TidyTuesday_week38_heatmap

发表于 分类于 阅读次数：
本文字数： 7.5k 阅读时长 ≈ 7 分钟

参考链接

https://github.com/gkaramanis/tidytuesday/tree/master/week-38

#######################################################################

学习到的技能（需要掌握的函数）

#######################################################################

  • filter() + mutate() + group_by() + arrange() + drop_na()

  • mutate() 函数中的 case_when 来条件判断赋值，可以使用代码冗余复杂变得浅显易懂，也很方便进行修改

  • lag() 函数表示取向量中的前一个数据

  • lead() 函数表示取向量中的后一个数据

    • 最后记得先排序后操作，或者在函数中指定 order_by = xx

  • geom_segment() 函数

  • expand 函数表示范围扩展常数矢量，用于在数据周围添加一些填充，以确保将其放置在距轴一定距离的位置。使用便捷函数

  • expand_scale() 函数来生成 expand 参数的值。默认值是将 连续变量 的比例尺各扩大 5％，将 离散变量 的比例尺各扩大 0.6 个单位。(翻译官方说明)

    • expand_scale(mult = 0, add = 0)
    • 一句话 add 表示图形距离画布左右两边的距离, mult 表示图形里画布上下两边的距离

  • rescale() 函数将数据范围归一化到 [0, 1]

  • display.brewer.all() 就可以看到对应取色方案

  • 也可以在网站 Colormaps 进行查看

  • labs() 要善于利用此函数来加标题等注释

  • theme_void() 去除所有内置主题

  • here 包, 可以快速创建文件夹以及文件

#######################################################################

正文

#######################################################################

数据清洗

导入数据

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
rm(list = ls())

library(tidyverse)
library(here)
library(lemon)
library(RColorBrewer)
library(scales)

park_visits <- readr::read_csv("https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2019/2019-09-17/national_parks.csv")

# 可以看到每一列的数据类型是什么样的。
# 我们可以清楚看到 `year` 那一列是属于字符串类型，后面进行操作时候变为了 `numeric`
# cols(
#   year = col_character(),
#   gnis_id = col_character(),
#   geometry = col_character(),
#   metadata = col_character(),
#   number_of_records = col_double(),
#   parkname = col_character(),
#   region = col_character(),
#   state = col_character(),
#   unit_code = col_character(),
#   unit_name = col_character(),
#   unit_type = col_character(),
#   visitors = col_double()
# )

整理数据

  • 这里充分结合来了 filter() + mutate() + group_by() + arrange() + drop_na() 函数一套清洗
  • 还有一点需要强调的是要善于利用 mutate() 函数中的 case_when 来条件判断赋值，可以使用代码冗余复杂变得浅显易懂，也很方便进行修改
  • 这里还需要注意的是利用了 lag() 函数，起到提取向量中的前一个值，后面会解释。
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    pv_ch <- park_visits %>% 
      distinct(year, unit_name, unit_type, visitors) %>% # 去除重复行，类似base::uniq() 函数, 返回去除重复后的数据
      filter(unit_type == "National Park" & year != "Total") %>% # 筛选数据类型为 `National Park` 和年份为 `非 Total` 的行
      mutate(year = as.numeric(year)) %>% # 将 `year` 列由 `character` 变为 `numercic`
      group_by(unit_name) %>% # 按照 `unit_name` 列变量进行分组
      arrange(year, .by_group = TRUE) %>% # 将 `year` 年份按照分组分别进行排序
      mutate(pct_change = (visitors/lag(visitors) - 1) * 100) %>% # 新建一列 `pct_change` lag() 向量中的 `前一个`  值
      filter(unit_name != "Denali National Preserve") %>% # 将 `Denali National Preserve` 行去除
      drop_na() %>% # 去除空值 `NA`
      mutate( # 按照 `pct_change` 列的大小分组，三组
        pct_change = case_when(
          pct_change > 100 ~ 200,
          pct_change < -100 ~ -200,
          TRUE ~ pct_change # 表示除了上面的范围之内的范围都属于这个范畴
        )
      )

不得不插一句说明 lag() 和 lead() 函数

1
2
3
4
5
6
7
8
9
10
11
lag(1:10, 1)
# [1] NA  1  2  3  4  5  6  7  8  9

lag(1:10, 2)
# [1] NA NA  1  2  3  4  5  6  7  8

lead(1:10, 1)
#>  [1]  2  3  4  5  6  7  8  9 10 NA

lead(1:10, 2)
#>  [1]  3  4  5  6  7  8  9 10 NA NA

可视化这部分思想很重要，

geom_segment() 函数用来绘制区域，即指定四个点的位置, 详情见 ggplot2 都有哪些使用不多但是却异常强大的图层函数 一文，反正我看完是受益匪浅。
expand: 范围扩展常数矢量，用于在数据周围添加一些填充，以确保将其放置在距轴一定距离的位置。使用便捷函数 

1
2
3
4
5
6
7
8
9
ggplot(mpg, aes(displ, hwy)) +
    geom_point() +
    scale_x_continuous(limits = c(1, 7), expand = c(0.5, 0))
# right most position will be 7 + (7-1) * 0.5 = 10

ggplot(mpg, aes(displ, hwy)) +
    geom_point() +
    scale_x_continuous(limits = c(1, 7), expand = c(0.5, 2))
# right most position will be 7 + (7-1) * 0.5  + 2 = 12

expand_scale() 来生成 expand 参数的值。默认值是将 连续变量 的比例尺各扩大 5％，将 离散变量 的比例尺各扩大 0.6 个单位。(翻译官方说明)

  • expand_scale(mult = 0, add = 0)

  • mult: 范围扩展因子的向量。如果向量长度为 1，则刻度的下限和上限均会向外扩大。如果向量长度为 2，则下限由 mult[1] 扩展，上限由 mult[2] 扩展。add = c(0,1) 表示下边距离 x 轴零距离，距离顶端 1 倍长度。一般用于 y 轴，即 scale_y_*

  • add: 可加范围扩展常数的向量。如果向量长度为 1，则通过添加单位向外扩展刻度的上下限。如果向量长度为 2，则下限由 add[1] 扩展，上限由 add[2] 扩展。 add = c(0,1) 表示距离 y 轴零距离，距离右边 1 个单位。一般用于 x 轴，即 scale_x_*

  • 一句话 add 表示图形距离画布左右两边的距离, mult 表示图形里画布上下两边的距离

rescale()

  • 将数据范围归一化到 [0, 1]
    1
    2
    3
    4
    5
    rescale(1:10)
    # [1] 0.0000000 0.1111111 0.2222222 0.3333333 0.4444444 0.5555556 0.6666667 0.7777778 0.8888889 1.0000000

    rescale(1:11)
    # [1] 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

图中对应的颜色条

  • display.brewer.all() 就可以看到对应取色方案
  • 也可以在网站 Colormaps 进行查看

labs() 要善于利用此函数来加标题等注释

theme_void() 去除所有内置主题，具体一眼见 ggplot2 的主题模板

还得提一下的是 here 包, 可以快速创建文件夹以及文件

1
2
3
4
5
6
7
here()
# [1] "F:/temp_desktop/2019-5"

here("one", "two", "awesome.txt")
# [1] "F:/temp_desktop/2019-5/one/two/awesome.txt"
# cat(readLines(here("one", "two", "awesome.txt")))
# 这里需要管理员权限运行才行，由于我这里没有管理员运行，所以后面那部分保存图片是运行不了的
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
pv_ch %>%
  ggplot() +
  geom_segment(aes(x = year, xend = year,
                   y = 0, yend = 1, color = pct_change), size = 1) + # 绘制几何图形并填充颜色
  scale_x_continuous(breaks = seq(1910, 2010, 20), # 指定 x 轴标签内容
                     expand = expand_scale(add = c(5, 1))) + # 表示指定离左边的距离为 5, 离右边为 1，当为 c(0, 0) 时候会填充整个坐标轴画布
  scale_y_continuous(expand = c(0.05, 0.25)) + # 表示将 y 轴变为 ymax + (ymax - ymin) * 0.05 + 0.25
  facet_wrap(vars(unit_name), ncol = 3) + # 表示按照 `unit_name` 进行分面，变为三列。
  # `scale_colour_gradientn` N种颜色之间的平滑颜色渐变
  scale_colour_gradientn(limits = c(-200, 200), # 指定颜色填充的范围
                         colors = brewer.pal(n = 7, name = "RdYlGn"), # 选取颜色，对应颜色注释见 `display.brewer.all()`
                         values = rescale(c(-200, -100, -1, 0, 1, 100, 200)), # 对七个刻度进行归一化？，反正就是变成 [0, 1] 
                         labels = c("", "-100%", "0", "100%", "") # 对应的刻度尺进行标签注释
  ) +
  labs( # 标签注释，懒得解释
    title = "National Park Visits 1904–2016",
    subtitle = "Year-over-year percentage change",
    caption = "Source: dataisplural/data.world | Graphic: Georgios Karamanis"
  ) +
  guides(color = guide_colorbar(
    title.position = "top",
    label.position = "top",
    title = NULL,
    barwidth = 20,
    barheight = 0.5
  )) +
  theme_void(base_family = "Times New Roman") +
  theme(
    legend.position = "top",
    legend.title = element_text(size = 20, color = "grey20"),
    legend.margin = margin(0, 0, 20, 0),
    plot.background = element_rect(fill = "grey80", color = NA),
    strip.background = element_rect(fill = "grey80", color = NA),
    strip.text = element_text(family = "Times New Roman", color = "grey30",
                              hjust = 1, vjust = 1),
    plot.title = element_text(size = 28, color = "grey20", family = "Times New Roman"),
    plot.subtitle = element_text(size = 20, color = "grey20"),
    plot.caption = element_text(size = 8, color = "grey30", margin = margin(20, 0, 0, 0)),
    axis.text.x = element_text(family = "Times New Roman", size = 7, color = "grey40"),
    panel.grid.major.x = element_line(color = "grey75"),
    plot.margin = margin(20, 20, 20, 20)
  )  #本来有 +
  
  # save image
#   ggsave(
#     here::hcere("week-38", "figures", "temp", paste0("national-parks", format(Sys.time(), "%Y%m%d_%H%M%S"), # ".png")),
#     width = 18, height = 14, dpi = 320
#   ) # 没有管理员运行 R ，所以我的不行，需要自行设置

最后这个学了以后可以用来做什么呢？那就看大家自己的想法了。