Графики было-стало - обобщённый вид графика, в котором есть данные в какой-то начальной точке и данные в конечной точке. Такой тип графика часто используется для межстрановых сопоставлений.
Прежде всего, загрузим библиотеки, шрифты, сделаем необходимые предустановки.
library(tidyverse)
library(showtext)
library(sysfonts)
library(ggtext)
library(httr)
library(ggbump) # В этой библиотеке есть геометрия geom_sigmoid, которую мы будем использовать во втором примере
showtext_auto()
options(scipen=999) # убираем научный (дефолтный) формат цифр
Установим шрифты. У вас они наверняка уже скачаны, если нет, данный код сам скачает и установит шрифт.
GET('https://github.com/ETymch/Econometrics_2023/raw/main/Plotting/HSESans-Regular.otf', write_disk('HSESans-Regular.otf', overwrite = T))
GET('https://github.com/ETymch/Econometrics_2023/raw/main/Plotting/HSESans-Bold.otf', write_disk('HSESans-Bold.otf', overwrite = T))
GET('https://github.com/ETymch/Econometrics_2023/raw/main/Plotting/HSESans-Italic.otf', write_disk('HSESans-Italic.otf', overwrite = T))
GET('https://github.com/ETymch/Econometrics_2023/raw/main/Plotting/HSESans-SemiBold.otf', write_disk('HSESans-SemiBlod.otf', overwrite = T))
font_add(family = 'HSE Sans',
regular = "HSESans-Regular.otf",
bold = 'HSESans-Bold.otf',
italic = 'HSESans-Italic.otf',
bolditalic = 'HSESans-SemiBlod.otf'
)
Первый тип графика - Точки-линии.
Для этого типа графиков мы используем датасет по экспорту услуг в Россию (по стране экспортёру) в 2021 и 2022 гг.
GET('https://github.com/ETymch/Econometrics_2023/raw/main/Datasets/services_plotting_data.xlsx', write_disk('services_plotting_data.xlsx', overwrite = T))
data <- readxl::read_excel('services_plotting_data.xlsx')
Посмотрим на табличку:
data %>% head
## # A tibble: 6 × 7
## Страна Экспорт в Россию 202…¹ Экспорт в Россию 202…² `Экспорт всего 2021`
## <chr> <dbl> <dbl> <dbl>
## 1 Австрия 0.495 0.308 69.9
## 2 Бельгия 0.352 0.257 138.
## 3 Болгария 0.0191 0.0179 10.9
## 4 Великобрит… 2.68 1.49 455.
## 5 Германия 2.73 1.84 388.
## 6 Дания 0.0312 0.0201 95.5
## # ℹ abbreviated names: ¹`Экспорт в Россию 2021`, ²`Экспорт в Россию 2022`
## # ℹ 3 more variables: `Экспорт всего 2022` <dbl>,
## # `Доля экспорта в Россию 2021` <dbl>, `Доля экспорта в Россию 2022` <dbl>
Аккуратный график, который фокусирует внимание на том, насколько сильным было снижение импорта Россией услуг из недружественных стран. Данные из платёжного баланса + оценки за 2022 г.
data %>%
arrange(`Экспорт в Россию 2021`) %>%
mutate(Страна = factor(Страна, unique(Страна))) %>%
ggplot() +
geom_segment(aes(x=Страна, xend=Страна, y=`Экспорт в Россию 2021`, yend=`Экспорт в Россию 2022`), color=rgb(0.7,0.2,0.1,0.5), size = 1.4, alpha = 0.4) +
geom_point( aes(x = Страна, y=`Экспорт в Россию 2021`), color='#054949', size=3, alpha = 0.5) +
geom_point( aes(x = Страна, y=`Экспорт в Россию 2022`), color='#E57F6E', size=3, alpha = 0.5) +
coord_flip() +
theme_minimal(base_family = 'HSE Sans') +
theme(
panel.grid.minor.x = element_blank(),
panel.grid.minor.y = element_blank(),
panel.grid.major.y = element_blank(),
plot.caption = element_text(face = 'italic', size = 7),
axis.title.x = element_text(size = 8)
) +
xlab("") +
ylab("Экспорт услуг в Россию, млрд долл.") +
labs(caption = "Зелёные точки - 2021 г., красные точки - 2022 г.")
Второй тип графика - распределение по местам
В названии всё сказано. Такой тип графика больше фокусирует внимание не на изменении какого-то показателя, а на изменении ранга (места), которое занимает какая-то страна, спортсмен и пр. в списке (хотя изменение самого показателя тоже отражено на графике). В общем, выбор типа графика больше зависит от того, какую идею вы хотите донести. В данном случае я хочу показать, что в 2022 г. список основных партнёров по транзиту для России изменился.
Загрузим и преобразуем данные:
data <- read.csv('https://raw.githubusercontent.com/ETymch/Econometrics_2023/main/Datasets/country_data_transit.csv') %>%
mutate(rank_2021 = rank(total_2021, ties.method = "random"), # В исходной табличке, само собой нет данных о месте занимаемом той или иной страной в списке партнёров. Создадим соответствующий столбец
rank_2022 = rank(total_2022, ties.method = "random"),
start_2021 = -40, # Последние 4 столбца мы создаём для геометрии сегмент. У этой геометрии должны быть начальные и конечные точки.
start_2022 = 40,
end_2021 = start_2021 - total_2021 / 18000, # Пока просто запустите, позже станет понятнее, зачем оно надо
end_2022 = start_2022 + total_2022 / 18000
)
Посмотрим на табличку:
data %>% head()
## X country total_2021 total_2022 country_ru rank_2021
## 1 1 Estonia 61342.85 54855.41 Эстония 1
## 2 2 Singapore 74495.00 67059.22 Сингапур 2
## 3 3 Finland 84349.03 74250.44 Финляндия 3
## 4 4 Lithuania 87626.70 78205.74 Литва 4
## 5 5 Korea, Republic of 121837.44 85724.99 Республика Корея 5
## 6 6 United Arab Emirates 133031.57 94845.46 ОАЭ 6
## rank_2022 start_2021 start_2022 end_2021 end_2022
## 1 1 -40 40 -43.40794 43.04752
## 2 2 -40 40 -44.13861 43.72551
## 3 3 -40 40 -44.68606 44.12502
## 4 4 -40 40 -44.86815 44.34476
## 5 5 -40 40 -46.76875 44.76250
## 6 6 -40 40 -47.39064 45.26919
ВАЖНО! Дальше будет большая сложная последовательность наложения слоёв. Чтобы не запутаться, запускайте их последовательно, по одной. Например, сначала я рисую соединительные линии на разных концах графика.
data %>%
ggplot() +
geom_sigmoid(aes(x = -25, xend = 25, # горизонтальные координаты конца и начала можно задавать вручную. Я выбрал удобный вариант -25,25
y = rank_2021, yend = rank_2022, # Вертикальное положение концов сигмоида - ранг, который мы создавали дополнительно в табличке
group = country_ru,
color = rank_2022,
color = after_scale(colorspace::lighten(color, .4))),
alpha = .45, smooth = 8, size = 1.2)
Добавляйте слои по одному, смотрите, что получается, играйте с параметрами. Итоговый график:
data %>%
ggplot() +
geom_sigmoid( # Сигмоид
aes(x = -25, xend = 25, # горизонтальные координаты конца и начала можно задавать вручную. Я выбрал удобный вариант -25,25
y = rank_2021, yend = rank_2022, # Вертикальное положение концов сигмоида - ранг, который мы создавали дополнительно в табличке
group = country_ru,
color = rank_2022,
color = after_scale(colorspace::lighten(color, .4))),
alpha = .45, smooth = 8, size = 1.2
) +
geom_point( # Точки-палочки слева. Так красивее
aes(x = -25, y = rank_2021,
color = rank_2021,
color = after_scale(colorspace::desaturate(colorspace::lighten(color, .2), .2))),
size = 4,
shape = "|"
) +
geom_point( #Точки-палочки справа
aes(x = 25, y = rank_2022,
color = rank_2022,
color = after_scale(colorspace::desaturate(colorspace::lighten(color, .2), .2))),
size = 4,
shape = "|"
) +
geom_segment( # Линии
## make bars a bit shorter because of rounded lineends
aes(x = start_2021 - 2.5, xend = end_2021 + 1.1,
y = rank_2021, yend = rank_2021,
color = rank_2021,
color = after_scale(colorspace::lighten(color, .2))),
size = 4,
lineend = "round"
) +
geom_segment( # Линии
aes(x = start_2022 + 3, xend = end_2022 - 1.1,
y = rank_2022, yend = rank_2022,
color = rank_2022,
color = after_scale(colorspace::lighten(color, .2))),
size = 4,
lineend = "round"
) +
## label costs
geom_richtext( # подпись результатов слева
aes(x = -25, y = rank_2021,
label = (total_2021 / 1000) %>% round(0)), # цифры я округлил
hjust = 1,
color = "grey50",
size = 3.5,
family = "HSE Sans",
fill = NA,
label.color = NA
) +
geom_richtext( # Подпись результатов справа
aes(x = 41, y = rank_2022,
label = (total_2022 / 1000) %>% round(0)),
hjust = 1,
color = "grey50",
size = 3.5,
family = "HSE Sans",
fill = NA,
label.color = NA
) +
geom_richtext( # подпись страны слева
aes(x = end_2021, y = rank_2021,
label = country_ru),
hjust = 1,
color = "grey35",
size = 3.5,
family = "HSE Sans",
nudge_x = -2,
fill = NA,
label.color = NA
) +
geom_text( # Подпись страны справа
aes(x = end_2022 + 2, y = rank_2022,
label = country_ru),
hjust = 0,
color = "grey35",
size = 3.5,
family = "HSE Sans",
nudge_x = 2.5
) +
xlim(-100,90) +
coord_cartesian(clip = "off") + # Всегда используйте
scico::scale_color_scico(palette = "lapaz", direction = -1) + # одна из возможных палитр, советую библиотеку scico
labs(title = 'Россия: экспорт услуг по транспортировке грузов',
subtitle = '2021 - 2022',
caption = 'млн долл.') + # подписи осей
theme_void() + # тема без осей и пр.
theme(legend.position = "none", # легенда тут не нужна
plot.margin = margin(25, 35, 15, 35), # рамка вокруг графика
plot.background = element_rect(fill = "white", color = 'white'), # белый фон
plot.title = element_markdown(color = "grey35", size = 14, hjust = 0.5, # Заголовок - markdown. Можете изменить цвета внутри заголовка, если хотите
family = "HSE Sans", face = "bold", # тип текста заголовка - жирный
lineheight = 1.2),
plot.subtitle = element_markdown(color = "grey50", size = 12, hjust = 0.525, # подзаголовок
lineheight = 1.2, family = 'HSE Sans'),
plot.caption = element_text(color = "grey35", size = 10, family = 'HSE Sans', face = 'italic')) # тип текста подписи внизу - наклонный
В общем, разновидностей графиков было-стало полным-полно, я показал лишь пару частных случаев. Стройте графики исходя из основной мысли, которую вы хотите донести до читателя, придумывайте свои графики на основе созданного другими. У R и ggplot2 замечательное сообщество, которое постоянно придумывает что-то новое.