R语言数据可视化-气泡图

一、概述

气泡图（Bubble Chart）是一种展示三个或更多变量之间关系的二维图表。它与散点图类似，但是在每个数据点处加上了一个圆圈，圆圈的大小和第三个变量相关。因此气泡图不仅可以用于显示两个变量之间的关系，还可以同时显示第三个变量的大小或重要性，增加了数据展示的可读性和信息量。

二、数据集

下面我将以R语言自带的mtcars数据集为例画出气泡图。

首先，我们需要加载ggplot2包和mtcars数据集，并指定想要用到的变量。

2.1 安装及其使用

install.packages("ggplot2")
library(ggplot2)

2.2 读取数据

加载数据

# 加载 R 自带数据集 mtcars
data(mtcars)
str(mtcars)

数据集展示

'data.frame':   32 obs. of  11 variables:
 $ mpg : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
 $ cyl : num  6 6 4 6 8 6 8 4 4 6 ...
 $ disp: num  160 160 108 258 360 ...
 $ hp  : num  110 110 93 110 175 105 245 62 95 123 ...
 $ drat: num  3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
 $ wt  : num  2.62 2.88 2.32 3.21 3.44 ...
 $ qsec: num  16.5 17 18.6 19.4 17 ...
 $ vs  : num  0 0 1 1 0 1 0 1 1 1 ...
 $ am  : num  1 1 1 0 0 0 0 0 0 0 ...
 $ gear: num  4 4 4 3 3 3 3 4 4 4 ...
 $ carb: num  4 4 1 1 2 1 4 2 2 4 ...

三、使用用法

3.1 基础方法

ggplot(data = mtcars, aes(x = wt, y = mpg)) +  # 构建绘图对象
  geom_point(aes(size = hp), alpha = 0.7, color = "#0072B2") +  # 添加气泡、大小和透明度，设定颜色
  labs(title = "wt vs. mpg (by hp)", x = "Weight", y = "Miles per gallon", size = "Horsepower") +  # 设定标题和轴标签
  scale_size_continuous(range = c(2, 12))  # 设定气泡大小的范围

3.2 气泡颜色变化

ggplot(data = mtcars, aes(x = wt, y = mpg, size = hp, color = disp))+  # 构建绘图对象，并设置气泡大小和颜色
  geom_point(alpha = 0.7, shape = 21, stroke = 0.2)+  # 添加气泡，设定透明度、形状和边缘宽度
  labs(title = "wt vs. mpg (by hp and disp)", x = "Weight", y = "Miles per gallon", size = "Horsepower", color = "Displacement")+  # 设定标题和轴标签
  scale_size(range = c(2, 12))+  # 设定气泡大小范围
  scale_color_gradient(low = "darkblue", high = "red")  # 设定颜色范围

3.3 聚类气泡图

解析来展示论文中类似的聚类气泡图，代码和数据集如下：

install.packages("ggplot2")
install.packages("dplyr")
install.packages("ggrepel")
install.packages("gridExtra")
install.packages("ggalt")

library(ggplot2)
library(dplyr)
library(ggrepel)
library(gridExtra)
library(ggalt)

# 导入数据集
data(iris)
head(iris)

# 绘制聚类气泡图
p1 <- ggplot(df, aes(x = x, y = y, color = factor(cluster))) +
  geom_point(size = 3, alpha = 0.8) +
  scale_color_manual(values = c("#0072B2", "#D55E00", "#009E73")) +
  theme_bw()

p2 <- p1 +
  stat_ellipse(aes(x = x, y = y, fill = factor(cluster)),
               data = df, alpha = 0.2, level = 0.95) +
  geom_point(size = 3, alpha = 0.8) +
  scale_color_manual(values = c("#0072B2", "#D55E00", "#009E73")) +
  theme_bw()

p3 <- p2 +
  ggtitle("Cluster Bubble Plot") +
  theme(legend.position = "none")

grid.arrange(p3, ncol = 1)

带标签的聚类气泡图

# 数据预处理
df <- iris %>% 
  select(Sepal.Length, Sepal.Width) %>% 
  scale()
km_fit <- kmeans(df, 3)
df <- iris %>% 
  select(Sepal.Length, Sepal.Width) %>% 
  scale() %>% 
  bind_cols(cluster = km_fit$cluster) %>% 
  rename(x = Sepal.Length, y = Sepal.Width)

# 选择要用于聚类的列
cluster_data <- mtcars[, c("mpg", "disp", "hp")]

# 进行k-means聚类，并将聚类结果添加到数据集中
set.seed(1)
mtcars$cluster <- kmeans(cluster_data, centers = 3)$cluster


# 绘制聚类气泡图
p1 <- ggplot(df, aes(x = x, y = y, color = factor(cluster))) +
  geom_point(size = 3, alpha = 0.8) +
  scale_color_manual(values = c("#0072B2", "#D55E00", "#009E73")) +
  theme_bw()

p2 <- p1 +
  stat_ellipse(aes(x = x, y = y, fill = factor(cluster)),
               data = df, alpha = 0.2, level = 0.95) +
  geom_point(size = 3, alpha = 0.8) +
  scale_color_manual(values = c("#0072B2", "#D55E00", "#009E73")) +
  theme_bw()

p3 <- p2 +
  geom_label_repel(aes(label = cluster), size = 3) +
  ggtitle("Cluster Bubble Plot") +
  theme(legend.position = "none")

grid.arrange(p3, ncol = 1)

✔