R可视化数据必要格式—

R可视化数据必要格式——长格式

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：