常见问题 1、数据的分组 可以用 堆叠式 或 分离式 实现 堆叠式：position=”stack” 或 position=position_stack() 分离式：position=”dodge” 或 position=position_dodge() 2、条形的宽度，分组之间的举例
举例一：(简单的数据分组应用）
dat1 <- data.frame( sex = factor(c("Female","Female","Male","Male")), time = factor(c("Lunch","Dinner","Lunch","Dinner"), levels=c("Lunch","Dinner")), total_bill = c(13.53, 16.81, 16.24, 17.42) ) #分离式 p <- ggplot(data=dat1, aes(x=time, y=total_bill, fill=sex)) + geom_bar(stat="identity", position=position_dodge()) p #如果改成堆叠式 p <- ggplot(data=dat1, aes(x=time, y=total_bill, fill=sex)) + geom_bar(stat="identity", position=position_stack()) p举例二：（稍复杂的分组）
a<-data.frame(x=c("total","a","male","female","b","low education", "mid education","high education","c","working","not working"), y=c(80,0,30,50,0,20,40,20,0,65,35)) #现在的需求是 #group1:male+female group2:low education+mid education+ high education #group3:working+not working group4:total a$rel = c("a", "a", "a", "b", "b", "b", "c", "c") # 处理，即设置分组 #涉及的参数后面会提到 ggplot(a, aes(rel, y, fill = factor(x))) + geom_bar(stat = "identity", width = 0.5, position = position_dodge(0.7))举例三：（间隔、宽度设置）
width即为单个条形的宽度，默认为1, dodge控制他们之间的间隔
此图：width=0.5 position_dodge(0.5)
此图：width=0.5 position_dodge(0.7)
此图：width=0.5 position_dodge(1)
完整举例：
#下载readxl包：此包作用：能从excel中读取数据 install.packages(“readxl”) #使用这个包 library(readxl) #从excel中读取数据 dataset<-read_excel(path=”文件路径/文件名”,range=”选取数据的矩形区域”) #解析 #在读取excel原数据之前，对原数据做了点修改，将第一列命名为了Type #path参数表示文件的相对或绝对路径 #相对路径可通过调用getwd()看到当前的工作目录 #range参数可以选择需要的矩形区域，例如，这儿是”A3:L16” #查看读取到的数据的基本信息 str(dataset) #解析 #通过此函数可以看到各个列的数据类型是否如预期 #如果数据类型非预期的话则手动调整 例如调用as.xx()函数 #改变dataset的结构 #解析 dataset的原始数据格式类似这样： Type Fe Cu Al a 28 5 （无数据的意思） b 20 0 6 但若想做出叠加图的那种效果，需要使现在的多维变量降维！ 只有降低维度，才能达到x-y的对应效果，这样才能让计算机作图 需要达到的数据格式如下： Type variable value a Fe 28 a Cu 5 a Al b Fe 20 b Cu 0 b Al 6 #首先下载相关可以给“数据整形”的包：reshape2 install.packages(“reshape2”) #使用这个包 library(“reshape2”) #使用这个包里的“整形”函数 dat.m<-melt(dataset,id.vars=”Type”) #解析 #第一个参数的意思是源数据集，此处即我们从excel中读取的数据 #id.vars参数的意思是，我们标志变量的名字是哪一个，因为只有给定了标志变量， #才能以该变量为基准进行变形 #查看整形后的数据 head(dat.m) #解析 head()函数表示显示数据集里的前6条数据 #查看整形后的数据结构 str(dat.m) #注意，发现结构不对后应进行调整 #调整结构,将dat.m中的value列变为数字类型 dat.m$value<-as.numeric(dat.m$value) #解析 #因为从str(dat.m)我们可以看到，value列变成了ch即字符串类型，显然是不对的 #注意 #还可以显示的将数据为空的行去掉 bar.m<-na.omit(bar.m) #开始做图形对象 p<-ggplot(data=dat.m,aes(x=Type,y=value,fill=variable)) #解析 #fill参数表明用的填充是什么 #这个例子中是Fe,Cu,Al...等，相当于一共有这些分类，因此填充的颜色数目就是这些分类#数目 #在之前的图形对象上加上图层 bar<-p+geom_bar(stat=”identity”) #解析 #stat参数表明用的统计类型是什么 #默认的统计雷星是count，即自动的根据图形对象中的x参数将数据分类，每个分类下的数量#作为纵坐标（也就是条形图的高度） #这儿使用identity参数表明根据变量自身的“值”来确定y坐标 #查看现在图形的样子 bar #可以发现，x坐标的label相隔太近了，因此需要做调整，变为垂直 bar<-bar+theme(axis.text.x=element_text(angle=90,hjust=1)) #解析 #axis.text.x=element_text()是固定的参数调用形式 #在里面写上需要的参数 #angle表示旋转90度，hjust表明对齐方式，0：左对齐，0.5居中对齐，1：右对齐 #查看现在图形 bar #改变图例的标题 bar<-bar+scale_fill_discrete(name=”element”) #查看现在图形 bar #使图形水平放置 bar<-bar+coord_flip() #查看现在图形 bar