基于ggplot的政经数据可视化：添加背景

如果我们只希望在面板上添加背景，那么使用annotation_raster即可。

library(cowplot) # 需使用ggdraw、draw_plot函数

library(plothelper)

library(scales)

library(magick)

library(readxl) # 读取 Excel文件

library(RColor Brewer) # 使用配色

# 处理图片

img=image_read("two soldiers.jpg") # 课件中的图片

img=image_resize(img, "60%x60%") # 适当缩小图片尺寸

img=image_convert(img, colorspace="gray") # 如有需要，可将图片转化为黑白图片

# 先在最底层添加图片，再添加其他图层

ggplot()+annotation_raster(img, xmin=-Inf, xmax=Inf, ymin=-Inf, ymax=Inf)+

geom_point(aes(1: 10, 1: 10), color="red", size=5)

不过，更常见的情况是，我们希望让图片充当整个图表的背景，我们以美国各年度军费数据为例进行说明（图7-2-1）。

dat=read_excel("us military.xlsx") # 课件中的文件

dat=as.data.frame(dat)

# 第一步：通过annotation_raster添加图片并生成背景图层

# 为防止图片颜色与其他图层的颜色混在一起，我们在图片上添加一个半透明矩形（此操作亦可通过magick::image_colorize完成）

white=matrix(alpha("white", 0.5))

bg=ggplot()+theme_void()+

annotation_raster(raster=img, xmin=-Inf, xmax=Inf, ymin=-Inf, ymax=Inf)+

annotation_raster(raster=white, xmin=-Inf, xmax=Inf, ymin=-Inf, ymax=Inf)

# 第二步：生成呈现数据的图层。注意：要确保面板背景色和整个图表的背景色被去除，否则背景图片不会显露出来

yearlab=seq(1960, 2018, 5)

valuepos=pretty(dat$Value)

valuelab=valuepos/(10^9)

p=ggplot(dat)+

geom_line(aes(Year, Value), color="orangered", size=1.2, alpha=0.7)+

geom_point(aes(Year, Value), color="orangered", size=1.5)+

scale_x_continuous(breaks=yearlab)+

scale_y_continuous(breaks=valuepos, labels=valuelab)+

labs(title="US Military Expenditure\n(unit: billion current$)")+

theme_minimal()+

theme(

plot.title=element_text(size=25, color="darkgreen", family="serif", face=3),

axis.title=element_blank(),

axis.text=element_text(color="darkgreen", face=3, size=14, family="serif"),

axis.text.x=element_text(angle=20),

panel.grid=element_line(color="darksalmon"),

panel.grid.minor.x=element_blank(),

panel.grid.minor.y=element_blank()

)

# 第三步：用ggdraw()+draw_plot(...)的方式合并

ggdraw()+draw_plot(bg)+draw_plot(p, width=0.8, height=0.8, x=0.1, y=0.1)+theme(aspect.ratio=0.7)

# draw_plot用四个参数控制被添加图层的位置：x和y是被添加图层的左下角的坐标，width和height是宽和高

图7-2-1 将图片设置为背景

我们还可以将渐变色设为背景，以绘制条形图为例进行示范（图7-2-2）。

dat=read.csv("buy.csv", row.names=1) # 前面的章节使用过的文件

# 整理数据

tab=table(dat$Item, dat$Age)

dat=as.data.frame(tab)

colnames(dat)=c("Item", "Age", "Number")

图7-2-2 将渐变色设为背景

# 第一步：生成渐变色

m=c("#EF4868", "#F56B50", "#F48C48", "#F1A955", "#EEC274")

m=color Ramp Palette(m, space="Lab")(30)

m=matrix(m, nrow=1)

bg=ggplot()+annotation_raster(m, xmin=-Inf, xmax=Inf, ymin=-Inf, ymax=Inf, interpolate=TRUE)+theme_void()

# 第二步：生成呈现数据的图层

p=ggplot(dat)+

geom_bar(aes(x=Item, y=Number, alpha=Age), stat="identity", fill="white", position=position_dodge(width=0.6), width=0.5)+

scale_alpha_manual(values=c(0.3, 0.6, 0.9))+

labs(title="Wine Preferences of Different Ages\n\n")+

theme_void()+

theme(

panel.grid.major.y=element_line(color="grey92"),

axis.text=element_text(color="white", face=2, size=20,family="mono"),

legend.position="bottom",

legend.box.spacing=unit(1, "cm"),

legend.title=element_text(color="white", family="mono", size=25),

legend.text=element_text(color="white", family="mono", size=18),

plot.title=element_text(color="white", size=22, family="mono", face=2, hjust=0.5)

)

# 第三步：合并

ggdraw()+draw_plot(bg)+draw_plot(p, width=0.8, height=0.8, x=0.1, y=0.1)+theme(aspect.ratio=0.6)

#==========

# 练习：添加半透明渐变色

#==========

# 我们继续使用上例中的图层进行示范

wine=image_read("red wine.jpg") # 课件中的图片

# 同时以图片和渐变色为背景（图7-2-3）

n_each_col=50

grey=matrix("grey15", nrow=6, ncol=n_each_col)

grey[2, ]=rainbow(n_each_col, end=5/6)

grey=apply(grey, 2, FUN=function(x) alpha(color Ramp Palette(x)(30), 0.7))

bg2=ggplot()+theme_void()+

annotation_raster(raster=wine, xmin=-Inf, xmax=Inf, ymin=-Inf, ymax=Inf)+

annotation_raster(raster=grey, xmin=-Inf, xmax=Inf, ymin=-Inf,ymax=Inf, interpolate=TRUE)

ggdraw()+draw_plot(bg2)+draw_plot(p, width=0.8, height=0.8, x=0.1, y=0.1)+theme(aspect.ratio=0.6)

图7-2-3 同时以图片和渐变色为背景

# 在最上层添加半透明渐变色（图7-2-4）

wine_black=image_colorize(wine, opacity=60, color="black") # 用半透明矩形覆盖

bg3=ggplot()+theme_void()+

annotation_raster(raster=wine_black, xmin=-Inf, xmax=Inf, ymin=-Inf, ymax=Inf)

n_each_row=90

seq_alpha=seq(0.6, 0.05, length.out=n_each_row)

upper=color Ramp Palette(c("blue", "white", "red"))(30)

upper=rep(list(upper), n_each_row)

upper=do.call(cbind, upper)

upper=t(apply(upper, 1, alpha, alpha=seq_alpha))

upper=ggplot()+annotation_raster(raster=upper, xmin=-Inf, xmax=Inf, ymin=-Inf, ymax=Inf, interpolate=TRUE)+theme_void()

ggdraw()+draw_plot(bg3)+draw_plot(p, width=0.8, height=0.8, x=0.1, y=0.1)+theme(aspect.ratio=0.6)+draw_plot(upper)

图7-2-4 在图表最上层添加半透明渐变色

#==========

# 练习：利用有特定功能的函数生成背景

#==========

# 本例继续使用上例中的图层进行示范，介绍如何将维诺图（Voronoi diagram）和网络图设置为背景。感兴趣的读者可自行学习这两种图表的绘制方法

# 在维诺图中，多边形中各点到其内部生成点的距离，小于到其他生成点的距离。不过本例并不用维诺图来呈现任何数据，只是让随机生成的图形充当背景（图7-25a）

install.packages("ggvoronoi")

library(ggvoronoi) # 使用geom_voronoi

n=180 # 生成点的个数

set.seed(1); xpos=runif(n, 0, 10) # 随机产生多边形的生成点的坐标

set.seed(2); ypos=runif(n, 0, 5)

set.seed(3); rdcolor=sample(1: 2, n, TRUE) # 2个取值对应于后面将使用的2个颜色

set.seed(4); rdalpha=runif(n)

bg4=ggplot()+theme_void()+coord_cartesian(expand=FALSE)+

geom_voronoi(show.legend=FALSE, aes(x=xpos, y=ypos, fill= factor(rdcolor), alpha=rdalpha), color=NA)+

scale_fill_manual(values=c("#947FEE", "#F575B2"))+

scale_alpha_continuous(range=c(0.7, 1))

ggdraw()+draw_plot(bg4)+draw_plot(p, width=0.8, height=0.8, x=0.1, y=0.1)+theme(aspect.ratio=0.6)

# 同理，我们接下来也并非要用网络图呈现特定数据，而只是以它为图表背景（图7-2-5b）

# install.packages("ggraph")

library(ggraph) # 使用geom_edge_link、geom_node_point等

node_number=40

g=expand.grid(1: node_number, 1: node_number) # 生成节点

set.seed(1); link=sample(c(0, 1), node_number^2, TRUE, prob= c(0.97, 0.03)) # 生成边

g=data.frame(g, link)

g=g[g$link != 0, ]

g=graph_from_data_frame(g)

bg_graph=ggraph(g, layout="sphere")+

geom_edge_link(edge_color="red", edge_alpha=0.45)+ # 绘制边

geom_node_point(color="red", size=5, alpha=0.55)+ # 绘制节点

theme_void()

black_grey=color Ramp Palette(c("grey10", "grey30", "grey10"))(40)

black_grey=matrix(black_grey, nrow=1)

bg5=ggplot()+theme_void()+

annotation_raster(black_grey, -Inf, Inf, -Inf, Inf, interpolate= TRUE)(www.xing528.com)

ggdraw()+draw_plot(bg5)+draw_plot(bg_graph)+draw_plot(p, width=0.8, height=0.8, x=0.1, y=0.1)+theme(aspect.ratio=0.6)

图7-2-5 上=图a以维诺图为背景，下=图b以网络图为背景

我们接下来尝试把在极坐标系中绘制的饼图放到背景图上去，本例中的数据为全球艺术品拍卖市场的成交量占比（图7-2-6）。

图7-2-6 绘制饼图并添加背景

dat=read.csv("art volume.csv", row.names=1) # 课件中的文件

# 第一步：生成背景图层

img=image_read("write board.jpg") # 课件中的图片

img=image_colorize(img, opacity=15, color="black")

bg=ggplot()+theme_void()+

annotation_raster(img, xmin=-Inf, xmax=Inf, ymin=-Inf, ymax= Inf)

# 第二步：生成呈现数据的图层

# 在极坐标系中的扇面的圆心角正比于在笛卡尔坐标系中的矩形在X轴上的宽度,因此我们首先用geom_tile来绘制矩形

v=dat$Volume

end=cumsum(v) # 矩形的右边界

mid=end-v/2 # 矩形的中心等于右边界减宽度的二分之一

mycolor=brewer.pal(n=nrow(dat), name="Paired") # 提取颜色

p=ggplot()+coord_polar(start=0, clip="off")+ # 设置clip="off"是为确保文字完整显示

geom_tile(show.legend=FALSE, aes(x=mid, y=0.5, width=v, height=1, fill=factor(1: length(v))), alpha=0.5)+ # 为方便起见，把矩形的上下边界设为1和0

scale_fill_manual(values=mycolor)+

geom_segment(aes(x=mid, y=0.9, xend=mid, yend=1.05), color="white", alpha=0.8)+ # 文字与扇面的连接线

labs(title="Fine Art Auction Market Global Share\nby Volume in 2017")

# 第三步：添加标签

lab_text=as.character(dat$Country)

lab_text=paste(lab_text, ": ", v*100, "%", sep="")

# 如果要把文字标注到扇面上，那么geom_text中的Y坐标应当是一个小于1的数，例如，我们可设置geom_text(aes(x=mid, y=0.5, label=lab_text))。不过现在我们要把文字都放到扇面外，所以需设置一个略大于1的数，并把vjust和hjust都设为"outward"

p=p+geom_text(aes(x=mid, y=1.05, label=lab_text), vjust="outward", hjust="outward", size=5, color="white")+

theme_void()+

theme(plot.title=element_text(hjust=0.5, color="white", size=22, face=2))

# 第四步：合并

ggdraw()+draw_plot(bg)+draw_plot(p, x=0.25, y=0, width=0.5, height=1)+theme(aspect.ratio=0.66)

利用本书第一章介绍的image_composite函数，我们还可以生成纹理效果（图7-2-7）。

图7-2-7 生成纹理效果

dat=read.csv("art volume.csv", row.names=1) # 课件中的文件

dat$Country=reorder(dat$Country, dat$Volume)

dat=data.frame(dat, PCT=paste(100*dat$Volume, "%", sep=""))

# 第一步：生成背景

img=image_read("canvas.jpg") # 课件中的图片

# 第二步：生成充当星光的随机点，画条形图，合并图表

set.seed(1); px=runif(200, 0, 1)

set.seed(2); py=runif(200, 0, 1)

set.seed(3); pcolor=sample(c("yellow", "khaki", "white", "gold"), 200, replace=TRUE)

star=ggplot()+geom_point(aes(px, py), size=3, color=pcolor)+theme_void()+theme(plot.background=element_rect(fill="midnightblue", color="midnightblue"))

p=ggplot(dat)+coord_cartesian(clip="off")+

geom_bar(show.legend=FALSE, aes(x=Volume, y=Country), stat="identity", fill="yellow", width=0.8, orientation="y")+

geom_text(aes(x=Volume, y=Country, label=PCT), hjust=-0.2, size=30, family="Hershey Script", fontface=2, color="khaki")+

labs(title="Fine Art Auction Market\n Global Share by Volume in 2017")+

theme_void()+

theme(axis.text.y=element_text(size=80, family="Hershey Script", face=2, color="khaki"),

plot.title=element_text(family="mono", size=80, face=3, color="khaki")

)

add_up=ggdraw()+draw_plot(star)+draw_plot(p, x=0.1, width=0.8, y=0.1, height=0.8)

# 第三步：用image_composite处理

res=image_graph(width=2400, height=1800, bg="transparent")

print(add_up)

dev.off()

img=resize_to_standard(img, res, scale=TRUE) # 确保两张图片尺寸一致

y=image_composite(img, res, gravity="center", operator="blend", compose_args="60") # 将operator设为"blend"，并通过反复尝试找到compose_args的合适取值

#==========

# 练习：月亮图

#==========

# 月亮图，可以用不同圆缺程度的月亮形，代替包含两个分类的饼图，或者用于表示分数、比例、进度的条形图

# install.packages("gggibbous")

library(gggibbous)

# geom_moon有两个特殊的参数：ratio为0至1的数值，用于设定圆缺程度。right用于设定是否从圆形右侧开始绘制。我们有时可能需要用带有不同颜色或透明度的点来代表整个圆形，此时我们要明确设置月亮形和点的尺寸，以便使二者匹配起来

ggplot()+

geom_moon(aes(x=1: 5, y=1, ratio=seq(0.2, 1, 0.2)), fill="red", color="blue", right=TRUE, size=6: 10)+

geom_point(aes(1: 5, 1), color="red", alpha=0.2, size=6: 10)

# 我们以若干国家受访者政治知识测验得分数据为例，进行示范（图7-2-8）。单元格中的数值是各国/各不同教育水平受访者答题正确率的均值以及总题数比例的均值

dat=read.csv("political knowledge.csv", row.names=1) # 课件中的文件

dat=as.data.frame(as.table(as.matrix(dat))) # 整理数据

colnames(dat)=c("Country", "Education", "Score")

dat$Education=gsub("_", "\n", dat$Education)

p=ggplot(dat)+

geom_point(show.legend=FALSE, aes(Education, Country, color=Country), alpha=0.2, size=18)+ # 整个圆形

geom_moon(show.legend=FALSE, aes(Education, Country, ratio= Score, fill=Country, color=Country), size=18)+ # 月亮形

geom_text(aes(Education, Country, label=round(Score*100, 0)), size=5, vjust=-2.5, color="grey90", family="mono", fontface=2)+ # 用百分制表示分数

scale_color_manual(values=c("#7AA892", "yellowgreen", "indianred1","steelblue1"))+

scale_fill_manual(values=c("#7AA892", "yellowgreen", "indianred1","steelblue1"))+

scale_x_discrete(position="top")+

labs(title="Political Knowledge Test Score\n")+

theme_void()+

theme(

axis.line.x=element_line(color="grey85"),

axis.ticks.y=element_line(color="grey85"), axis.ticks.length= unit(2, "mm"),

axis.text=element_text(color="grey90", size=18, family="mono", face=2),

axis.text.y=element_text(hjust=1),

plot.title=element_text(color="grey85", size=21, hjust=1, family="serif"),

plot.margin=unit(rep(3, 4), "mm")

)

m=color Ramp Palette(c("#513252", "#005688"))(40)

bg=ggplot()+theme_void()+

annotation_raster(m, -Inf, Inf, -Inf, Inf, interpolate=TRUE)

ggdraw()+draw_plot(bg)+draw_plot(p)

图7-2-8 月亮图

#==========

# 练习：渐变环形图

#==========

# 除了月亮图外，我们还可使用环形图来对分数、比例、进度进行可视化。在下边的例子中，我们用渐变环形图来呈现两个百分比（图7-2-9）。由于用annotation_raster添加的渐变矩形无法在极坐标系中使用，所以我们使用的方法是绘制大量带有单一颜色的矩形。矩形的数量越多，渐变效果越好

library(cowplot)

library(dplyr)

library(magick)

value=data.frame(

all_score=c(81, 66), # 待呈现的百分比是81%和66%

all_name=c("Company", "Government")

)

full_score=100 # 可以取到的最大值是100%

all_use_n=1000 # 当数值为100%时，拟使用的矩形的数量

all_color=color Ramp Palette(c("aquamarine", "chartreuse", "indianred1","orangered"))(all_use_n) # 当数值为100%时，拟使用的全部颜色

end_color=all_color[1: ceiling(all_use_n*max(value$all_score)/full_score)] # 本例用到的全部颜色，即用于呈现本例中的最大值81%时用到的颜色

info=mutate(value, use_n=ceiling(all_use_n*all_score/full_score), width=all_score/use_n) # 代表81%和66%的图层使用的矩形数和矩形的宽

xmiddle=mapply(seq, from=info$width/2, to=info$all_score, by=info$width) # 计算矩形的中心点

# 生成符合geom_tile需要的数据

dat=data.frame(

info[rep(1: nrow(info), times=info$use_n), ],

xmiddle=unlist(xmiddle)

)

图7-2-9 渐变环形图

text_dat=mutate(value, add_text=paste(all_score, "%", sep="")) # 添加文字使用的数据框

# 第一步：生成环形图。注意：为了生成极坐标系中的环形，我们把Y轴值域设为0至1，把所有矩形设定为：中心点Y坐标为0.9，高为0.2

p=ggplot(dat)+coord_polar()+xlim(0, 100)+ylim(0, 1)+

facet_wrap(vars(all_name), nrow=1)+

geom_tile(show.legend=FALSE, aes(x=xmiddle, y=0.9, width=width, fill=xmiddle), height=0.2)+

scale_fill_gradientn(colors=end_color)+

geom_text(data=text_dat, aes(0, 0, label=add_text), size=13, color="grey95")+

labs(title="% people say risks of ___ collecting data\nabout them outweight the benefits.")+

theme_void()+

theme(strip.background=element_blank(),

strip.text=element_text(size=20, family="serif", margin= unit(rep(4, 4), "mm"), color="grey95"),

plot.title=element_text(size=25, family="serif", face=3, color="grey95")

)

# 第二步：生成背景

img=image_read("street.jpg")

img=image_colorize(img, opacity=55, color="black")

bg=ggplot()+theme_void()+

annotation_raster(img, xmin=-Inf, xmax=Inf, ymin=-Inf, ymax=Inf)

# 第三步：合并

ggdraw()+draw_plot(bg)+draw_plot(p, x=0, y=0.05, width=1, height=0.9)