ggplot如何构造连环饼图

发布时间：2022-03-28 13:37:40 作者：iii
来源：亿速云阅读：194

# ggplot如何构造连环饼图

## 前言

在数据可视化领域，饼图（Pie Chart）是一种常见的展示比例关系的图表类型。而"连环饼图"（Nested Pie Chart或Donut Chart with Layers）则是在传统饼图基础上发展出的进阶形式，它通过多层环形结构展示数据的层级关系，适用于呈现具有父子结构的分类数据。

本文将详细介绍如何使用R语言中的ggplot2包构建连环饼图，涵盖数据准备、基础饼图绘制、环形图转换、多层嵌套实现以及高级美化的完整流程。文章包含以下核心内容：

1. 理解连环饼图的数据结构要求
2. 使用geom_col()+coord_polar()创建基础饼图
3. 通过调整参数转换为环形图（甜甜圈图）
4. 实现多层嵌套的连环饼图
5. 颜色、标签、图例等视觉元素的优化
6. 交互式连环饼图的实现方案

---

## 一、数据结构准备

连环饼图需要特定的数据组织形式。理想的数据结构应包含：
- 分类变量（至少两个层级）
- 数值变量（用于确定扇形角度）
- 层级标识变量

### 示例数据集构造

```r
library(tidyverse)

# 创建示例数据
set.seed(123)
hierarchical_data <- tibble(
  category_l1 = rep(c("A", "B", "C"), each = 4),
  category_l2 = paste0(rep(c("X", "Y", "Z", "W"), 3), 1:12),
  value = sample(10:50, 12, replace = TRUE)
) %>%
  group_by(category_l1) %>%
  mutate(prop_l1 = sum(value)) %>%
  ungroup() %>%
  mutate(prop_l2 = value)

该数据结构包含： - 一级分类（category_l1） - 二级分类（category_l2） - 原始数值（value） - 计算得到的一级比例（prop_l1） - 二级比例（prop_l2）

二、基础饼图绘制

ggplot2本身没有直接的geom_pie()函数，但可以通过geom_col()+coord_polar()组合实现：

basic_pie <- ggplot(hierarchical_data, aes(x = "", y = value, fill = category_l2)) +
  geom_col(width = 1) +
  coord_polar(theta = "y") +
  theme_void()

print(basic_pie)

关键参数说明：

x = ""：固定x轴为单一值
theta = "y"：指定使用y值作为角度基准
width = 1：确保条形宽度填满整个半径

三、环形图转换

将饼图转为环形图（甜甜圈图）的核心是调整x轴映射：

donut_plot <- ggplot(hierarchical_data, aes(x = 2, y = value, fill = category_l2)) +
  geom_col(width = 1) +
  coord_polar(theta = "y") +
  xlim(0.5, 2.5) +  # 关键调整：控制内径和外径
  theme_void()

print(donut_plot)

环形图特点：

xlim(0.5, 2.5)：0.5决定空心部分大小
中心空白区域可用于放置总览信息

四、多层连环饼图实现

构建多层连环饼图需要巧妙组合多个几何对象：

nested_pie <- ggplot() +
  # 第一层（外层）
  geom_col(
    data = hierarchical_data,
    aes(x = 1.8, y = prop_l1, fill = category_l1),
    width = 0.8
  ) +
  # 第二层（内层）
  geom_col(
    data = hierarchical_data,
    aes(x = 1.0, y = value, fill = category_l2),
    width = 0.4
  ) +
  coord_polar(theta = "y") +
  scale_fill_manual(
    values = c(
      RColorBrewer::brewer.pal(3, "Set1"),
      RColorBrewer::brewer.pal(12, "Paired")
    )
  ) +
  theme_void() +
  theme(legend.position = "right")

print(nested_pie)

关键技术点：

使用不同的x值控制各层位置
通过width参数调整环的宽度
精心设计颜色方案区分层级
注意数据聚合方式（外层使用prop_l1）

五、高级美化技巧

5.1 标签添加策略

nested_pie_with_labels <- nested_pie +
  # 外层标签
  geom_text(
    data = hierarchical_data %>%
      group_by(category_l1) %>%
      summarize(ypos = sum(value)/2),
    aes(x = 1.8, y = ypos, label = category_l1),
    size = 5, color = "white"
  ) +
  # 内层标签
  geom_text(
    data = hierarchical_data %>%
      mutate(ypos = cumsum(value) - value/2),
    aes(x = 1.0, y = ypos, label = category_l2),
    size = 3
  )

print(nested_pie_with_labels)

5.2 图例优化

nested_pie +
  guides(fill = guide_legend(
    title = "分类层级",
    ncol = 2,
    override.aes = list(size = 4)
  )) +
  theme(
    legend.title = element_text(face = "bold"),
    legend.text = element_text(size = 10)
  )

5.3 交互式实现

使用plotly增强交互性：

library(plotly)
ggplotly(nested_pie_with_labels, tooltip = c("fill", "y"))

六、实用案例演示

6.1 销售数据可视化

sales_data <- tibble(
  region = rep(c("North", "South", "East", "West"), each = 3),
  product = paste0(rep(c("Basic", "Pro", "Premium"), 4), "_", region),
  revenue = c(120, 180, 250, 90, 130, 200, 80, 110, 160, 150, 210, 300)
)

ggplot(sales_data) +
  geom_col(aes(x = 2, y = revenue, fill = region), width = 0.6) +
  geom_col(aes(x = 1, y = revenue, fill = product), width = 0.4) +
  coord_polar(theta = "y") +
  xlim(0.5, 2.5) +
  labs(title = "Regional Sales by Product Tier") +
  theme_void()

6.2 时间序列分解

time_data <- tibble(
  year = rep(2020:2022, each = 4),
  quarter = paste0("Q", rep(1:4, 3)),
  value = c(15, 22, 18, 25, 17, 24, 20, 28, 20, 30, 25, 35)
)

ggplot(time_data) +
  geom_col(aes(x = 2, y = value, fill = factor(year)), width = 0.7) +
  geom_col(aes(x = 1, y = value, fill = quarter), width = 0.5) +
  coord_polar(theta = "y") +
  scale_fill_viridis_d(option = "plasma") +
  xlim(0.5, 2.5)

七、常见问题解答

Q1：如何避免标签重叠？

A：可使用ggrepel包或手动调整标签位置：

library(ggrepel)
# 在geom_text中使用geom_text_repel替代

Q2：如何控制各层顺序？

A：确保数据中的因子水平正确设置：

data$category <- factor(data$category, levels = c("A", "B", "C"))

Q3：如何添加中心标题？

A：使用annotate：

+ annotate("text", x = 0, y = 0, label = "核心指标", size = 8)

结语

连环饼图作为一种信息密集型的可视化形式，在展现层级结构数据时具有独特优势。通过ggplot2的灵活组合，我们可以构建出既美观又富有洞察力的多层环形可视化。关键要把握：

清晰的数据层级结构
精准的几何对象定位
协调的颜色方案
适当的交互增强

随着ggplot2生态的不断发展（如ggforce等扩展包），连环饼图的实现方式还将继续丰富。建议读者在实践中多尝试不同参数组合，开发出更适合特定场景的可视化方案。 “`