本文小编为大家详细介绍“R语言记录数据可视化实例分析”，内容详细，步骤清晰，细节处理妥当，希望这篇“R语言记录数据可视化实例分析”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。
从策划到设计制作，每一步都追求做到细腻，制作可持续发展的企业网站。为客户提供成都网站建设、网站设计、网站策划、网页设计、主机域名、虚拟主机、网络营销、VI设计、 网站改版、漏洞修补等服务。为客户提供更好的一站式互联网解决方案,以客户的口碑塑造优易品牌,携手广大客户,共同发展进步。
library(ggplot2)
library(maps)
library(plyr)
library(grid)
library(RColorBrewer)
library("dplyr")
library(gapminder)
library(gganimate)
library(animation)
此次使用的地图是maps中的世界地图，因为原始数据是gapminder包（没错就是那个做动态可视化很吊的团队，他们有个网站就叫gapminder，里面各种高大上动态图，而且还提供了动态图演示的桌面端软件）提供的数据。因为国家名称有出入，我自己又整理了一份对照表。
world_map<-map_data("world")
world_map[world_map$group==1425&world_map$group==1425,"region"]<-"Trinidad and Tobago"
setwd("D:/")
Country<-read.csv("mydata.csv",stringsAsFactors = FALSE,check.names = FALSE)
mapdata<-left_join(gapminder,Country)%>%na.omit()
mapdata$fan<-cut(mapdata$gdpPercap,breaks=c(min(mapdata$gdpPercap),2500,5000,7500,10000,15000,20000,30000,40000,max(mapdata$gdpPercap)),
labels=c("<=2500","2500~5000","5000~7500","7500~10000","10000~1500","1500~20000","20000~30000","30000~40000"," >=40000"),include.lowest=TRUE,order=TRUE)
mapnew_data<-left_join(world_map[,-6],mapdata[,-1],by="region")
使用colorbrewer提供的色盘：
color1<-brewer.pal(9,"YlOrRd")[c(3,4,5,6,7,8,9)]
color2<-brewer.pal(9,"Greens")[c(4,6)]
color<-c(rev(color2),color1)
定制一款主题：
mytheme<-theme(
panel.grid = element_blank(),
panel.background = element_blank(),
axis.text = element_blank(),
axis.ticks = element_blank(),
axis.title = element_blank(),
legend.position ="none",
plot.background=element_rect(I(0),linetype=0)
)
分段填色热力图：（gganimate版）
p1<-ggplot(data=mapnew_data,aes(x=long,y=lat,group=group,fill=fan,frame=year))+
geom_polygon(colour="grey",size=.2)+
guides(fill=guide_legend(reverse=TRUE))+
scale_fill_manual(values=color,na.value="grey95")+
mytheme
gganimate(p1,interval = .5,"output.gif")
分段填色（animation版）
year<-unique(gapminder$year)
saveGIF({
for (i in year) {
title <- as.character(i)
g1<-ggplot()+
geom_polygon(data=world_map,aes(x=long,y=lat,group=group),fill="white",colour="grey",size=.2)+
geom_polygon(data=filter(mapnew_data,year==i),aes(x=long,y=lat,group=group,fill=fan),colour="grey",size=.2)+
guides(fill=guide_legend(reverse=TRUE))+
scale_fill_manual(values=color,na.value="grey95")+
mytheme
print(g1)
}
},movie.name='world_population_Area.gif',interval=0.2,ani.width=1200,ani.height=750)
制作散点坐标数据：
midpos <- function(AD1){mean(range(AD1,na.rm=TRUE))}
centres <- ddply(mapnew_data,.(region),colwise(midpos,.(long,lat)))
pointdata<-left_join(mapdata[,c(3,5,7)],centres)
带填色散点图（gganimate版）
p2<-ggplot(data=pointdata,aes(x=long,y=lat,frame=year))+
geom_polygon(data=mapnew_data,aes(x=long,y=lat,group=group),colour="grey",size=.2,fill="white")+
geom_point(aes(size=pop,fill=pop),shape=21,colour="black")+
scale_fill_gradient(low="white",high="#D73434")+
scale_size_area(max_size=18)+
mytheme
gganimate(p2,interval = .5,"output2.gif")
带填色散点图（animation版）
year<-unique(gapminder$year)
saveGIF({
for (i in year) {
title <- as.character(i) g1<-ggplot()+
geom_polygon(data=world_map,aes(x=long,y=lat,group=group),colour="grey",size=.2,fill="white")+
geom_point(data=filter(pointdata,year==i),aes(x=long,y=lat,size=pop,fill=pop),shape=21,colour="black")+
scale_fill_gradient(low="white",high="#D73434")+
labs(title=paste0("Population structure of World:",title),caption="Data Source:GapMinder") +
scale_size_area(max_size=18)+
guides(fill=guide_legend(reverse=TRUE))+
mytheme
print(g1)
}
},movie.name='world_population.gif',interval=0.2,ani.width=1200,ani.height=750)
虽然说gganimate包制作的动态图效果不是很好调整，但是它整合了一些非常棒的功能，大大简化了动态图制作，他也可以制作累计动态图（随着年份增加，在保留过去效果的基础上，增加最新事件内的效果），他不仅可以将时间变量作为切换维度，甚至不限制维度变量性质，即分类资料也是可以支持切换。
案例在ggplot2的扩展包社区里，你也可以在它的GitHub主页上找到相关介绍：
读到这里，这篇“R语言记录数据可视化实例分析”文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注创新互联行业资讯频道。
分享标题：R语言记录数据可视化实例分析
文章分享：
http://cdkjz.cn/article/iespgg.html
