R语言实现ggplot重绘天猫双十一销售额曲线图过程

146 阅读 0 评论 97 点赞

我是靠谱客的博主曾经乌冬面，最近开发中收集的这篇文章主要介绍R语言实现ggplot重绘天猫双十一销售额曲线图过程，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

这张图的来源是一篇名为 “淘宝2009-2018年历年双11销售额数据造假” 的文章。图中散点为天猫双十一销售额数据，曲线为原作者拟合的回归线。乍一看散点完美地分布在曲线上，原作者便直接声称：“淘宝双十一销售额数据造假！不可能有这么完美的拟合！” 可事实真的是这样吗？

作为一个热爱画画的博主，我们先不来考虑这个问题，直接来试着在 R 中绘制出上图，一个更好看版本的上图。

Let's start

温馨小提示：在这篇博客中，你可以学会下述 ggplot 的绘图小技巧：

如何在图像中拟合二次曲线；

如何在图像中添加文本或自适应地添加文本；

如何删除一些不必要的背景线；

还有一些常规操作：换主题、改刻度、改颜色等等… …

偷偷放个最终成果：

输入数据

首先我们查到具体每一年的天猫销售额数据，然后在 R 中构建 data frame.

year <- 2009:2019
sales <- c(0.5, 9.36, 52, 191, 350, 571, 912, 1207, 1682, 2135, 2684)
dat_sales <- data.frame(year = year, sales = sales)

由于我们想重点凸显出 2019 年的具体表现，所以我们还需要添加一列 index 表示是否为 2019 年（非 2019 年为 1， 2019 年为 2）：

dat_sales$ind <- factor(c(rep(x = 1, 10), 2))

数据框长着如下这样：

   year   sales ind
1  2009    0.50   1
2  2010    9.36   1
3  2011   52.00   1
4  2012  191.00   1
5  2013  350.00   1
6  2014  571.00   1
7  2015  912.00   1
8  2016 1207.00   1
9  2017 1682.00   1
10 2018 2135.00   1
11 2019 2684.00   2

好啦，有了上述数据框，我们就可以开始进行 ggplot 的绘图了！

粗略绘图

首先我们就用默认参数画出散点变化趋势，同时 2019 年标注出不一样的颜色：

library(ggplot2)
ggplot(dat = dat_sales) +
  geom_point(aes(x = year, y = sales, col = ind))

但是这样的绘图有很多问题：缺少标题，坐标轴的标题改中文，x 轴的显示不是离散的年份，散点过小，图例问题等等问题，我们先一步一步来进行完善。

完善散点图

ggplot(dat = dat_sales) +
  geom_point(aes(x = year, y = sales, col = ind), size = 4) +
  scale_x_continuous(breaks = 2009:2019, labels = 2009:2019) +
  labs(title = "2009 - 2019 年销售额", x = "年份", y = "销售额 (亿元)") +
  theme(legend.position = "none",
        plot.title = element_text(hjust = 0.5))

其中，size = 4, 表示将散点进行放大，具体的尺寸可以自己进行设置; breaks = 2009:2019 表示原本数据集中在 x 轴上对应的值; labels = 2009:2019 表示映射到图像上 x 轴的值; legend.position = "none"表示取消 legend 显示。

强调：这里为了显示年份，其实可以采用将年份转换成 factor 型的方法，但由于我们还需要使用年份数据进行曲线拟合，若转化成 factor 会使得曲线拟合失败，因此我们采用稍微复杂一些的修改 x 轴刻度的方法。

添加拟合曲线

下面我们就开始添加二次函数拟合曲线：

ggplot(dat = dat_sales) +
  geom_point(aes(x = year, y = sales, col = ind), size = 4) +
  geom_smooth(aes(x = year, y = sales), se = FALSE, method = "lm", formula = y ~ x + I(x^2), size = 2) +
  scale_x_continuous(breaks = 2009:2019, labels = 2009:2019) +
  labs(title = "2009 - 2019 年销售额", x = "年份", y = "销售额 (亿元)") +
  theme(legend.position = "none",
        plot.title = element_text(hjust = 0.5))

在 ggplot 中通常都是使用 geom_smooth 来进行曲线或者直线的拟合，对于线性、二次、三次函数，我们都是使用 method = "lm"; se = FALSE 表示不显示置信区间; formula = y ~ x + I(x^2) 表示使用二次函数进行拟合; 最后的 size = 2 表示调整线的粗细。

在散点上添加销售额

可以发现，这样的曲线只能看出趋势，但是却看不出每年的具体销售额，所以接下来我们尝试在图像的每个散点加上具体的销售额：

# library(ggrepel)
ggplot(dat = dat_sales) +
  geom_point(aes(x = year, y = sales, col = ind), size = 4) +
  geom_smooth(aes(x = year, y = sales), se = FALSE, method = "lm", formula = y ~ x + I(x^2), size = 2) +
  geom_text(aes(x = year, y = sales, label = sales), hjust = 0.5, vjust = -1) +
  # geom_text_repel(aes(x = year, y = sales, label = sales)) +
  ylim(0, 3000) +
  scale_x_continuous(breaks = 2009:2019, labels = 2009:2019) +
  labs(title = "2009 - 2019 年销售额", x = "年份", y = "销售额 (亿元)") +
  theme(legend.position = "none",
        plot.title = element_text(hjust = 0.5))

当我们需要在绘图中添加文本时，通常可以使用 geom_text 函数，然后 aes(label = ) 中设定需要显示的变量名称，最后的 hjust = 0.5, vjust = -1 表示调整显示的相对位置，前者表示水平位置，后者表示垂直位置，这个根据绘图的不同需要自己进行手动调整。

同时，2019 年的销售额较高，如果不调整 y 轴的显示范围，最上面显示的销售额 2684 会被遮挡，所以我们添加了 ylim(0, 3000)。

另外，细心的童鞋一定发现了，我们在代码中添加了两行注释，注释的内容同样是添加文本的语句: geom_text_repel(aes(x = year, y = sales, label = sales))，这个语句可以自适应地调整每个文本显示内容，使文本不会挡住我们的散点和曲线，这个函数在包 ggrepel 中。这里之所以是因为这个方式大多用于图像中散点比较多，比较乱的情况，如果在此幅图中使用，会使得销售额的文本显示略显混乱。

删除不必要的背景线

再细心一些的童鞋可能观察到了，背景的网格图，在 x 轴每两个年份之间都有一根垂直线，这个垂直线是毫无意义的。这时我们不禁要问，是否有方法能够将这根线消去呢？

答案是肯定的：

ggplot(dat = dat_sales) +
  geom_point(aes(x = year, y = sales, col = ind), size = 4) +
  geom_smooth(aes(x = year, y = sales), se = FALSE, method = "lm", formula = y ~ x + I(x^2), size = 2) +
  geom_text(aes(x = year, y = sales, label = sales), hjust = 0.5, vjust = -1) +
  ylim(0, 3000) +
  scale_x_continuous(breaks = 2009:2019, labels = 2009:2019) +
  labs(title = "2009 - 2019 年销售额", x = "年份", y = "销售额 (亿元)") +
  theme(panel.grid.minor = element_blank(),
        legend.position = "none",
        plot.title = element_text(hjust = 0.5))

修改起来其实也不难，可以发现，每个年份对应的垂直线叫做 major，而年份没对应到的网格线叫做 minor，因此我们直接在 theme 中添加 panel.grid.minor = element_blank() 即可。

终极美化

到这里，我们的基本元素的拼凑已经告一段落了，但是整体图看起来依旧是不够美观，所以接下来我们再进行一些操作来美化绘图，最终代码与结果如下：

ggplot(dat = dat_sales, aes(x = year, y = sales)) +
  geom_smooth(se = FALSE, method = "lm", formula = y ~ x + I(x^2), size = 2, col = "#b3cde3") +
  geom_point(aes(col = ind), size = 4) +
  ylim(0, 3000) +
  geom_text(aes(label = sales), hjust = 0.5, vjust = -1) +
  scale_x_continuous(breaks = 2009:2019, labels = 2009:2019) +
  labs(title = "2009 - 2019 年销售额", x = "年份", y = "销售额 (亿元)") +
  theme_bw(base_family = "Times") +
  theme(legend.position = "none",
        panel.grid.minor = element_blank(),
        panel.border = element_blank(),
        plot.title = element_text(hjust = 0.5))

这里其实做了一些细节的调整，首先先绘制拟合曲线，再绘制散点，这样散点就会在曲线的上方，这样看起来会更加的美观。其次改变了拟合曲线的颜色：col = "#b3cde3"，改变了绘图的主题：theme_bw(base_family = "Times")，删除了丑丑的边框：panel.border = element_blank()。

至此，我们美美的绘图重构就完成了！