承德住建局官方网站,用PS怎么做网站图片,建设网站的产品规划,做外贸推广一、引言 我们在对数据进行可视化时遇到最头疼、最常见的问题是什么#xff1f;数据问题。 因为我们往往不会从零自己编程进行可视化#xff0c;往往是现有模板或积累#xff0c;而正确的数据格式对应正确的图形包要求#xff0c;一定会正确出图#xff0c;所以只有一个问…一、引言 我们在对数据进行可视化时遇到最头疼、最常见的问题是什么数据问题。 因为我们往往不会从零自己编程进行可视化往往是现有模板或积累而正确的数据格式对应正确的图形包要求一定会正确出图所以只有一个问题——数据格式问题。 在R中绝大多数图形要求的格式——都是长格式。 二、定义 何为长格式 运行下面这个代码你会有所理解
library(tidyr)
# 假设的宽格式数据从长格式转换而来
wide_data - data.frame( City c(CityA, CityB, CityC), Year c(2020, 2020, 2020), Education c(100, 110, 95), Healthcare c(120, 130, 115), Transportation c(80, 90, 75)
)
print(wide_data)
# 转换为长格式数据
long_data - pivot_longer(wide_data, cols -c(City, Year), # 指定哪些列需要被转换成长格式除了City和Year names_to Category, # 新增列的名称用于存储原宽格式中的列名 values_to Expenditure) # 新增列的名称用于存储原宽格式中的值
# 查看长格式数据
print(long_data)我们习惯的宽格式如下一个城市在某一年对应的教育、健康及交通指数 这是转化过后的长格式将教育、健康及交通列进行转换 也就是说 我选定n列这n列的列名重新生成一列names_to这n列的数据重新生成一列(values_to)这两列相互对应。
三、理解 为什么要这样呢 我们都熟悉在R中是按列名操作数据的如果是宽格式那么宽不方便操作。而转换成长格式呢我们就可以方便地对两列数据进行操作。 并且要知道”组“的概念上述例子中有三个组别CityA、B、C而每一组又有三个标签组别:教育、健康、交通。 运行下面这个例子体会
# 制作分组柱状图
ggplot(long_data, aes(x Category, y Expenditure, fill Category)) geom_bar(stat identity, position dodge) # 使用identity统计量并设置位置为分组dodge facet_wrap(~ City, scales free_y) # 按城市分组y轴比例自由调整 labs(title 分组柱状图不同城市的各类支出, x 类别, y 支出金额, fill 类别) theme_minimal() # 使用简约主题 theme(axis.text.x element_text(angle 45, hjust 1)) # 旋转x轴标签以改善可读性 按城市为大组进行分类 运行下述代码
ggplot(long_data, aes(x City, y Expenditure, fill City)) geom_bar(stat identity, position dodge) # 使用identity统计量并设置位置为分组dodge facet_wrap(~ Category, scales free_y) # 按城市分组y轴比例自由调整 labs(title 分组柱状图不同城市的各类支出, x 类别, y 支出金额, fill 类别) theme_minimal() # 使用简约主题 theme(axis.text.x element_text(angle 45, hjust 1)) # 旋转x轴标签以改善可读性 按照 教育、健康、交通为大组进行分类 到这里相信你对长格式及数据格式的使用都有了深刻理解自己去试试吧
