默认按x值的顺序产生条形图

x <- c('A','B','C','D','E','F','G')

y <- c('xx','yy','yy','xx','xx','xx','yy')

z <- c(10,33,12,9,16,23,11)

df <- data.frame(x = x, y = y, z = z)

ggplot(data = df, mapping = aes(x = x, y = z, fill = y)) + geom_bar(stat = 'identity')

按z值的大小，重新排列条形图的顺序，只需将aes()中x的属性用reorder()函数更改即可。

ggplot(data = df, mapping = aes(x = reorder(x, z), y = z, fill = y)) + geom_bar(stat = 'identity') + xlab('x')

关于条形图的微调

如何y轴的正负值区分开来，并去除图例

set.seed(1234)

x = 1980 + 1:35

y = round(100*rnorm(35))

df = data.frame(x = x, y = y)

#判断y是否为正值

df <- transform(df, judge = ifelse(y>0, 'Yes', 'No'))

ggplot(data = df, mapping = aes(x = x, y = y, fill = judge)) + geom_bar(stat = 'identity', position = 'identity') + scale_fill_manual(values = c('blue','red'), guide = FALSE) + xlab('Year')

stat参数和position参数均设置为identity，目的是图形绘制不要求对原始数据做任何的变换，包括统计变换和图形变换，排除图例可以通过scale_fill_manual()函数将参数guide设置为FALSE，同时该函数还可以自定义填充色，一举两得。

调整条形图的条形宽度和条形间距

geom_bar()函数可以非常灵活的将条形图的条形宽度进行变宽或变窄设置,具体通过函数的width参数实现，width的最大值为1，默认为0.9。

x = c('A','B','C','D','E')

y = c(10,20,15,22,18)

df = data.frame(x = x , y = y)

#不作任何条形宽度的调整

ggplot(data = df, mapping = aes(x = x, y = y)) + geom_bar(stat = 'identity', fill = 'steelblue', colour = 'black')

#使条形宽度变宽

ggplot(data = df, mapping = aes(x = x, y = y)) + geom_bar(stat = 'identity', fill = 'steelblue', colour = 'black', width = 1)

对于簇条形图来说，还可以调整条形之间的距离，默认情况下，条形图的组内条形间隔为0，具体可通过函数的position_dodge参数实现条形距离的调整，为了美观，一般将条形距离设置的比条形宽度大一点。

x <- rep(1:5, each = 3)

y <- rep(c('A','B','C'),times = 5)

set.seed(1234)

z <- round(runif(min = 10, max = 20, n = 15))

df <- data.frame(x = x, y = y, z = z)

#不作任何条形宽度和条形距离的调整

ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat = 'identity', position = 'dodge')

#调整条形宽度和条形距离

ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat = 'identity', width = 0.5, position = position_dodge(0.7))

添加数据标签

geom_text()函数可以方便的在图形中添加数值标签，具体微调从几个案例开始：

x <- rep(1:5, each = 3)

y <- rep(c('A','B','C'),times = 5)

set.seed(1234)

z <- round(runif(min = 10, max = 20, n = 15))

df <- data.frame(x = x, y = y, z = z)

ggplot(data = df, mapping = aes(x = interaction(x,y), y = z, fill = y)) + geom_bar(stat = 'identity') + geom_text(mapping = aes(label = z))

除此之外，还可以调整标签的大小、颜色、位置等

ggplot(data = df, mapping = aes(x = interaction(x,y), y = z, fill = y)) + geom_bar(stat = 'identity') + ylim(0,max(z)+1) + geom_text(mapping = aes(label = z), size = 8, colour = 'orange', vjust = 1)

ylim设置条形图中y轴的范围；size调整标签字体大小，默认值为5号；colour更换标签颜色；vjust调整标签位置，1为分界线，越大于1，标签越在条形图上界下方，反之则越在条形图上上界上方。

对于水平交错的簇条形图，必须通过geom_text()函数中的position_dodge()参数来调整标签位置，hjust=0.5将标签水平居中放置。

ggplot(data = df, mapping = aes(x = x, y = z, fill = y)) + geom_bar(stat = 'identity', position = 'dodge') + geom_text(mapping = aes(label = z), size = 5, colour = 'black', vjust = 1, hjust = .5, position = position_dodge(0.9))

这里的图形位置与标签位置摆放必须一致，即图形位置geom_bar()函数中的position = 'dodge'参数，标签位置geom_text()函数中的position = position_dodge(0.9)参数。

对于堆叠的簇条形图，必须通过geom_text()函数中的position_stack()参数来调整标签位置，hjust=0.5将标签水平居中放置。

ggplot(data = df, mapping = aes(x = x, y = z, fill = y)) + geom_bar(stat = 'identity', position = 'stack') + geom_text(mapping = aes(label = z), size = 5, colour = 'black', vjust = 3.5, hjust = .5, position = position_stack())

这里的图形位置与标签位置摆放必须一致，即图形位置geom_bar()函数中的position = 'stack'参数，标签位置geom_text()函数中的position = position_stack()参数。

参考资料

R数据可视化手册

R语言_ggplot2：数据分析与图形艺术