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
柳杉1 天前
没写一行代码!我用 ChatGPT 5.6 (Sol) 做了一个智慧充电站 3D 大屏
前端·chatgpt·数据可视化
DolitD3 天前
无人机×云渲染:点量云流实时交互云推流方案
3d·云计算·数据可视化·虚拟现实
Lx3525 天前
成了!不会前端,花一天时间给公司 BI 系统装上了 AI 智能体!
数据分析·agent·数据可视化
航鑫光电8 天前
Canvas 手写实时波形图:一套通用的传感器数据可视化方案
数据可视化
尘中远8 天前
【Qwt 7.0 系列】快速入门与核心新特性概览 —— 更现代的 Qt 数据可视化库
qt·数据可视化·绘图·qwt·科学绘图
柳杉8 天前
别再手写大屏了!用这套「3D 地图 + 拖拽脚手架」示例源码,交付效率提升 80%
前端·three.js·数据可视化
尘中远9 天前
【Qwt 7.0 系列】坐标轴与刻度系统 —— 刻度引擎、网格、图例与刻度朝内
qt·数据可视化·qcustomplot·qwt·工业软件·科学绘图
尘中远9 天前
【Qwt 7.0 系列】交互功能详解 —— 平移、缩放、坐标轴交互与数据拾取
qt·数据可视化·绘图·qcustomplot·qwt·科学绘图
尘中远9 天前
【Qwt 7.0 系列】高级科学图表 —— 光谱图、向量场、K线图与极坐标绘图
qt·数据可视化·qwt·工业软件·科学绘图·云图·向量场
江华森10 天前
数据可视化实战:从 seaborn 到 pyecharts 的 7 个动手实验
python·数据可视化