这种精美的“排序图”怎么做？

怎么做？"/>

这种精美的“排序图”怎么做？

来源：DataCharm

今天小编给大家介绍一种”凹凸图(bump charts)“的绘制方法，其绘图函数主要来自R包-ggbump，本期的主要内容如下：

• R-ggbump包基本绘图简介

• R-ggbump包实例演示

R-ggbump包基本绘图函数简介

R-ggbump包主要包含：geom_bump()和geom_sigmoid(),两个函数主要绘制随时间变化的平滑曲线排名图，内置参数也几乎相同，如下：

( mapping = NULL,data = NULL,geom = "line",position = "identity",na.rm = FALSE,show.legend = NA,smooth = 8,direction = "x",inherit.aes = TRUE,...)

其官网()提供的例子如下(部分)：

从以上也可以看出两个绘图函数所绘制的图形属于同一类别，下面我们通过实例数据进行两个绘图函数的理解。

R-ggbump包实例演示

geom_bump()绘图函数

「样例一：」我们直接构造数据并对结果继续美化操作，代码如下：

library(tidyverse)
library(ggtext)
library(hrbrthemes)
library(wesanderson)
library(LaCroixColoR)
library(RColorBrewer)
library(ggbump)
#数据构建和处理
test_01 <- tibble(country = c("India", "India", "India", "Sweden", "Sweden", "Sweden", "Germany", "Germany", "Germany", "Finland", "Finland", "Finland"),year = c(2011, 2012, 2013, 2011, 2012, 2013, 2011, 2012, 2013, 2011, 2012, 2013),value = c(492, 246, 246, 369, 123, 492, 246, 369, 123, 123, 492, 369))
test_01_plot <- test_01 %>% group_by(year) %>% mutate(rank=rank(value, ties.method = "random")) %>% ungroup
#可视化绘制
charts01_cus <- ggplot(data = test_01_plot,aes(x = year,y = rank,color=country))+ggbump::geom_bump(size=2,smooth = 8) +#添加圆点geom_point(size=8)+# 添加文本信息geom_text(data = test_01_plot %>% filter(year==min(year)),aes(x=year-.1,label=country),size=6,fontface="bold",hjust = 1) +geom_text(data = test_01_plot %>% filter(year == max(year)),aes(x = year + .1, label = country), size = 6,fontface="bold",hjust = 0) +#修改刻度scale_x_continuous(limits = c(2010.6, 2013.4),breaks = seq(2011, 2013, 1)) +scale_color_manual(values = lacroix_palette("Pamplemousse", type = "discrete"))+labs(title = "Example of <span style='color:#D20F26'>ggbump::geom_bump function</span>",subtitle = "processed charts with <span style='color:#1A73E8'>geom_bump()</span>",caption = "Visualization by <span style='color:#DD6449'>DataCharm</span>")+hrbrthemes::theme_ft_rc(base_family = "Roboto Condensed") +theme(plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",size = 20, margin = margin(t = 1, b = 12)),plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=12),plot.caption = element_markdown(face = 'bold',size = 10),legend.position = "none",panel.grid.major = element_blank(),panel.grid.minor = element_blank())+scale_y_reverse()

可以看到仅使用geom_bump()即可绘制，到这里使用了更多的绘图函数和主题、样式等设置语句对其进行美化操作，可视化结果如下：

「样例二：」

第二个小例子，我们通过构建虚拟数据进行可视化结果绘制，如下：

#读入数据
library(readxl)df<-read_excel("rank_data.xlsx")
#定义颜色
cols <- c("#882B1A", "#676564", "#E8751A", "#779AC4", "#646E3F","#9D49B9", "#C09F2F", "#65955B", "#284D95","#B34525")
#可视化绘制
charts02_cus <- ggplot(data = df,aes(x = race_num,y = rank,color=team_name,group=team_name)) +geom_bump(smooth = 7, size = 2.5) +geom_point(data = df %>% filter(race_num == 1),size = 5) +geom_point(data = df %>% filter(race_num == 7),size = 5, shape = 21, fill = "black",stroke = 2) +geom_text(data = df %>% filter(race_num == 7),aes(x = 7.12,label = team_name),family = "Cinzel",fontface = 'bold',size = 4, hjust = 0) +#添加序号geom_point(data = tibble(x = .8, y = 1:10), aes(x = x, y = y), inherit.aes = F,shape=21,color = "grey95",size = 5,stroke = 1.) +geom_text(data = tibble(x = .8, y = 1:10), aes(x = x, y = y, label = y), inherit.aes = F,size=2.5,fontface = 'bold',color = "grey95")+coord_cartesian(clip = "off") +scale_x_continuous(expand = c(.01, .01),limits = c(.8, 8.1),breaks = 1:7,labels = c("Begain",glue::glue("Race {1:5}"), "Finish"),sec.axis = dup_axis()) +scale_y_reverse(expand = c(.05, .05),breaks = 1:16) +scale_color_manual(values = cols,guide = F) +labs(x="",y="",title = "Example of <span style='color:#D20F26'>ggbump::geom_bump() function</span>",subtitle = "processed charts with <span style='color:#1A73E8'>geom_bump()</span>",caption = "Visualization by <span style='color:#DD6449'>DataCharm</span>")+theme(plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "gray50",face = 'bold',size = 20, margin = margin(t = 1, b = 12)),plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=12,color = "gray50"),plot.caption = element_markdown(face = 'bold',size = 10),plot.background = element_rect(fill = "black", color = "black"),panel.background = element_rect(fill = "black", color = "black"),panel.grid.major = element_blank(),panel.grid.minor = element_blank(),axis.text.x.top = element_text(size = 9,color = "grey95",family = "Cinzel",face = 'bold'),axis.text.y.left = element_blank(),axis.ticks = element_blank())

(这里涉及到很多关于主题设置的语句，小编在绘制之后可是又对一些常用的语句熟悉了一遍哦，希望小伙伴们多练习)

geom_sigmoid()绘图函数

对于该函数，我们还是通过构建数据进行绘制：

data_test <- tibble(x = c(0.5,0.5,1,1,1,1,1,1),xend = c(1, 1, 3, 3, 3 ,3, 3, 3),y = c(4, 4, 6, 6, 6, 2, 2, 2),yend = c(6,2,7,6,5,3,2,1),group = c("Python","R","Numpy","Pandas","Matplolib","Dplyr","Data.table","Ggplot2")
)
#可视化绘制
charts04_cus <- ggplot(data_test) +geom_sigmoid(data = data_test %>% filter(xend < 3),aes(x = x, y = y, xend = xend, yend = yend, group = factor(group)),direction = "x", color = "#cb7575", size = 2, smooth = 6) + geom_sigmoid(data = data_test %>% filter(group %in% c("Numpy","Pandas","Matplolib")),aes(x = x, xend = xend, y = y, yend = yend, group=group),direction = "x",color = "#cb7575", size = 2, smooth = 12) + geom_sigmoid(data = data_test %>% filter(y==2),aes(x = x, xend = xend, y = y, yend = yend, group=group),direction = "x",color = "#cb7575", size = 2, smooth = 11) + geom_label(data = tibble(x = 0.1, y = 4, label = "DataScience"), aes(x, y, label = label), inherit.aes = F, size = 10, color = "white", fill = "#004E66",family = "Cinzel",nudge_x = -.15) + geom_label(data = data_test %>% filter(xend < 3),aes(x = xend, y = yend, label = group),inherit.aes = F, size = 8, color = "white", fill = "#004E66", family = "Cinzel",hjust=0.5,nudge_y = .45,nudge_x = .3)+geom_label(data = data_test %>% filter(xend == 3),aes(x = xend, y = yend, label = group),inherit.aes = F, size = 7, color = "white", fill = "#004E66", family = "Cinzel",hjust=0) +labs(x="",y="",title = "Example of <span style='color:#D20F26'>ggbump::geom_sigmoid() function</span>",subtitle = "processed charts with <span style='color:#1A73E8'>geom_sigmoid()</span>",caption = "Visualization by <span style='color:#DD6449'>DataCharm</span>")+scale_x_continuous(limits = c(-.5,4)) + theme(plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "gray50",face = 'bold',size = 20, margin = margin(t = 1, b = 12)),plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=12,color = "gray50"),plot.caption = element_markdown(face = 'bold',size = 10),panel.grid = element_blank(),axis.line = element_blank(),axis.ticks = element_blank(),axis.text.y = element_blank(),axis.title.y = element_blank(),axis.text.x = element_blank(),panel.background = element_rect(fill = "#353848"),plot.background = element_rect(fill = "#353848",colour = "#353848"))

(还是一样，使用了很多常用的主题设置语句，希望小伙伴们掌握、熟悉)

总结

今天小编推送的可视化技巧可用于对比排名虽时间变化趋势变化，希望小伙伴们可以在实际工作中灵活运用此技巧。此外，小编还建议大家熟悉下用于定制化图表的相关语句哦，当然，如果喜欢用主题那就另当别论了哈~~

---------End---------

 后台回复「微信群」，将邀请加入读者交流群。

《Python知识手册》| 《Markdown速查表》|《Python时间使用指南》|《Python字符串速查表》|《SQL经典50题》|《Python可视化指南》|《Plotly可视化指南》|《Pandas使用指南》|《机器学习精选》

????分享、点赞、在看，给个三连击呗！????