R语言绘制分类变量柱状图

• 背景
  

Excel中无法实现分组区分颜色。
右边的图是我手动点击各个柱形修改分组颜色的。
请问如何在R和Excel中分别实现右图？

• 更新后完整解决方案：

# 数据载入 --------------------------------------------------------------------

# 处理合并单元格：
# openxlsx::read.xlsx(fillMergedCells = TRUE)
# 处理拆散单元格（向下填充缺失值）：
# tidyr::fill(type, .direction = “down”)

library(tidyverse)
a <- readxl::read_excel("E:/histgram_filled_by_groups.xlsx", 
                        sheet = "Sheet4", 
                        col_names = TRUE)
a <- a %>% tidyr::fill(type, .direction = "down")

# 数据整理 --------------------------------------------------------------------

a <- a %>% mutate(num = 1:nrow(a)) %>% # 新创建一个有序变量，用于给新变量排序
  unite(col = type_month,
        c(type, month),
        sep = "_",
        remove = FALSE) # 合并为新变量，mutate(paste)、unite均可以
a %>% glimpse() %>% anyNA()

# 三种排序错误：
# ①：num作为字符融合为num_type_month，造成十位数跑到个位数前面
# ②：num没有因子化，默认识别为连续变量导致覆盖标签时个数不一致
# ③：aes修改坐标系，type_month没有因子化，导致按照字母顺序排序

# 对应解答：
# ①：要用独立的num作为自变量
# ②：使用factor对其离散化处理
# ③：aes(x = type_month %>% factor(levels = c(type_month)))

# 累积柱状图，不需要对type、month融合，根据其中一个作为横坐标即可

# 绘图方法一 ---------------------------------------------------------------------

# 方法一参考文献：https://www.delftstack.com/zh/howto/r/ggplot-axis-tick-labels-in-r/
# scale_x_discrete(标题,breaks,labels)离散变量，要求先将变量转化为因子/离散数据
# scale_x_continuous连续变量

p1 <- a %>% 
  ggplot(mapping = 
           aes(x = num %>% factor(), # num转化为因子变量，横坐标变为离散数据
               y = value,
               col = type,
               fill = type, # 为geom_col
               group = type)) + # 为geom_line
  scale_x_discrete("type_month",
                   labels = a$type_month) # 用融合后的字符向量覆盖原刻度标签

gridExtra::grid.arrange(
  p1 + geom_col(),
  p1 + geom_line() + geom_point(),
  nrow = 2)
# 这种方法最有效，覆盖后的横坐标也严格按照num的顺序排序~

# 绘图方法二 ----------------------------------------------------------------------

# 方法二参考文献：https://blog.csdn.net/qq_43209742/article/details/106643870

p2 <- a %>% 
  ggplot(mapping = 
           aes(x = num, # 此时factor(num)对结果无效，因为aes会被改变
               y = value,
               col = type,
               fill = type, # 为geom_col
               group = type)) + # 为geom_line
  aes(x = 
        type_month %>% factor(
          levels = c(type_month))) + # 修改横坐标，只根据新的坐标顺序排列
  labs(x = "type_month")

gridExtra::grid.arrange(
  p2 + geom_col(width = 0.8),
  p2 + geom_line() + geom_point(),
  nrow = 2)

• 结果展示
  

• 致谢

这是一篇从科学和历史证据的角度探讨信仰的文章：
  		https://chinesecreation.files.wordpress.com/2020/12/e6b182e79c9fe6b182e8af81.pdf

• 遇到的问题及解决

问题：横坐标只能画三组，无法组内进行对比
解决：
把两组因子变量融合成一组变量*。然后再用ggplot+geom_col()画图就好啦

更新：
*错误：创建一个1：n的序列，作为变量名的开头，会导致十位数跑到2、3、4等个位数的前面，所以不能这么做！！
R语言中对字符型数据有默认的排序方法，所以一般采用行列索引进行循环。如果要直接对字符型数据进行排序，需要按照对应的排序规则调用相关函数。
一般都是提取字符串中的数字，再按照数字进行排序。
解决方法：mutate创建了一个数字向量作为横坐标，然后再用原始数据paste成新字符向量作为横坐标标签覆盖上去。
例如：
mutate(num = 1:nrow(data), v1_v2 = paste…)
mutate(num = 1:nrow(data)); unite(v1_v2, c( v1,v2 ))

问题：将字符向量转化为因子向量
解决：检查格式，自定义factor函数的水平levels

问题：geom_histogram错误：stat_bin() can only have an x or y aesthetic.
解决：直方图（geom_histogram）与柱形图有区别。

柱状图有geom_bar() 和 geom_col()：
geom_bar() 经过统计变换(count, …prop…)；
geom_col()不经过统计变换，代表的就是该分类变量的实际值。
geom_histogram()等同于geom_bar()+stat_bin()。

https://www.jianshu.com/p/57ec06c83fba

参考资料：https://www.jianshu.com/p/05391806ab80

有两种类型的条形图：geom_bar()和geom_col()。
geom_bar()使条的高度与每组中的案例数成正比（或者，如果weight提供美观，则为权重的总和）。
如果您希望条形的高度代表数据中的值，请geom_col()改用。

geom_col需要分类变量x和数值y
geom_bar只需要x，y轴自动映射prob = table[i,j]
https://zhuanlan.zhihu.com/p/101917540

问题：处理合并单元格和缺失值
解决：
处理合并单元格：
openxlsx::read.xlsx(fillMergedCells = TRUE) # 填充所拆散的合并单元格
处理拆散单元格（向下填充缺失值）：
tidyr::fill(type, .direction = “down”) # 向下填充

• 其他
  请问有人知道如何在Excel中实现吗？

• 应用案例，绘制不同缺陷四至十月产生的报废重量的柱状图

# 数据载入 ----------------------------------------------------------------------

library(tidyverse)
item <- readxl::read_excel("E:/histgram_filled_by_groups.xlsx", 
                           sheet = "Sheet3")
names(item) <- c("type", "month", "weight")

item <- item %>% tidyr::fill(type, .direction = "down")
item %>% .$type %>% table("type" = .) %>% knitr::kable() # 查看填充后频数表 #

# 数据整理 --------------------------------------------------------------------

item <- item %>% 
  mutate(num = 1:nrow(item),
         type_month = paste(item$type,
                            item$month,
                            sep = "_")) # mutate(paste)、unite均可以
item %>% glimpse() %>% anyNA()

# 画图 ----------------------------------------------------------------------
p <- item %>% 
  ggplot(mapping = 
             aes(x = num %>% factor(),
                 y = weight,
                 col = type,
                 fill = type,
                 group = type)) +
  scale_x_discrete(labels = item$type_month) +
  theme(axis.text.x = 
            element_text(angle = 90, hjust = 1)) + # 竖排 #
  labs(x = "各缺陷四至十月趋势",
         y = "每月累计重量（吨）")

gridExtra::grid.arrange(
  p + geom_col(width = 0.8),
  p + geom_line() + geom_point(),
  nrow = 2)

• 案例2：绘制跨年度产量折线图

library(tidyverse)
library(openxlsx)
a <- read.xlsx("e:cross.xlsx", 
               fillMergedCells = TRUE)
a <- a %>% mutate(num = 1:nrow(a)) %>% 
  mutate(year = year %>% factor()) # year转化为因子变量，横坐标变为离散数据
a %>% 
  ggplot(mapping = 
           aes(x = num %>% factor(), # num转化为因子变量
               y = weight,
               col = year,
               group = year)) + # 为geom_line
  scale_x_discrete(labels = a$month) +
  geom_line() + geom_point() +
  ggtitle("2#横剪2020-2021每月产量趋势") +
  labs(x = "月份",
       y = "产量")

• 其他补充：

# 查看填充后频数表 # 
 item %>% .$type %>% table("type" = .) %>% knitr::kable() 
 # 竖排刻度标签 #
 p + theme(axis.text.x = element_text(angle = 90, hjust = 1)) + 

模板：

library(tidyverse)
library(openxlsx)
# 载入 openxlsx::read.xlsx; readxl::read_excel + tidyr::fill
a <- read.xlsx("e:cross.xlsx", 
               fillMergedCells = TRUE)
  # aes
ggplot(a, aes(x = factor(1:nrow(a)),
              y = weight,
              col = year,
              group = year)) +
  # geom
  geom_line() + geom_point() +
  # scale_x_discrete(labels)
  scale_x_discrete(labels = a$month)
  # ggtitle; labs; ...
## 如果将两组连成一条线，请设置group = factor(1)

library(tidyverse)
library(openxlsx)
# 载入 openxlsx::read.xlsx; readxl::read_excel + tidyr::fill
a <- read.xlsx("e:cross.xlsx", 
               fillMergedCells = TRUE)
  # aes
ggplot(a, aes(x = factor(1:nrow(a)),
              y = weight,
              col = year,
              group = 1)) +
  # geom
  geom_line() + geom_point() +
  # scale_x_discrete(labels)
  scale_x_discrete(labels = a$month)
  # ggtitle; labs; ...