R语言——条形图数据可视化的多种方式

本文章将会介绍如何使用R语言中的ggplot2包使用条形图进行数据可视化。将会使用一个“生产企业原材料的订购与运输”的订单数据，该数据来自2021数学建模国赛C题。

某建筑和装饰板材的生产企业所用原材料主要是木质纤维和其他植物素纤维材料总体可分为 A B C 三种类型。该企业每年按48周安排生产需要提前制定24周的原材料订购和转运计划，即根据产能要求确定需要订购的原材料供应商（称为供应商和相应每周的原材料订购数量（称为订货量确定第三方物流公司（称为转运商并委托其将供应商每周的原材料供货数量（称为供货量）转运到企业仓库。附件1给出了该企业近5年402家原材料供应商的订货量和供货量数据。根据附件1对402家供应商的供货特征进行量化分析。下面将会主要使用附件1的数据，利用ggplot2包进行条形图可视化。

1 数据读取和预处理操作

建立决策数据分类模型时，使用预处理好的泰坦尼克数据集，预处理好的数据使用下面的方式进行数据切分：

library(ggplot2)
## 设置ggplot2在可视化时的一些基本情况
theme_set(theme_bw(base_family = "STKaiti")+
            theme(plot.title = element_text(hjust = 0.5)))
## 读取附件一的数据并进行简单的预处理
library(readxl)
library(tidyverse)
library(RColorBrewer)
GHdata1 <- read_excel("附件1 近5年402家供应商的相关数据.xlsx",
                      sheet = "供应商的供货量（m³）")
DHdata1 <- read_excel("附件1 近5年402家供应商的相关数据.xlsx",
                      sheet = "企业的订货量（m³）")
## 数据分组计算
## 计算近5年402家供应商所有的供货量总和
Hdata5sum <- GHdata1[,1:2]
Hdata5sum$GHnumber <- rowSums(GHdata1[,3:242])
## 计算近5年402家供应商的企业的订货量总和
Hdata5sum$DHnumber <- rowSums(DHdata1[,3:242])

head(Hdata5sum)
## # A tibble: 6 x 4
##   供应商ID 材料分类 GHnumber DHnumber
##   <chr>    <chr>       <dbl>    <dbl>
## 1 S001     B              49      231
## 2 S002     A             273      309
## 3 S003     C           13138    14279
## 4 S004     B              64      713
## 5 S005     A            6912     6538
## 6 S006     C              30      462

2 条形图数据可视化

（1）可视化图像1:使用条形图只可视化数量较多的50个供应商数据，运行下面程序后可获得可视化图像图1。

## 只可视化数量较多的50个供应商数据
GHtop50 <- Hdata5sum%>%arrange(desc(GHnumber))%>%slice(1:50)
## 条形图可视化
ggplot(GHtop50 ,aes(x = reorder(供应商ID,-GHnumber), y = GHnumber))+
  geom_bar(aes(fill = 材料分类),stat = "identity")+
  theme(axis.text.x = element_text(angle = 90,vjust = 0.5))+
  labs(x = "供应商",y = "供货量",title = "5年来供货量较多的供应商")

（2）可视化图像2:针对使用条形图可视化得到的图像1，可以使用分面对其进一步的分组可视化，运行下面程序后可获得可视化图像图2。

## 使用分面图进行可视化
ggplot(GHtop50 ,aes(x = reorder(供应商ID,GHnumber), y = GHnumber))+
  geom_bar(aes(fill = 材料分类),stat = "identity")+coord_flip()+
  facet_wrap(vars(材料分类), scales = "free_y",nrow = 1)+
  labs(x = "供应商",y = "供货量",title = "5年来供货量较多的供应商")

（3）可视化图像3:针对供货量和订货量的整体情况，可以使用金字塔分组条形图进行可视化，运行下面程序后可获得可视化图像图3。

## DHtop50的订货量和供货量差异
ggplot()+
  geom_bar(data = DHtop50 ,aes(x = reorder(供应商ID,-DHnumber),
                               y = DHnumber,fill = "订货"),
           stat = "identity")+
  geom_bar(data = DHtop50,aes(x = reorder(供应商ID,-DHnumber),
                              y = -GHnumber,fill = "供货"),
           stat = "identity")+
  scale_y_continuous(labels = abs, limits = c(-500000,500000))+
  theme(axis.text.x = element_text(angle = 90,vjust = 0.5))+
  scale_fill_manual("方式",values = c("订货" = "red","供货" = "blue"))+
  labs(x = "供应商",y = "定货量",title = "5年来企业定货量和供应商供货量差异")

（4）可视化图像4:针对供货量和订货量的差异情况，可以使用分组条形图进行可视化，运行下面程序后可获得可视化图像图4。

## 可视化供货和订货差异较大的一些企业
Hdata5sum$chayi <- Hdata5sum$DHnumber - Hdata5sum$GHnumber
chayitop50 <- Hdata5sum%>%arrange(desc(chayi))%>%slice(1:50)
chayitop50
## # A tibble: 50 x 5
##    供应商ID 材料分类 GHnumber DHnumber  chayi
##    <chr>    <chr>       <dbl>    <dbl>  <dbl>
##  1 S201     A           81989   348699 266710
##  2 S140     B          302047   481103 179056
##  3 S126     C           47540   132285  84745
##  4 S348     A           92421   167109  74688
##  5 S151     C          194498   266510  72012
##  6 S160     C              45    62688  62643
##  7 S308     B          136998   186278  49280
##  8 S330     B          136652   172980  36328
##  9 S157     A             395    33284  32889
## 10 S108     B          240950   271445  30495
## # … with 40 more rows
## 可视化
ggplot(chayitop50 ,aes(x = reorder(供应商ID,chayi), y = chayi))+
  geom_bar(aes(fill = 材料分类),stat = "identity")+coord_flip()+
  facet_wrap(vars(材料分类), scales = "free_y",nrow = 1)+
  labs(x = "供应商",y = "定货量-供货量",title = "5年来缺货较多的供应商")

（5）可视化图像5:针对供货量较多的50个供货商的数据，可以使用经过极坐标变换的分组条形图进行可视化，运行下面程序后可获得可视化图像图5。

## 在每个分组数据的后面插入几行缺失值
GHtop50$材料分类 <- as.factor(GHtop50$材料分类)
empty_bar <- 3
to_add <- data.frame(matrix(NA, empty_bar*nlevels(GHtop50$材料分类),
                            ncol(GHtop50)))
colnames(to_add) <- colnames(GHtop50) # 设置数据表的名称
#为数据表添加分组变量
to_add$材料分类 <- rep(levels(GHtop50$材料分类), each=empty_bar)
GHtop50 <- rbind(GHtop50, to_add) # 合并两个数据
GHtop50 <- GHtop50 %>% arrange(材料分类) # 将数据根据分组进行排序
GHtop50$id <- seq(1, nrow(GHtop50))
# 获取每个样本的名称在y轴的位置和倾斜角度
label_data <- GHtop50
number_of_bar <- nrow(label_data) # 计算条的数量
## 每个条上标签的轴坐标的倾斜角度
angle <- 90 - 360 * (label_data$id-0.5) /number_of_bar
label_data$hjust <- ifelse( angle < -90, 1, 0) # 调整标签的对其方式
label_data$angle <- ifelse(angle < -90, angle+180, angle) ## 标签倾斜角度
## 为数据准备基础弧线的数据
base_data <- GHtop50 %>% group_by(材料分类) %>%
 summarize(start=min(id), end=max(id) - empty_bar) %>%
 rowwise() %>% mutate(title=mean(c(start, end)))
## 可视化分组圆环条形图
p1 <- ggplot(GHtop50)+
 ## 添加条形图
 geom_bar(aes(x=as.factor(id), y=GHnumber, fill=材料分类),
          stat="identity",alpha=0.8) +
 ## 添加文本表示每条线的大小
 annotate("text", x = rep(max(GHtop50$id),3), y = c(100000, 200000, 300000),
          label = c("100000", "200000", "300000") , color="blue", size=3,
          angle=0, fontface="bold", hjust=1) +
  ylim(-200000,400000) + ## 设置y轴坐标表的取值范围,可流出更大的圆心空白
  ## 设置使用的主题并使用极坐标系可视化条形图
  theme_minimal() +
  theme(legend.position = "none", # 不要图例
        axis.text = element_blank(),# 不要x轴的标签
        axis.title = element_blank(), # 不要坐标系的名称
        panel.grid = element_blank(), # 不要网格线
        plot.margin = unit(rep(-1,4), "cm"))+ ## 整个图与周围的边距
  coord_polar() + ## 极坐标系
  ## 为条形图添加文本
  geom_text(data=label_data,
            aes(x=id, y=GHnumber+2000, label=供应商ID,hjust=hjust),
            color="black",fontface="bold",alpha=0.8, size=2.5,
            angle= label_data$angle, inherit.aes = FALSE) +
  # 为图像添加基础线的信息
  geom_segment(data=base_data, aes(x = start, y = -10000,
                                   xend = end, yend = -10000),
               colour = "black", alpha=0.8, size=0.6 , inherit.aes = FALSE )+
  ## 添加分组文本信息
  geom_text(data=base_data, aes(x = title, y = -50000,
                                label=材料分类),alpha=0.8,
            colour = "black", size=4,fontface="bold", inherit.aes = FALSE)
p1