京公网安备 11010802034615号
经营许可证编号:京B2-20210330
一场用R语言打造的商务图表视觉盛宴
之前已经模仿了挺多网络上流行的高难度商务图表案例,自觉功力有所小成,就想着趁热打铁,把那些剩余的还没有被挖掘出来了的商务图表案例全部补全。
本篇给出不等宽柱形图案例以及MEKKO(也称市场细分矩阵)图案例全部四张图的R语言代码,作为ggplot商务图表进阶道路上的一个小小一步。
因素需要构造自定义标度,这里需要scale包的支持
library(ggplot2)
library(scales)
构造不等宽柱形图的案例数据(本案例模仿对象是刘万祥老师的《Excel图表之道》,感谢老师在业界的无私奉献精神,给我后备爱或者留下了如此丰富的图表案例资源,这里再次向老师致敬!)。
mydata<-data.frame(Name=paste0("项目",1:5),Scale=c(35,30,20,10,5),ARPU=c(56,37,63,57,59))
因为本篇 所构造的不等宽柱形图、MEKKO矩阵图等都是建立在四边形(或者呈为矩阵)的基础图形之上的,即物理的二维空间中,四个点坐标可以定位出一个四边形,利用R语言的向量化操作,就可以同时操纵n组长度为4的向量,来批量生成矩形块,这里的核心技巧只是在数据源中准确的生成每一组向量(也即每一个矩形块的水平轴起点、终点、垂直轴的起点、终点)。
在ggplot系统中,生成矩形的图层函数是geom_rect()函数,内置四个参数:
xmin\xmax\ymin\ymax
不等宽柱形图:
#构造矩形X轴的起点(最小点)
mydata$xmin<-0
for (i in 2:5){
mydata$xmin[i]<-sum(mydata$Scale[1:i-1])
}
#构造矩形X轴的终点(最大点)
for (i in 1:5){
mydata$xmax[i]<-sum(mydata$Scale[1:i])
}
#构造数据标签的横坐标:
for (i in 1:5){
mydata$label[i]<-sum(mydata$Scale[1:i])-mydata$Scale[i]/2
}
定义字体:
windowsFonts(myFont = windowsFont("微软雅黑"))
运行ggplot函数:
ggplot(mydata)+
geom_rect(aes(xmin=xmin,xmax=xmax,ymin=0,ymax=ARPU,fill=Name))+
scale_fill_manual(values=c("#54576B","#BD1F12","#E8BA11","#62962A","#9B56AF"))+
geom_text(aes(x=label,y=ARPU-3,label=ARPU),size=6,col="white",family="myFont")+
geom_text(aes(x=label,y=-2.5,label=Scale),size=4,col="black",family="myFont")+
geom_text(aes(x=label,y=-5.5,label=Name),size=4,col="black",family="myFont")+
annotate("text",x=16,y=70,label="不等宽柱形图",size=8,family="myFont")+
annotate("text",x=14,y=64,label="这是一幅很用心的图表",size=4,family="myFont")+
annotate("text",x=11,y=-9.8,label="Source:EasyCharts",size=4,family="myFont")+
ylim(-10,80)+
theme_nothing()
-----------------------------------------------------------------------------------------------------------
不等宽条形图:
该案例来自于本人小号数据小魔方,也曾在本平台转发过:
图表案例——全球创新国家1000强研发投入变动趋势
设置目录导入数据
mydata<-read.csv("barchart.csv",stringsAsFactors = FALSE)
names(mydata)[1:5]<-c("State","RD","Betw","Cumcost","class")
#构造矩形X轴的起点(最小点)
mydata$xmin<-0
for (i in 2:nrow(mydata)){
mydata$xmin[i]<-sum(mydata$RD[1:i-1])
}
#构造矩形X轴的终点(最大点)
for (i in 1:nrow(mydata)){
mydata$xmax[i]<-sum(mydata$RD[1:i])
}
#构造数据标签的横坐标:
for (i in 1:nrow(mydata)){
mydata$label[i]<-sum(mydata$RD[1:i])-mydata$RD[i]/2
}
mydata$class<-factor(mydata$class,levels=c("亚洲","欧洲","北美","其他地区")).
运行作图函数:
ggplot(mydata)+
geom_rect(aes(xmin=xmin,xmax=xmax,ymin=0,ymax=Betw,fill=class),col="white")+
coord_flip()+
scale_x_reverse()+
scale_y_continuous(limits=c(-.45,.7),breaks=seq(-.4,.7,.1),labels=percent_format(),position = "top")+
scale_fill_manual(values=c("#802428","#AB6661","#D1A6A1","#A89B94"))+
geom_text(aes(x=label,y=Betw/2,label=Betw),size=3,col="white",family="myFont")+
geom_text(aes(x=label,y=ifelse(Betw>0,Betw+.03,Betw-.033),label=mydata$RD),size=4,col="black",family="myFont")+
geom_text(aes(x=label,y=ifelse(Betw>0,-.07,.07),label=State),size=4,col="black",family="myFont")+
labs(title="不等宽柱形图",subtitle="这是一幅很用心的图表",caption="Source:EasyCharts",x="",y="")+
theme(
text=element_text(family="myFont"),
plot.title=element_text(size=18),
plot.subtitle=element_text(size=14),
plot.caption=element_text(size=10,hjust=0),
plot.background=element_blank(),
panel.background=element_blank(),
panel.grid=element_blank(),
axis.text.y=element_blank(),
axis.ticks.y=element_blank(),
legend.position=c(0.9,0.2),
axis.line.x=element_line()
)
![]()
--------------------------------------------------------------------------------------------------------
MEKKO(也称市场细分矩阵)
该图表同样来源于刘老师的图表宝典——《Excel图表之道》
Mekko<-read.csv("Mekko.csv",stringsAsFactors = FALSE)
Mekko$Class<-factor(Mekko$Class,order=T)
#构造矩形(Obama)X轴的起点(最小点)
Mekko$xmin<-0
for (i in 2:nrow(Mekko)){
Mekko$xmin[i]<-sum(Mekko$percent[1:i-1])
}
#构造矩形(Obama)X轴的终点(最大点)
for (i in 1:nrow(Mekko)){
Mekko$xmax[i]<-sum(Mekko$percent[1:i])
}
#构造数据标签的横坐标:
for (i in 1:nrow(Mekko)){
Mekko$label[i]<-sum(Mekko$percent[1:i])-Mekko$percent[i]/2
}
这里我不想重复映射两次geom_rect()图层函数,所以从新整理了数据源,一定要记得ggplot的作图体系中使用因子变量进行分类作图的思想,这里完全可以用一个类别标量赋给fill属性,避免代码冗余。
mynewdata1<-Mekko[,c(1,6,7)];mynewdata1$ymin<-0;mynewdata1$ymax<-Mekko$Obama;mynewdata1$Type<-"Obama"
mynewdata2<-Mekko[,c(1,6,7)];mynewdata2$ymin<-Mekko$Obama+Mekko$m;mynewdata2$ymax<-Mekko$Obama+Mekko$m+Mekko$McCain;mynewdata2$Type<-"McCain"
mynewdata<-rbind(mynewdata1,mynewdata2)
mynewdata$Type<-factor(mynewdata$Type,levels=c("Obama","McCain"),order=T)
运行作图函数:
ggplot(mynewdata)+
geom_rect(aes(xmin=xmin,xmax=xmax,ymin=ymin,ymax=ymax,fill=Type),col="white")+
scale_fill_manual(values=c("#004C7F","#B70023"))+
scale_x_continuous(breaks=Mekko$label,labels=Mekko$Class)+
geom_text(data=Mekko,aes(x=label,y=.25,label=percent(Obama)),size=3.5,col="white",family="myFont")+
geom_text(data=Mekko,aes(x=label,y=.8,label=percent(McCain)),size=3.5,col="white",family="myFont")+
labs(title="MEKKO-市场细分矩阵图",subtitle="这是一幅用心良苦的图表",caption="Source:EasyCharts",x="",y="")+
theme(
plot.margin=unit(c(2,0,0.5,0),"lines"),
panel.spacing=unit(c(0,0,0,0),"lines"),
axis.text.x=element_text(angle=90,size=10),
panel.background=element_blank(),
axis.ticks=element_blank(),
axis.text.y=element_blank(),
legend.position=c(.78,1),
legend.direction="horizontal",
text=element_text(family="myFont"),
plot.title=element_text(size=18),
plot.subtitle=element_text(size=14),
plot.caption=element_text(size=10,hjust=0),
legend.title=element_blank()
)
![]()
---------------------------------------------------------------------------------------------------------
ggplot(mynewdata)+
geom_rect(aes(xmin=xmin,xmax=xmax,ymin=ymin,ymax=ymax,fill=Type),col="white")+
coord_flip()+
scale_fill_manual(values=c("#004C7F","#B70023"))+
scale_x_continuous(breaks=Mekko$label,labels=Mekko$Class)+
geom_text(data=Mekko,aes(x=label,y=.25,label=percent(Obama)),size=3.5,col="white",family="myFont")+
geom_text(data=Mekko,aes(x=label,y=.8,label=percent(McCain)),size=3.5,col="white",family="myFont")+
labs(title="MEKKO-市场细分矩阵图",subtitle="这是一幅用心良苦的图表",caption="Source:EasyCharts",x="",y="")+
theme(
plot.margin=unit(c(0,0,0,0),"lines"),
panel.spacing=unit(c(0,0,0,0),"lines"),
axis.text.y=element_text(size=10),
panel.background=element_blank(),
axis.ticks=element_blank(),
axis.text.x=element_blank(),
legend.position=c(.78,1),
legend.direction="horizontal",
text=element_text(family="myFont"),
plot.title=element_text(size=18),
plot.subtitle=element_text(size=14),
plot.caption=element_text(size=10,hjust=0),
legend.title=element_blank()
)
![]()
因水平有限,代码写的比较糟糕,图表如有可改善的细节,还请的各位多多指点。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12在数字化转型深度渗透的今天,企业管理已从“经验驱动”全面转向“数据驱动”,数据思维成为企业高质量发展的核心竞争力,而CDA ...
2026-03-12在数字经济飞速发展的今天,数据分析已从“辅助工具”升级为“核心竞争力”,渗透到商业、科技、民生、金融等各个领域。无论是全 ...
2026-03-11上市公司财务报表是反映企业经营状况、盈利能力、偿债能力的核心数据载体,是投资者决策、研究者分析、从业者复盘的重要依据。16 ...
2026-03-11数字化浪潮下,数据已成为企业生存发展的核心资产,而数据思维,正是CDA(Certified Data Analyst)数据分析师解锁数据价值、赋 ...
2026-03-11线性回归是数据分析中最常用的预测与关联分析方法,广泛应用于销售额预测、风险评估、趋势分析等场景(如前文销售额预测中的多元 ...
2026-03-10在SQL Server安装与配置的实操中,“服务名无效”是最令初学者头疼的高频问题之一。无论是在命令行执行net start启动服务、通过S ...
2026-03-10在数据驱动业务的当下,CDA(Certified Data Analyst)数据分析师的核心价值,不仅在于解读数据,更在于搭建一套科学、可落地的 ...
2026-03-10在企业经营决策中,销售额预测是核心环节之一——无论是库存备货、营销预算制定、产能规划,还是战略布局,都需要基于精准的销售 ...
2026-03-09金融数据分析的核心价值,是通过挖掘数据规律、识别风险、捕捉机会,为投资决策、风险控制、业务优化提供精准支撑——而这一切的 ...
2026-03-09在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心工作,是通过数据解读业务、支撑决策,而指标与指标体系 ...
2026-03-09在数据处理的全流程中,数据呈现与数据分析是两个紧密关联却截然不同的核心环节。无论是科研数据整理、企业业务复盘,还是日常数 ...
2026-03-06在数据分析、数据预处理场景中,dat文件是一种常见的二进制或文本格式数据文件,广泛应用于科研数据、工程数据、传感器数据等领 ...
2026-03-06在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越单纯的数据清洗与统计分析,而是通过数据 ...
2026-03-06在教学管理、培训数据统计、课程体系搭建等场景中,经常需要对课时数据进行排序并实现累加计算——比如,按课程章节排序,累加各 ...
2026-03-05在数据分析场景中,环比是衡量数据短期波动的核心指标——它通过对比“当前周期与上一个相邻周期”的数据,直观反映指标的月度、 ...
2026-03-05