[数据分析与可视化] 数据绘图要点11-雷达图的注意事项

准确通过雷达图表现数据有许多值得需要思考的地方，本文主要介绍雷达图的一些注意事项。

• 数据绘图要点11-雷达图的注意事项

• 雷达图绘制

• 基础雷达图
• 多类别雷达图

• 雷达图存在的问题与解决方案

• 雷达图存在的问题
• 解决方案

• 参考

雷达图又称蜘蛛图或网络图，是一种二维图表类型，设计用于绘制多个定量变量的一个或多个数值系列。每个变量都有自己的轴，所有轴都连接在图形的中心。让我们考虑一个学生的考试成绩。他在数学、体育、统计学等十个主题上的得分范围为 0 到 20。雷达图为每个主题提供一个轴。通过该形状，您可以查看学生在哪些主题上表现出色或表现不佳。

# 加载库 library(tidyverse) library(viridis) library(patchwork) library(hrbrthemes) library(fmsb) library(colormap) # 创建数据 #设计随机种子 set.seed(42) # 设计数据 data <- as.data.frame(matrix( sample( 2:20 , 10 , replace=T) , ncol=10)) # 添加列名 colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding", "data-viz" , "french" , "physic", "statistic", "sport" ) # 在数据中添加每一列的最大范围和最小范围 data <- rbind(rep(20,10) , rep(0,10) , data) data

A data.frame: 3 × 10

# 创建雷达图 par(mar=c(0,0,0,0)) radarchart( data, axistype=1, # 自定义雷达图四边形 # pcol设置四边形边框颜色，pfcol设置四边形填充颜色，plwd设置边框粗细 pcol=rgb(0.9,0.6,0.5,0.9) , pfcol=rgb(0.2,0.5,0.5,0.5) , plwd=4, # 自定义网格 # cglcol设置网格线条颜色，cglty设置网格线条类型，axislabcol设置轴标签字体颜色 # caxislabels设置轴的范围，cglwd设置网格线条粗细 cglcol="black", cglty=2, axislabcol="blue", caxislabels=seq(0,20,5), cglwd=0.8, # vlcex设置类别标签位置大小 vlcex=1.2 )

在上一个图表中，只绘制了一个系列，显示了一名学生的表现。一个常见的任务是比较几个人。只需几个系列，就可以在同一图表上显示每个组。如下图所示，很明显，Shirley综合表现优于Sonia，除了在运动、英语和 R 编码方面。

# 创建数据 set.seed(1) data <-as.data.frame(matrix( c( sample( 2:20 , 10 , replace=T), sample( 2:9 , 10 , replace=T)) , ncol=10, byrow=TRUE)) colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding", "data-viz" , "french" , "physic", "statistic", "sport" ) # 设置第二行第二列数据为19 data[2,2]=19 # 在数据中添加每一列的最大范围和最小范围 data <- rbind(rep(20,10) , rep(0,10) , data) data

A data.frame: 4 × 10

# 设置颜色 colors_border=c( rgb(0.2,0.5,0.5,0.9), rgb(0.8,0.2,0.5,0.9) ) colors_in=c( rgb(0.2,0.5,0.5,0.4), rgb(0.8,0.2,0.5,0.4) ) # 创建雷达图 radarchart( data, axistype=1, # 自定义四边形 pcol=colors_border , pfcol=colors_in , plwd=4, plty=1 , # 自定义网格 cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,20,5), cglwd=1.1, # 自定义标签 vlcex=0.8 ) # 设置图例 # bty设置图例文字外边框样式，pch设置图例图标样式，col设置图例图标颜色 # text.col设置图例文字颜色，cex设置图例文字大小，pt.cex设置图例图标大小 legend(x=0.85, y=1, legend = c("Shirley", "Sonia"), bty = "n", pch=20 , col=colors_border , text.col = "black", cex=0.9, pt.cex=1.6)

对于两个或三个以上的系列，使用多子图是一个很好的做法，以避免出现杂乱的数字。每个学生都有自己的雷达图。很容易理解特定个体的特征，寻找形状的相似性可以让您找到具有相似特征的学生。

# 创建数据 set.seed(1) data <-as.data.frame(matrix( sample( 2:20 , 60 , replace=T) , ncol=10, byrow=TRUE)) colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding", "data-viz" , "french" , "physic", "statistic", "sport" ) # 在数据中添加每一列的最大范围和最小范围 data <- rbind(rep(20,10) , rep(0,10) , data) data

A data.frame: 8 × 10

# 设置颜色 colors_border=colormap(colormap=colormaps$viridis, nshades=6, alpha=1) colors_in=colormap(colormap=colormaps$viridis, nshades=6, alpha=0.3) # 设置标题 mytitle <- c("Max", "George", "Xue", "Tom", "Alice", "bob") # 设置子图 par(mar=rep(0.8,4)) par(mfrow=c(2,3)) # 依次绘图 for(i in 1:6){ radarchart( data[c(1,2,i 2),], axistype=1, pcol=colors_border[i] , pfcol=colors_in[i] , plwd=4, plty=1 , cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,20,5), cglwd=0.8, vlcex=0.8, title=mytitle[i] ) }

1 圆形布局表示更难阅读

沿着单个垂直或水平轴布局时，定量值更容易比较。这是对圆形布局的普遍指责。下图仅考虑一名学生的数据。比较条形图中的值更容易，也更准确。

# 创建数据 set.seed(1) data <-as.data.frame(matrix( sample( 2:20 , 10 , replace=T) , ncol=10)) colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding", "data-viz" , "french" , "physic", "statistic", "sport" ) # 在数据中添加每一列的最大范围和最小范围 data <-rbind(rep(20,10) , rep(0,10) , data) data

A data.frame: 3 × 10

# 创建雷达图 par(mar=c(0,0,0,0)) p1 <- radarchart( data, axistype=1, pcol=rgb(0.2,0.5,0.5,0.9) , pfcol=rgb(0.2,0.5,0.5,0.5) , plwd=4 , cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,20,5), cglwd=0.8,vlcex=1.3 )

# 创建条形图 data %>% slice(3) %>% t() %>% as.data.frame() %>% add_rownames() %>% arrange(V1) %>% mutate(rowname=factor(rowname, rowname)) %>% ggplot( aes(x=rowname, y=V1)) geom_segment( aes(x=rowname ,xend=rowname, y=0, yend=V1), color="grey") geom_point(size=5, color="#69b3a2") coord_flip() theme( panel.grid.minor.y = element_blank(), panel.grid.major.y = element_blank(), axis.text = element_text( size=32), legend.positinotallow="none" ) ylim(0,20) ylab("mark") xlab("")

2 不支持排名

在上面的例子中，棒棒糖图是有序的。它使您可以立即查看哪个主题的得分最高以及每个主题的排名。对于没有起点和终点的雷达图，这更加困难。

3 类别排序有巨大的影响

雷达图的读者可能会关注观察到的形状。这可能会产生误导，因为这种形状高度依赖于周围类别的顺序。查看使用相同数据制作的这些图表，以下三张图数据一样，但更改了类别排序。

# 创建数据 set.seed(7) data <- as.data.frame(matrix( sample( 2:20 , 10 , replace=T) , ncol=10)) colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding", "data-viz" , "french" , "physic", "statistic", "sport" ) data[1,1:3]=rep(19,3) data[1,6:8]=rep(4,3) data <- rbind(rep(20,10) , rep(0,10) , data) data

A data.frame: 3 × 10

# 改变排序创建其他数据 data2 <- data[,sample(1:10,10, replace=FALSE)] data2 data3 <- data[,sample(1:10,10, replace=FALSE)] data3

A data.frame: 3 × 10

A data.frame: 3 × 10

# 绘图 par(mar=c(0,0,0,0)) par(mfrow=c(3,1)) radarchart( data, axistype=1, pcol=rgb(0.2,0.5,0.5,0.9) , pfcol=rgb(0.2,0.5,0.5,0.5) , plwd=4 , cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,20,5), cglwd=0.8, vlcex=0.8 ) radarchart( data2, axistype=1, pcol=rgb(0.2,0.5,0.5,0.9) , pfcol=rgb(0.2,0.5,0.5,0.5) , plwd=4 , cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,20,5), cglwd=0.8, vlcex=0.8 ) radarchart( data3, axistype=1, pcol=rgb(0.2,0.5,0.5,0.9) , pfcol=rgb(0.2,0.5,0.5,0.5) , plwd=4 , cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,20,5), cglwd=0.8, vlcex=0.8 )

4 不确定的数值比例

雷达图显示几个定量变量的值，所有变量都表示在一个轴上。在前面的示例中，所有变量（范围从0 到 20的）共享相同的比例和相同的单位。但雷达图也可以显示完全不同的变量。在这种情况下，不要忘记为每个显示一个明显的比例：否则读者会期望相同的比例。

5 对差异的过度评估

雷达图中形状的面积也呈二次而非线性增加，这可能会导致观看者认为微小的变化比实际情况更重要。在下面的示例中，左边的学生在每个主题上的得分为 7，而右边的学生在每个主题上的得分为 14。但是，右图的面积是左图面积的两倍多。

# 创建数据 data <- as.data.frame(matrix( c(7,7,7,7,7) , ncol=5)) colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding") data <- rbind(rep(20,10) , rep(0,10) , data) data data2 <- data data2[3,] <- rep(14,5) data2

A data.frame: 3 × 5

A data.frame: 3 × 5

# 绘图 par(mar=rep(0,4)) par(mfrow=c(2,1)) radarchart( data, axistype=1, pcol=rgb(0.2,0.5,0.5,0.9) , pfcol=rgb(0.2,0.5,0.5,0.5) , plwd=4 , cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,20,5), cglwd=0.8, vlcex=0.8 ) radarchart( data2, axistype=1, pcol=rgb(0.2,0.5,0.5,0.9) , pfcol=rgb(0.2,0.5,0.5,0.5) , plwd=4 , cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,20,5), cglwd=0.8, vlcex=0.8 )

如果您要显示单个系列并且所有定量变量都具有相同的比例，则使用条形图或棒棒糖图，对变量进行排名：

# 创建数据 set.seed(1) data <-as.data.frame(matrix( sample( 2:20 , 10 , replace=T) , ncol=10)) colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding", "data-viz" , "french" , "physic", "statistic", "sport" ) data <-rbind(rep(20,10) , rep(0,10) , data) # 绘制条形图 data %>% slice(3) %>% t() %>% as.data.frame() %>% add_rownames() %>% arrange(V1) %>% mutate(rowname=factor(rowname, rowname)) %>% ggplot( aes(x=rowname, y=V1)) geom_segment( aes(x=rowname ,xend=rowname, y=0, yend=V1), color="grey") geom_point(size=5, color="#69b3a2") coord_flip() theme( panel.grid.minor.y = element_blank(), panel.grid.major.y = element_blank(), axis.text = element_text( size=32 ), legend.positinotallow="none" ) ylim(0,20) ylab("mark") xlab("")

如果您有两个系列要绘制，您仍然可以使用条形图和棒棒糖图。这是一个有2个系列的例子。它侧重于第一个学生（深色），并让您可以看到另一个学生（浅色）的表现如何。

# 创建数据 set.seed(1) data <-as.data.frame(matrix( sample( 2:20 , 20 , replace=T) , ncol=10)) colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding", "data-viz" , "french" , "physic", "statistic", "sport" ) data <-rbind(rep(20,10) , rep(0,10) , data) # 绘图 data %>% slice(c(3,4)) %>% t() %>% as.data.frame() %>% add_rownames() %>% arrange(V1) %>% mutate(rowname=factor(rowname, rowname)) %>% ggplot( aes(x=rowname, y=V1)) # 绘制线条 geom_segment( aes(x=rowname ,xend=rowname, y=V2, yend=V1), color="grey") geom_point(size=5, color="#69b3a2") # 设置透明度 geom_point(aes(y=V2), size=5, color="#69b3a2", alpha=0.5) coord_flip() theme( panel.grid.minor.y = element_blank(), panel.grid.major.y = element_blank(), axis.text = element_text( size=32 ) ) ylim(0,20) ylab("mark") xlab("")

如果你有超过2个系列要绘制，使用条形图或棒棒糖图的分面也许可以解决问题：

# 创建数据 set.seed(1) data <-as.data.frame(matrix( sample( 2:20 , 40 , replace=T) , ncol=10)) colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding", "data-viz" , "french" , "physic", "statistic", "sport" ) data <-rbind(rep(20,10) , rep(0,10) , data) rownames(data) <- c("-", "--", "John", "Angli", "Baptiste", "Alfred") # 绘图数据 data <- data %>% slice(c(3:6)) %>% t() %>% as.data.frame() %>% add_rownames() %>% arrange() %>% mutate(rowname=factor(rowname, rowname)) %>% gather(key=name, value=mark, -1) # 编制数据 data$name <- recode(data$name, V1 = "John", V2 = "Angli", V3 = "Baptiste", V4 = "Alfred") # 绘图 data %>% ggplot( aes(x=rowname, y=mark)) geom_bar(stat="identity", fill="#69b3a2", width=0.6) coord_flip() theme( panel.grid.minor.y = element_blank(), panel.grid.major.y = element_blank(), axis.text = element_text( size=16 ) ) ylim(0,20) ylab("mark") xlab("") facet_wrap(~name, ncol=4)

如果您有很多系列要绘制，或者您的变量没有相同的比例，那么最好的选择可能是切换到平行坐标图。

library(GGally) # 导入iris数据 data <- iris # 绘图 data %>% ggparcoord( columns = 1:4, groupColumn = 5, order = "anyClass", showPoints = TRUE, title = "Parallel Coordinate Plot for the Iris Data", alphaLines = 0.3 ) scale_color_viridis(discrete=TRUE)

• ​THE RADAR CHART AND ITS CAVEATS​​