Jak utworzyć wykres barplotowy w ggplot2 z wieloma zmiennymi

Wykres słupkowy jest przydatny do wizualizacji ilości różnych zmiennych kategorycznych.

Czasami chcemy stworzyć wykres słupkowy, który wizualizuje ilości zmiennych kategorycznych w podziale na podgrupy.

Na przykład możemy chcieć wizualizować całkowitą sprzedaż popcornu i napojów gazowanych na trzech różnych stadionach sportowych. W tym samouczku przedstawiono krok po kroku przykład tworzenia następującego wykresu słupkowego z wieloma zmiennymi:

Krok 1: Utwórz dane

Najpierw utwórzmy ramkę danych do przechowywania naszych danych:

 #createdata
df <- data.frame(stadium= rep (c(' A ', ' B ', ' C '), each =4),
                 food= rep (c(' popcorn ', ' soda '), times =6),
                 sales=c(4, 5, 6, 8, 9, 12, 7, 9, 9, 11, 14, 13))

#viewdata
df

   stadium food sales
1 A popcorn 4
2 A soda 5
3 A popcorn 6
4 A soda 8
5 B popcorn 9
6 B soda 12
7 B popcorn 7
8 B soda 9
9 C popcorn 9
10 C soda 11
11 C popcorn 14
12 C soda 13

Krok 2: Utwórz wykres słupkowy z wieloma zmiennymi

Poniższy kod pokazuje, jak utworzyć wykres słupkowy z wieloma zmiennymi przy użyciu funkcji geom_bar() do tworzenia słupków i argumentu „unikaj” , aby określić, że słupki w każdej grupie powinny „unikać” i być wyświetlane obok siebie.

 ggplot(df, aes (fill=food, y=sales, x=stadium)) +
  geom_bar(position=' dodge ', stat=' identity ')

Różne etapy – A, B i C – są wyświetlane wzdłuż osi X, a odpowiadająca im sprzedaż popcornu i napojów gazowanych (w tysiącach) jest wyświetlana wzdłuż osi Y.

Krok 3: Zmień estetykę Barplotu

Poniższy kod pokazuje, jak dodać tytuł, zmienić etykiety osi i dostosować kolory na wykresie słupkowym:

 ggplot(df, aes (fill=food, y=sales, x=stadium)) +
  geom_bar(position=' dodge ', stat=' identity ') +
  ggtitle(' Sales by Stadium ') +
  xlab(' Stadium ') +
  ylab(' Sales (in thousands) ') +
  scale_fill_manual(' Product ', values=c(' coral2 ',' steelblue ')) 

Dodatkowe zasoby

Jak zmienić tytuł legendy w ggplot2
Jak zmienić rozmiar legendy w ggplot2
Kompletny przewodnik po najlepszych motywach ggplot2