ggplot重绘天猫双十一销售额 R语言实现ggplot重绘天猫双十一销售额曲线图过程
Kanny广小隶 人气:0前一段时间，很多人被这张图刷屏了：
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！
小作业
最后，感兴趣的童鞋不妨将我们图中的二次拟合曲线替换成三次函数拟合，或者两者均添加，然后修改一下透明度，使得两条线都能看见一部分。
加载全部内容