使用 ggcharts 高亮部分内容-阿里云开发者社区

使用 ggcharts 高亮部分内容

2023-05-25 99

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 使用 ggcharts 高亮部分内容

简介

最近科研中存在一个小需求：高亮柱状图中的某个柱子，从而展示所提方法的优越性（比如：比较RMSE，精确度等）。这该怎么做呢？

在询问 ChatGPT^[1] 和 Bing^[2] 搜索后，发现几种解决的办法：

直接使用 {ggplot2} 包中的 scale_fill_manual() 函数来手动指定柱状图中某根柱子的颜色。
使用 {ggcharts} 包中的 bar_chart() 和 lollipop_chart() 中特定的 highlight 参数。

接下来，来展示下这两种方法吧。

注意: ChatGPT 相关推文可见：利用 ChatGPT 回答 R 相关问题 ;数据分析的未来- ChatGPT 和 R;ChatGPT为何逆天？——OpenAI生成式语言模型的前世今生。

ggplot2 包

基础版本

下面是 ChatGPT 给出的答案，我来人工实现下。下面给出代码和结果。总体而言还是很不错的。

library(ggplot2)
# 生成示例数据
df <- data.frame(category = c("A", "B", "C", "D"),
                 value = c(10, 20, 30, 40))
# 将第三个类别的颜色指定为红色
highlight_color <- c("grey", "grey", "red", "grey")
# 使用ggplot2创建柱状图
ggplot(df, aes(x = category, y = value, fill = category)) +
  geom_col() +
  scale_fill_manual(values = highlight_color)

进阶版本

问题：假设有四种方法（A：D），分别计算了对应的 RMSE 和 RB 结果。请使用 ggplot 绘制柱状图并高亮 RMSE 和 RB 最低的柱子。

模拟数据如下所示：

# 创建数据框
data <- data.frame(
  Method = c("A", "B", "C", "D"),
  RMSE = c(1.5, 2.3, 1.9, 2.1),
  RB = c(0.8, 1.2, 1.5, 0.7)
)
head(data)
#  Method RMSE  RB
# 1      A  1.5 0.8
# 2      B  2.3 1.2
# 3      C  1.9 1.5
# 4      D  2.1 0.7
# 使用ggplot2创建柱状图
h1 <- c("red", "grey", "grey", "grey")
p1 = ggplot(data, aes(x = Method, y = RMSE, fill = Method)) +
  geom_col() + 
  scale_fill_manual(values = h1)  
h2 <- c("grey", "grey", "grey","red")
p2 = ggplot(data, aes(x = Method, y = RB, fill = Method)) +
  geom_col() + 
  scale_fill_manual(values = h2)  
library(cowplot)
plot_grid(p1,p2)

注意：这是一个很初级的版本，由于组数不多就直接使用手工变化颜色。如果要做批

量处理，读者在此基础还得进行修改。

ggcharts 包

以上方法需要自己手动修改 scale_fill_manual() 中的参数，比较麻烦。现在来分享另一种思路：使用 ggcharts^[3] 包中的 bar_chart() 和 lollipop_chart() 中特定的 highlight 参数。

先给出官方^[4]的几个例子。

官方例子

数据来自 {ggcharts} 包中的 biomedicalrevenue 数据。

library(ggcharts)
library(dplyr)
data("biomedicalrevenue")
revenue2018 <- biomedicalrevenue %>%
  filter(year == 2018)
head(revenue2018)
#            company year revenue
#1 Johnson & Johnson 2018   81.60
#2             Roche 2018   56.86
#3            Pfizer 2018   53.60
#4          Novartis 2018   51.90
#5             Bayer 2018   45.06
#6   GlaxoSmithKline 2018   43.14

使用 bar_chart() 并设置 highlight = "Roche"。

bar_chart(
  revenue2018,
  company,
  revenue,
  top_n = 10,
  highlight = "Roche"
)

颜色主题可以通过修改 ggcharts 主题修改，比如：ggcharts_get_theme()。

ggcharts_set_theme("theme_ng")
bar_chart(
  revenue2018,
  company,
  revenue,
  top_n = 10,
  highlight = "Roche"
)

注意：想变换到默认主题，可食用：ggcharts_set_theme("theme_ggcharts")。

当然也可以将其和分面结合，只需在参数中设置：facet = xxx。

biomedicalrevenue %>%
  filter(year %in% c(2012, 2014, 2016, 2018)) %>%
  bar_chart(
    company,
    revenue,
    facet = year,
    top_n = 12,
    highlight = "Bayer"
  )

所提例子

根据上述学习，我们将该包应用到所提的例子中。

# 数据转化
data_long <- tidyr::gather(data, Metric, Value, -Method)
head(data_long)
#  Method Metric Value
# 1      A   RMSE   1.5
# 2      B   RMSE   2.3
# 3      C   RMSE   1.9
# 4      D   RMSE   2.1
# 5      A     RB   0.8
# 6      B     RB   1.2
data_long %>%
  bar_chart(
    Method,
    Value,
    facet = as.factor(Metric),
    top_n = 12,
    highlight = "A",
    horizontal = T
  )