20180423-B · Australian Salaries by Gender · ggplot2 ggalt geom_dumbbell 棒棒糖图 哑铃图 · R 语言数据可视化 案例 源码

最新推荐文章于 2024-10-13 16:55:28 发布
最新推荐文章于 2024-10-13 16:55:28 发布
阅读量277 收藏 3
点赞数
分类专栏： # Tidy Tuesday (2018)
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Albert_XN/article/details/127286610
版权

r语言 数据挖掘

所有作品合集传送门： Tidy Tuesday

2018 年合集传送门： 2018

Australian Salaries by Gender


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，而可以更加转注地用图形来展现你的数据。

棒棒糖图因其形状和棒棒糖相似而得名，具体来看实际上是一个散点和一条线段的组合。棒棒糖图是散点图的一种变体，又与柱状图非常相似，但其在清晰展示数据的同时，减少了图形量，使得读者能够更加关注于数据本身而非图形。棒棒糖图能够帮助将数值与类别对齐，非常适合比较多个类别的值之间的差异。

在 R 中我们可以直接使用ggalt包中 geom_dumbbell() 函数绘制，或者用 ggplot2 内置的一些绘图方法绘制，可以参考 20180423-A 这篇文章。


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/2018/2018-04-23_Australian_Salaries_by_Gender/src-b'
setwd(wkdir)

3. 加载 R 包

library(skimr)
library(ggalt)
library(tidyverse)

# 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 = "Merienda", family =  "Merienda")
font_add_google(name = "Gochi Hand", family =  "gchi")
font_add_google(name = "ZCOOL XiaoWei", family =  "zxw")

# 后面字体均可以使用导入的字体
showtext_auto()

4. 加载数据

df_input <- read.csv("../data/week4_australian_salary.csv")

# 简要查看数据内容
glimpse(df_input)

## Rows: 2,197
## Columns: 6
## $ X                      <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, …
## $ gender_rank            <int> 795, 881, 699, 828, 641, 760, 200, 136, 157, 99…
## $ occupation             <chr> "Abattoir process worker; Meat process worker; …
## $ gender                 <chr> "Female", "Male", "Female", "Male", "Female", "…
## $ individuals            <int> 5961, 17241, 1386, 636, 1878, 903, 78380, 77112…
## $ average_taxable_income <int> 36359, 40954, 40926, 44077, 43545, 47833, 71552…

# 检查数据的列名
colnames(df_input)

## [1] "X"                      "gender_rank"            "occupation"            
## [4] "gender"                 "individuals"            "average_taxable_income"

5. 数据预处理

# 浏览数框, 获得有用的汇总统计信息
df_input %>% skim(gender, individuals, average_taxable_income)

Table: Data summary

NamePiped data
Number of rows2197
Number of columns6
_______________________
Column type frequency:
character1
numeric2
________________________
Group variablesNone

Variable type: character

skim_variablen_missingcomplete_rateminmaxemptyn_uniquewhitespace
gender0146020

Variable type: numeric

skim_variablen_missingcomplete_ratemeansdp0p25p50p75p100hist
individuals014683.7114591.9332097982960293738▇▁▁▁▁
average_taxable_income0165678.1651171.4513307389095385074441577674▇▁▁▁▁
# 整理绘图数据
df_tidy <- df_input %>%
  # select() 选择需要使用的列
  select(-X, -gender_rank,-individuals) %>%
  # spread() 数据裂变、从窄表到宽表
  spread(gender, average_taxable_income) %>%
  # rename() 列重命名
  rename(female = Female, male = Male) %>%
  # 建议使用 dplyr::mutate 形式调用函数, 有可能与 plyr 中的函数冲突
  dplyr::mutate(fdiff = female - male, fdiff_pct = as.integer(fdiff / male * 100)) %>%
  # 选择前十的数据
  top_n(10, male) %>%
  # arrange() 排序
  arrange(desc(male))

# 去除缺失值
df_plot <- na.omit(df_tidy)

# 简要查看数据内容
glimpse(df_plot)

## Rows: 10
## Columns: 5
## $ occupation <chr> "Neurosurgeon", "Ophthalmologist", "Cardiologist", "Plastic…
## $ female     <int> 323682, 217242, 215920, 281608, 264628, 200136, 159479, 213…
## $ male       <int> 577674, 552947, 453253, 448530, 446507, 445939, 439629, 433…
## $ fdiff      <int> -253992, -335705, -237333, -166922, -181879, -245803, -2801…
## $ fdiff_pct  <int> -43, -60, -52, -37, -40, -55, -63, -50, -34, -37

6. 利用 ggplot2 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 <- ggplot()
# geom_segment() 添加线段 x,y 表示线段的起点; xend, yend 表示线段的终点
gg <- gg + geom_segment(data = df_plot, aes(x = 0, y = fct_reorder(occupation, male),
                                            xend = max(male) * 1.04, yend = occupation),
                        color = '#00FF7F',
                        size = 0.16)
# geom_dumbbell() 绘制棒棒糖图/哑铃图
gg <- gg + geom_dumbbell(data = df_plot, aes(y = occupation, x = female, xend = male), size = 0.75,
                         color = '#00FF7F', 
                         colour_x = 'red',
                         colour_xend = 'blue',
                         dot_guide = FALSE)
# geom_rect() 绘制矩形
gg <- gg + geom_rect(data = df_plot, aes(xmin = max(male) * 1.07, ymin = -Inf, xmax = max(male) * 1.2, ymax = Inf),
                     fill = '#D3D3D3')
# geom_text() 添加文本信息, 添加差异百分比情况
gg <- gg + geom_text(data = df_plot, aes(label = paste0(fdiff_pct, "%"), x = max(male) * 1.13, y = occupation),
                     size = 3, fontface = "bold")
gg <- gg + geom_text(data = filter(df_plot, occupation == "Neurosurgeon"), 
                     aes(x = max(male) * 1.13, y = occupation, label = "差异情况"),
                     color = "#FF8C00",
                     size = 3.2,
                     vjust = -1.55,
                     fontface = "bold")
# geom_text() 添加文本信息, 女性标签
gg <- gg + geom_text(data = filter(df_plot, occupation == "Neurosurgeon"),
                     aes(x = female, y = occupation, label = "女性"),
                     color = 'red',
                     size = 3.2,
                     vjust = 2.45, 
                     fontface = "bold") 
# geom_text() 添加文本信息, 男性标签
gg <- gg + geom_text(data = filter(df_plot, occupation == "Neurosurgeon"), 
                     aes(x = male, y = occupation, label = "男性"),
                     color = 'blue',
                     size = 3.2,
                     vjust = 2.45,
                     fontface = "bold")
# scale_x_continuous() 对连续变量设置坐标轴显示范围
gg <- gg + scale_x_continuous(labels = scales::dollar_format())
# 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 = "2013-2014年平均应税收入（澳元）中的性别工资差距",
                subtitle = "在澳大利亚薪酬最高的工作中，女性收入低于男性",
                x = NULL,
                y = NULL,
                caption = "资料来源: data.gov.au · 资料来源: data.gov.au")
# theme_minimal() 去坐标轴边框的最小化主题
gg <- gg + theme_minimal()
# 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(
  # panel.grid.major 主网格线, 这一步表示删除主要网格线
  panel.grid.major = element_blank(),
  # panel.grid.minor 次网格线, 这一步表示删除次要网格线
  panel.grid.minor = element_blank(),
  # axis.text.x X-坐标轴文本
  axis.text.x = element_text(color = "black", size = 12, family =  "gchi", face = "bold"),
  # axis.text.y Y-坐标轴文本
  axis.text.y = element_text(color = "black", size = 10, family =  "Merienda", face = "bold"),
  # plot.title 主标题
  plot.title = element_text(color = "black", size = 18, family = "zxw", face = "bold", hjust = -1.0),
  # plot.subtitle 次要标题
  plot.subtitle = element_text(color = "red", size = 10, vjust = -1.2),
  # plot.caption 说明文字
  plot.caption =  element_text(hjust = 0.85, vjust = -1.2),
  # legend.position 设置图例位置, "none" 表示不显示图例
  legend.position = "none",
  # plot.background 图片背景 element_blank() 指的是去掉外边框和背景色
  plot.background = element_blank())

7. 保存图片到 PDF 和 PNG

gg

在这里插入图片描述

filename = '20180423-B-01'
ggsave(filename = paste0(filename, ".pdf"), width = 9.2, height = 5.4, device = cairo_pdf)
ggsave(filename = paste0(filename, ".png"), width = 9.2, height = 5.4, dpi = 100, device = "png")

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  forcats_0.5.2  
##  [5] stringr_1.4.1   dplyr_1.0.10    purrr_0.3.4     readr_2.1.2    
##  [9] tidyr_1.2.1     tibble_3.1.8    tidyverse_1.3.2 ggalt_0.4.0    
## [13] ggplot2_3.3.6   skimr_2.1.4    
## 
## loaded via a namespace (and not attached):
##  [1] httr_1.4.4          sass_0.4.2          maps_3.4.0         
##  [4] jsonlite_1.8.0      modelr_0.1.9        bslib_0.4.0        
##  [7] assertthat_0.2.1    highr_0.9           googlesheets4_1.0.1
## [10] cellranger_1.1.0    yaml_2.3.5          Rttf2pt1_1.3.10    
## [13] pillar_1.8.1        backports_1.4.1     glue_1.6.2         
## [16] extrafontdb_1.0     digest_0.6.29       RColorBrewer_1.1-3 
## [19] rvest_1.0.3         colorspace_2.0-3    htmltools_0.5.3    
## [22] pkgconfig_2.0.3     broom_1.0.1         haven_2.5.1        
## [25] scales_1.2.1        tzdb_0.3.0          googledrive_2.0.0  
## [28] farver_2.1.1        generics_0.1.3      ellipsis_0.3.2     
## [31] cachem_1.0.6        withr_2.5.0         repr_1.1.4         
## [34] cli_3.3.0           magrittr_2.0.3      crayon_1.5.1       
## [37] readxl_1.4.1        evaluate_0.16       ash_1.0-15         
## [40] fs_1.5.2            fansi_1.0.3         MASS_7.3-58.1      
## [43] xml2_1.3.3          textshaping_0.3.6   tools_4.2.1        
## [46] hms_1.1.2           gargle_1.2.1        lifecycle_1.0.1    
## [49] munsell_0.5.0       reprex_2.0.2        compiler_4.2.1     
## [52] jquerylib_0.1.4     systemfonts_1.0.4   rlang_1.0.5        
## [55] grid_4.2.1          rstudioapi_0.14     labeling_0.4.2     
## [58] base64enc_0.1-3     rmarkdown_2.16      proj4_1.0-11       
## [61] gtable_0.3.1        curl_4.3.2          DBI_1.1.3          
## [64] R6_2.5.1            lubridate_1.8.0     knitr_1.40         
## [67] fastmap_1.1.0       extrafont_0.18      utf8_1.2.2         
## [70] ragg_1.2.3          KernSmooth_2.23-20  stringi_1.7.8      
## [73] vctrs_0.4.1         dbplyr_2.2.1        tidyselect_1.1.2   
## [76] xfun_0.32

测试数据

配套数据下载：week4_australian_salary.csv

数绘小站
关注
专栏目录
R语言ggplot2画一幅漂亮的哑铃图
Mrrunsen的博客
02-03 743
在找资料的时候偶然发现的这个图，这个图来源于论文 Russian periphery is dying in movement: a cohort assessment of internal youth migration in Central Russia。 论文链接是 https://link.springer.com/article/10.1007%2Fs10708-018-9953-5， 数据和代码存储的链接 https://gist.github.com/ikashnitsky/...
R语言ggcharts包的dumbbell_chart可视化哑铃图（显示同一个对象两个不同时间点数值的差异）、top_n显示哑铃图中后一个时间的数值为top10的数据、legend_label定义图例
statistics+insight+vista+power
01-12 112
R语言ggplot2可视化：ggcharts包的dumbbell_chart函数可视化哑铃图（显示同一个对象两个不同时间点数值的差异）、设置top_n参数显示哑铃图中后一个时间的数值为top10的数据对象、legend_labels为哑铃图指定自定义图例标签
R_ggplot2_哑铃图绘制代码分享~~
weixin_39372811的博客
11-16 379
此文内容首发于微信公众号：R语言搬运工，关注公众号浏览更多精彩内容\color{blue}{此文内容首发于微信公众号：R语言搬运工，关注公众号浏览更多精彩内容}此文内容首发于微信公众号：R语言搬运工，关注公众号浏览更多精彩内容 交流分享扣扣群：925920448\color{red}{交流分享扣扣群：925920448}交流分享扣扣群：925920448 绿色点为第一周，红色点为第二周数据，两点之间线段越长说明两周数据差异越大。 如何展示数据的前后变化是我们平常绘图中遇到的一个问题，哑铃图提供了我们对一组
R语言作图——Dumbbell plot(哑铃图)
生信了
02-14 4011
原创：黄小仙 又是一年春来到，小仙祝大家在新的一年开开心心、顺顺利利！ 今天给大家分享的图是哑铃图(Dumbbell plot)。 Step1. 绘图数据的准备 首先要把你想要绘图的数据调整成R语言可以识别的格式，建议大家在excel中保存成csv格式。 作图数据格式如下： Step2. 绘图数据的读取 data <- read.csv(“your file path”, header = T, check.names=F) #注释：header=T表示数据中的第一行是列名，如果没有列名就用hea
20180423-A · Australian Salaries by Gender · ggplot2 棒棒糖图 哑铃图 散点图 · R 语言数据可视化 案例 源码
萤火之森
10-16 291
Tidy Tuesday 2018-04-30 的周数据可视化示例 TidyTuesday：Australian Salaries by Gender，主要利用了 ggplot2 包对数据进行可视化展示。
玩转数据可视化之R语言ggplot2：（八）ggplot2绘制空间地理数据图
热门推荐
阿里云专家博主、数据科学领域优质创作者、统计er在读
04-14 1万+
玩转数据可视化之R语言ggplot2 🌸个人主页：JoJo的数据分析历险记 📝个人介绍：小编大四统计在读，目前保研到统计学top3高校继续攻读统计研究生 💌如果文章对你有帮助，欢迎关注、点赞、收藏、订阅专栏 本系列主要介绍R语言ggplot2的使用 本章介绍地图绘制
Australian Power System _PSSE_奥大利亚电网数据PSSE格式_源码
10-02
一个完整的电网数据
r语言worldclim数据_R语言空间数据分析（五）：栅格数据处理
weixin_42362048的博客
02-22 1398
作者：黄天元，复旦大学博士在读，热爱数据科学与开源工具(R)，致力于利用数据科学迅速积累行业经验优势和科学知识发现，涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等，著有《R语言高效数据处理指南》(《R语言数据高效处理指南》(黄天元)【摘要 书评 试读】- 京东图书)。知乎专栏：R语言数据挖掘。邮箱：huang.tian-yuan@qq.com.欢迎合作交流。HopeR...
大佬整理的Python数据可视化时间序列案例，建议收藏（附代码）
qq_46614154的博客
05-11 7130
前言 本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。 时间序列 1、时间序列图 时间序列图用于可视化给定指标如何随时间变化。在这里，您可以了解1949年至1969年之间的航空客运流量如何变化。 # Import Data df = pd.read_csv('https://github.com/selva86/datasets/raw/master/AirPassengers.csv') # Draw Pl..
r语言electricity数据集_R语言各个包里面的数据集
weixin_39572972的博客
12-21 1874
PackageItemTitlecsvdocdatasetsAirPassengersMonthly Airline Passenger Numbers 1949-1960datasetsBJsalesSales Data with Leading IndicatordatasetsBODBiochemical Oxygen DemanddatasetsFormaldehydeDeterminat...
棒棒糖也能画成图—— ggplot2绘制棒棒糖图/哑铃图
NewComerSyt的博客
03-21 7394
欢迎关注公众号查看原文 Part 1 ：棒棒糖图 棒棒糖图因其形状和棒棒糖相似而得名，具体来看实际上是一个散点和一条线段的组合。棒棒糖图是散点图的一种变体，又与柱状图非常相似，但其在清晰展示数据的同时，减少了图形量，使得读者能够更加关注于数据本身而非图形。棒棒糖图能够帮助将数值与类别对齐，非常适合比较多个类别的值之间的差异。 本期介绍棒棒糖图的基本作图方法和优化 **示例1：**相同数据源下柱状图和棒棒糖图展示数值差异效果对比 **示例2：**使用棒棒糖图画出的好图 Part 2 ：图像与代
可视化系列汇总——排序关系
qq_37379316的博客
10-07 644
这个系列的推文，只是给出了最简约的图形，并没有在美观上进行设计。主要让读者了解，绘制什么图形，应该使用什么函数/包。具体的美观设计，暂时不做设计，可以在主题、配色上做文章。下面的代码可以作为一个示例框架，告诉您如何绘制这个图形。图形是通过线段，竖线构成，之后添加文字。，得到的示意图如下。通过将粗条转变为细线，减少了杂乱，使图形看起来更美观。点图非常类似于棒棒糖图，但没有线条，并且各标签都在水平位置上。为了得到哑铃的正确顺序，Y 变量应该是一个因子，因子变量的水平应该与它在图中出现的顺序相同。
R语言ggplot2使用geom_line函数geom_point函数可视化哑铃图、并对哑铃图进行排序（reorder dumbbell plot）
data+scenario+science+insight
12-27 1858
R语言ggplot2使用geom_line函数geom_point函数可视化哑铃图、并对哑铃图进行排序（reorderdumbbell plot）
R语言几何分布函数Geometric Distribution（dgeom, pgeom, qgeom & rgeom）实战
data+scenario+science+insight
09-04 1376
R语言几何分布函数Geometric Distribution（dgeom, pgeom, qgeom & rgeom）实战 目录 R语言几何分布函数Geometric Distribution（dgeom, pgeom, qgeom & rgeom）实战 #生成几何分布计算及可视化 # 几何分布累积分布函数计算及可视化 #几何分布分位函数计算及可视化 # 生成符合几何分布的随机数 #生成几何分布计算及可视化 x_dgeom <- seq(0, 20, by
[R语言] ggplot2入门笔记4—前50个ggplot2可视化效果
You and Me
03-21 5779
文章目录通用教程简介(Introduction To ggplot2)4 ggplot2入门笔记4—前50个ggplot2可视化效果1 相关性(Correlation)1.1 散点图(Scatterplot)1.2 带边界的散点图(Scatterplot With Encircling)1.3 抖动图(Jitter Plot)1.4 计数图(Counts Chart)1.5 气泡图(Bubble ...
50个ggplot2可视化案例
erqueyefeng的博客
12-07 1813
50个ggplot2可视化案例 本文转自《R友舍》公众号，关注R友舍，后台回复ggplot2，获取全文代码 什么类型的可视化用于什么类型的问题？本文可帮助您为特定分析目标选择正确的图表类型，以及如何使用ggplot2在R中实现它。 一个有效的图标: 在不歪曲事实的情况下传达正确的信息 简单而优雅的表达信息内容 通过美学表达信息，而不是掩盖信息 没有信息负载 下面介绍了八类常见的图表可视化情...
【文档智能】文本文字识别、公式识别、表格文字识别核心算法及思路及实践-DBNet、CRNN、TrOCR
最新发布
余俊晖，NLP炼丹师，目前专注自然语言处理领域研究。曾获得国内外自然语言处理算法竞赛TOP奖项近二十项。
10-13 841
OCR技术作为文档智能解析链路中的核心组件之一，贯穿整个技术链路，包括：文字识别、表格文字识别、公式识别，参看下面这张架构图：前期介绍了很多关于文档智能解析相关核心技术及思路，本着连载的目的，本次迎来介绍整个链路中的最后一块拼图-OCR。本文简要介绍OCR常见落地的算法模型-DBNet、CRNN，并基于这两个模型，简单介绍文字识别在表格识别中参与的角色；并且额外介绍TrOCR这个端到端的模型，基于这个模型引入公式识别解析的思路及微调方法。
【亲测可行】最新ubuntu搭建rknn-toolkit2
分享计算机视觉，C++，网络摄像头研发，音视频开发，嵌入式等知识。
10-12 39
配置conda的镜像源。出现上图就是安装成功！
python 导入“fpp” package的澳大利亚啤酒生产数据集 ‘ausbeer: Quarterly Australian Beer production’ 并输出1956-2008年数据
09-07
如果“fpp”是“fpp2”包，你可以按照以下步骤导入数据集并输出1956-2008年之间的数据： 1. 首先安装“fpp2”包。你可以使用pip进行安装（如果该包存在于PyPI上）： ```bash pip install fpp2 ``` 2. 如果“fpp”...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值