手把手教学系列之R语言绘图——饼图

1.安装需要的包

如果有的话就不用安装了

r 复制代码
# 安装包
install.packages("ggplot2")
install.packages("dplyr")

2.导入需要的包

r 复制代码
# 导入包
library(ggplot2)
library(dplyr)

3.创建数据

这一步很重要,只有我们得到正确的数据格式才可以正确的画图。

下面的两种方法,第一种是直接在R语言中创建数据,第二种是对已有的数据进行修改格式,选择适合自己的一种即可。

3.1 创建数据

r 复制代码
# 创建数据框
data <- data.frame(
  category = c("A", "B", "C", "D"),
  percentage = c(20, 30, 40, 10)
)

# category列为饼图中每一部分的名称
# percentage是对应的每一部分的百分比

查看数据格式

r 复制代码
head(data)

3.2 导入数据

3.2.1 准备文件

没有数据的可以直接自己创建一个,有的可以跳过直接读取文件

test_pie.csv

这个文件就是按照每个category的个数占得百分比绘图

3.2.2 读取文件

r 复制代码
# 读取文件
data_test <- read.csv('E:/个人主页/R语言/饼图/导入数据/test_pie.csv',header = TRUE)

查看数据格式

r 复制代码
head(data_test)

3.2.3 计算每个category的百分比:每个类别的计数/总行数

r 复制代码
## 计算每个类别的计数
counts <- table(data_test$category)

## 总行数
total <- nrow(data_test)

## 计算百分比
percentage <- counts / total * 100

3.2.4 转换为数据框

r 复制代码
data <- as.data.frame(percentage)
colnames(data) <- c("category", "percentage")
print(data)

4.绘制饼图

4.1 绘制基础饼图

最基础的饼图。

按照数据的每一行顺序进行逆时针绘制的,但是官方教程里面说是默认顺时针的,这一点比较矛盾,没太懂其中的逻辑。

r 复制代码
# 最基础的饼图
# 按照数据的每一行顺序进行逆时针绘制的,但是官方教程里面说是默认顺时针的,这一点比较矛盾,没太懂其中的逻辑
p <- ggplot(data,aes(x = "",y = percentage,fill = category)) + 
  geom_bar(stat="identity", width=1, color="white") + #绘制柱状图
  coord_polar("y", start=0) + #设置环形
  theme_void() 
  
# 保存pdf格式
ggsave('pie_base.pdf', plot = p, width = 6, height = 4)
 
# 展示饼图
print(p)

4.2 绘制加category标签的饼图

4.2.1 添加标签的位置信息

r 复制代码
# 加标签
# 加标签时,最棘手的是确定标签的位置
# 在使用ggplot2画扇形图时,是在画柱形图的基础上,设置为圆环状;
# 因此我们需要确保标签的位置在扇形的中间;
# 以本数据为例,需要先按照category排序,保证顺序正确;
# 因为扇形图中是按照百分比排序的,也就是A占百分之20,就需要标签的位置在10的位置,也就是20的一半的位置;
# 所以这里使用cumsum函数,这个函数是累计叠加数据,也就是D的位置就是10 - 10 * 0.5、C的位置就是D(10) + C(40) - C(40) * 0.5

# 数据按照category排序
# 设置ypos位置
data <- data %>% 
  arrange(desc(category)) %>% #排序
  mutate(ypos = cumsum(percentage)- 0.5*percentage ) #设置标签的位置信息

4.2.2 查看数据结构

r 复制代码
head(data)

4.2.3 绘制标签饼图

r 复制代码
# 绘制基础标签饼图
p_label <- ggplot(data, aes(x="", y=percentage, fill=category)) +
  geom_bar(stat="identity", width=1, color="white") + #绘制柱状图
  coord_polar("y", start=0) + #设置环形
  theme_void() + 
  geom_text(aes(y = ypos, label = category), color = "white", size=8) + #加上标签
  scale_fill_brewer(palette="Set1") #设置颜色

# 保存pdf格式
ggsave('pie_label.pdf', plot = p_label, width = 6, height = 4)

# 展示饼图
print(p_label)

4.3 绘制特定颜色的饼图

scale_fill_manual函数直接特定设置即可

r 复制代码
# 设置颜色
p_color <- ggplot(data, aes(x="", y=percentage, fill=category)) +
  geom_bar(stat="identity", width=1, color="white") + #绘制柱状图
  coord_polar("y", start=0) + #设置环形
  theme_void() + 
  geom_text(aes(y = ypos, label = category), color = "black", size=8) + #加上标签
  scale_fill_manual(values = c("A" = "#5378AC", "B" = "#FFF2CD", "C" = "#D3E2B7", "D" = "#D26B66")) #每个种类设置特定的颜色

# 保存pdf格式
ggsave('pie_color.pdf', plot = p_color, width = 6, height = 4)

# 展示饼图
print(p_color)

4.4 绘制加上百分比的饼图

geom_text函数中label参数中加上percentage即可

r 复制代码
# 加上百分比
p_percentage <- ggplot(data, aes(x="", y=percentage, fill=category)) +
  geom_bar(stat="identity", width=1, color="white") + #绘制柱状图
  coord_polar("y", start=0) + #设置环形
  theme_void() + 
  geom_text(aes(y = ypos, label = sprintf("%s: %d%%", category, percentage)), color = "black", size=4) + #加上category和percentage标签
  scale_fill_manual(values = c("A" = "#5378AC", "B" = "#FFF2CD", "C" = "#D3E2B7", "D" = "#D26B66")) #每个种类设置特定的颜色

# 保存pdf格式
ggsave('pie_percentage.pdf', plot = p_percentage, width = 6, height = 4)

# 展示饼图
print(p_percentage)

觉得不错的可以给个赞和关注,谢谢!

相关推荐
慧都小妮子5 天前
Wyn商业智能国产数据库适配:数据接入、分析缓存与审计日志验证清单
数据库·数据分析·数据可视化·审计日志·商业智能
Flynn Liang6 天前
Apache Superset 重要特性详解(三):语义层 / 权限 / 缓存 / 嵌入的实战最佳实践(2026 版)
大数据·clickhouse·数据可视化·架构设计·superset·数据分析平台
一晌小贪欢7 天前
Python基础:第 09 篇 · while 循环:重复直到不满足
开发语言·c++·python·数据可视化·面向对象·python办公
报表开不开发10 天前
用开源报表工具SpringReport做车间大屏+Excel 导出,我踩过的一些坑,基于最初版本的设计开发
数据可视化
QuZhengRong10 天前
【Luck‑Report】 AI 智能报表助手 + RAG 知识库 + 报表引擎 V2.0.9 更新
github·agent·报表·开源项目·数据可视化
MetWeave10 天前
风的三十年:一个机场的风在变小吗:10,958 天的账(《风不是一个数》系列第 6 篇)
前端·数据可视化
AllData公司负责人11 天前
【产品便捷使用一】AIIData 数据中台:企业基础版核心能力支持,一站式全链路数据处理实操指南
大数据·前端·数据治理·数据可视化·数据开发·数据服务·数据接入
wangweilong33412 天前
把一部古典小说建模成知识图谱:红楼梦图鉴的数据、本体和单文件 HTML
数据可视化
Blockbuater_drug12 天前
《经典机器学习实战》第 2 课:回归入门——环境、工具与数据准备
线性回归·pandas·scikit-learn·数据可视化·数据清洗·最小二乘法·conda环境
阿琳a_12 天前
b-map-viewer:面向 Vue 3 的地图可视化 SDK,从接入到展示再到交互分析
前端·javascript·vue.js·gis·数据可视化·地图