R可视化 | 气泡图 | 易学教程

气泡图

气泡图是一种多变量图表，是散点图的变体，也可以认为是散点图和百分比区域图的组合^[1]。气泡图最基本的用法是使用三个值来确定每个数据序列，和散点图一样。气泡图通过气泡的位置及面积大小，可分析数据之间的相关性。

本文可以看作是《R语言数据可视化之美》的学习笔记。前两部分可见（跳转）：

该书对气泡图的绘制并不是非常详细，小编将内容进行了大量拓展。下面的例子将一步步带你完成气泡图的绘制。本文内容丰富，希望大家都能学到自己想要的内容。

下面的例子将一步步带你完成气泡图的绘制。本文内容丰富，希望大家都能学到自己想要的内容。

本文框架

数据介绍

数据集来源gapminder包中，包含了1704行和6个变量。其中6个变量含义分别为：

country 国家142个水平
continent 大陆5个水平
year 1952年-2007年（间隔为5年）
lifeExp 出生预期寿命，以年计数
pop 人口数
gdpPercap 人均国内生产总值(扣除通货膨胀因素后的美元)

由于数据过多，我们感兴趣的是年份为2007年的数据，所以使用dplyr包进行数据处理，具体数据处理案例可见我写的另一篇推送：[R数据科学]tidyverse数据清洗案例详解。数据缩略版如下：

手把手绘制

geom_point()函数构建

气泡图是添加了第三维度的散点图：附加数值变量的值通过点的大小表示。(来源:data-to-viz^[2])。使用ggplot2，可以通过geom_point()函数构建气泡图。aes()设定至少三个变量:x、y和size。其实就是散点图绘制的升级版吧，aes()中多了一个参数。

ggplot(data, aes(x=gdpPercap, y=lifeExp, size = pop)) +
    geom_point(alpha=0.7)

上图展示了世界各国的预期寿命(y)与人均国内生产总值(x)之间的关系。每个国家的人口用圆的大小表示。但是这个图不是非常美观，而且圆的大小并不是很直观，大家都差不多大。接下来对圆的大小进行设定。

scale_size()控制圆的大小

scale_size()允许使用range参数设置最小和最大的圆的大小，用name改变图例名称(scale_size(range = c(0.1, 24), name="Population (M)"))。

图中可以看到，有些圆圈重叠了。k可将点的透明度进行调整（geom_point(alpha=0.5)）
为了避免在图表顶部出现大的圆圈，可以将数据集进行排序(arrange(desc(pop)))，代码如下。

data %>%
  arrange(desc(pop)) %>%
  mutate(country = factor(country)) %>%
  ggplot(aes(x=gdpPercap, y=lifeExp, size = pop)) +
    geom_point(alpha=0.5) +
    scale_size(range = c(.1, 24), name="Population (M)")

现在图可读性有所提高，但如果数据集中还有一个变量想加入图中该怎么办呢？

添加第四个维度：颜色

这里可以用每个国家的洲来控制圆圈的颜色（aes(x=gdpPercap, y=lifeExp, size=pop, color=continent)）:

data %>%
  arrange(desc(pop)) %>%
  mutate(country = factor(country, country)) %>%
  ggplot(aes(x=gdpPercap, y=lifeExp, size=pop, color=continent)) +
    geom_point(alpha=0.5) +
    scale_size(range = c(.1, 24), name="Population (M)")

该图基本可以满足我们日常生活的气泡图的可视化了。相信大家通过前面的详细的介绍，应该可以自行绘制，只要换个数据，懂得各个代码的含义即可。后面是图表美化的过程，参考thr R Graph Gallery: Bubble plot with ggplot2^[3]。

美化气泡图

一些经典的改进

使用viridis包的调色板：（scale_fill_viridis(discrete=TRUE, guide=FALSE, option="A")）
使用hrbrthemes包的theme_ipsum()
使用xlab和ylab自定义轴标题
为圆添加描边：将形状改为21，并指定颜色(描边)和填充

library(hrbrthemes)
library(viridis)

# Most basic bubble plot
data %>%
  arrange(desc(pop)) %>%
  mutate(country = factor(country)) %>%
  ggplot(aes(x=gdpPercap, y=lifeExp, size=pop, fill=continent)) +
    geom_point(alpha=0.5, shape=21, color="black") +
    scale_size(range = c(.1, 24), name="Population (M)") +
    scale_fill_viridis(discrete=TRUE, guide=FALSE, option="A") +
    theme_ipsum() +
    theme(legend.position="bottom") +
    ylab("Life Expectancy") +
    xlab("欢迎关注：庄闪闪的成长手册 \nq  Gdp per Capita") +
    theme(legend.position = "none")

带数据标签

这里使用ggrepel包中的(geom_text_repel())，可以给每个点自动加入标签，我这里是加入了各个国家名字，其他可以根据你实际需求进行设置。

library(ggrepel)
data1 = data %>%
  mutate(country = factor(country)) %>% head(20)
attach(data1)
  ggplot(data1,aes(x=gdpPercap, y=lifeExp, size=pop, fill=continent)) +
    geom_point(alpha=0.5, shape=21, color="black") +
    scale_size(range = c(.1, 24), name="Population (M)") +
    geom_text_repel(label = country,size=5)+
    scale_fill_viridis(discrete=TRUE, guide=FALSE, option="A") +
    theme_ipsum() +
    theme(legend.position="bottom") +
    ylab("Life Expectancy") +
    xlab("欢迎关注：庄闪闪的成长手册 \nq  Gdp per Capita") +
    theme(legend.position = "none")