前言
我们的可视化课程上线啦！目前课程的主要方向是 科研、统计、地理相关的学术性图形绘制方法，后续也会增加商务插图、机器学等、数据分析等方面的课程。
我们的可视化学习社群上线啦！可视化学习社区以我的书籍《科研论文配图绘制指南-基于Python/R语言》为基础进行拓展，提供课堂式教学视频，还有更多拓展内容，可视化技巧远超书籍本身，书籍修正和新增都会分享到圈子里面~~
参与课程或者圈子的你将获取到：学员答疑、可视化资源分享、可视化技巧补充、可视化业务代做(学员和甲方对接)、副业交流、提升认知等等。
今天这篇推文的主角就是-树形矩阵图(Treemap)。绘制树形图使用R或者Python都是可以绘制的，今天我们还是使用R进行绘制(Python绘制结果为交互式，后面统一介绍相应的库)。在R中有专门的包-treemapify包进行绘制。今天内容主要如下：
树形矩阵图(Treemap)简介 树形矩阵图(Treemap)R实例演示
树形矩阵图(Treemap)简介
在数据可视化分析中，在面对大量分层结构(树状结构) 的数据时，要想准确的使用图表去展示时，树形图(Treemap)就派上用场了。在树形图中，图表被分为若干个大小的矩形，矩形的大小和顺序取决于数据变量，而变量间则使用不同颜色表示。
绘制树形图的所需数据特点如下：
数据呈部分到整体的关系； 数据是分层结构的。
树形矩阵图(Treemap)R实例演示
R-treemapify包可以很好的绘制树形矩阵图(Treemap),其官网为：https://wilkox.org/treemapify/index.html，其主要提供
geom_treemap() geom_treemap_text() geom_treemap_subgroup_border() geom_treemap_subgroup_text()
等绘图函数进行树形矩阵图的元素的添加，由于是ggplot2的拓展包，较容易理解，小伙伴们可直接参看官网绘图函数例子即可。下面我们通过一个实例演示R-treemapify包是如何绘制树形矩阵图的。
「官网样例美化」:
ggplot(G20, aes(area = gdp_mil_usd, fill = as.factor(hdi), label = country,
subgroup = region)) +
geom_treemap() +
geom_treemap_subgroup_border() +
geom_treemap_subgroup_text(place = "centre", grow = T, alpha = 0.5, colour =
"black", fontface = "italic", min.size = 0) +
geom_treemap_text(colour = "white", place = "topleft", reflow = T) +
scale_fill_manual(values = lacroix_palette("Pamplemousse", n = 19, type = "continuous"),name="")+
labs(
title = "Example of <span style='color:#D20F26'>treemapify::geom_treemap function</span>",
subtitle = "processed charts with <span style='color:#1A73E8'>geom_treemap()</span>",
caption = "Visualization by <span style='color:#DD6449'>DataCharm</span>") +
hrbrthemes::theme_ipsum(base_family = "Roboto Condensed") +
theme(
plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",
size = 25, margin = margin(t = 1, b = 12)),
plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=18),
plot.caption = element_markdown(face = 'bold',size = 12),
panel.background = element_rect(fill="#a3c9c7"),
panel.border = element_rect(fill = NA,colour = "#a3c9c7"),
plot.background = element_rect(fill="#a3c9c7",colour = "#a3c9c7"),
# 修改图例参数
legend.position = 'none',
legend.direction = "horizontal",
legend.spacing.x = unit(.3,"cm"),
legend.key.height = unit(1, 'lines'),
legend.key.width = unit(1.4, 'lines'),
legend.text = element_text(size = 15,margin = margin(r = .5, unit = 'cm'))
) +
guides(fill=guide_legend(nrow=3,byrow=TRUE,reverse = TRUE,title=NULL))
可视化结果如下:
「实例演示」：
library(tidyverse)
library(ggtext)
library(hrbrthemes)
library(LaCroixColoR)
library(treemapify)
proglangs <- readr::read_csv("proglanguages.csv")
ggplot(proglangs, aes(area=value, fill=parent, subgroup=parent)) +
geom_treemap() +
geom_treemap_subgroup_border(color="gray40") +
geom_treemap_text(aes(label=id),fontface = "italic", colour = "black", place = "centre",
grow = TRUE) +
geom_treemap_subgroup_text(color="white",fontface="bold.italic",place = "centre",
min.size = 0,alpha=.7,grow = TRUE)+
scale_fill_manual(values = lacroix_palette(type = "paired"),name="")+
labs(
title = "Example of <span style='color:#D20F26'>treemapify::geom_treemap function</span>",
subtitle = "processed charts with <span style='color:#1A73E8'>geom_treemap()</span>",
caption = "Visualization by <span style='color:#DD6449'>DataCharm</span>") +
hrbrthemes::theme_ipsum(base_family = "Roboto Condensed") +
theme(
plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",
size = 25, margin = margin(t = 1, b = 12)),
plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=18),
plot.caption = element_markdown(face = 'bold',size = 12),
panel.background = element_rect(fill="#a3c9c7"),
panel.border = element_rect(fill = NA,colour = "#a3c9c7"),
plot.background = element_rect(fill="#a3c9c7",colour = "#a3c9c7"),
# 修改图例参数
legend.position = 'bottom',
legend.direction = "horizontal",
#legend.spacing.y = unit(.5,"cm"),
legend.spacing.x = unit(.3,"cm"),
#legend.key.size = unit(1, 'lines'),
legend.key.height = unit(1, 'lines'),
legend.key.width = unit(1.4, 'lines'),
legend.text = element_text(size = 15,margin = margin(r = .5, unit = 'cm'))
) +
guides(fill=guide_legend(nrow=1,byrow=TRUE,reverse = TRUE,title=NULL))
可视化结果如下：
好了，今天的可视化教程比较简单，可以直接使用官网提供的数据进行练习哈~~
总结
今天的推文小编给大家介绍了一个快速绘制「树形矩阵图」的方法，具体的绘图函数也是很好理解的，这里就不再赘述，希望小伙伴们可以多练习哈~~
可视化学习圈子是干什么的？
可视化学习圈子是书籍「科研论文配图绘制指南-基于Python/R语言」一书的学下圈子：主要通过以下几个方面，给大家带来比纸质书籍更丰富的学习内容：
视频教学，和读者零距离互动交流 及时修正勘误和定期新增绘制知识点 拓展衍生，绘图知识点远超书籍本身 直播视频+拓展资料+答疑，学习更高效
「PS」：我们直播教学内容为课堂式教学，原作者带着大家对书籍一章、一节、一页的进行教学。而且直播的视频都会通过剪辑后整理成课程，圈子中的同学可以免费、反复观看。当然，新增内容和定期答疑，直播也是如此。
为何会有这个书籍学习社群？无门槛的微信群难免会鱼龙混杂，问题和质量都无法得到保证，而且一些关键问题经常被淹没，且没有沉淀价值。
随着添加我微信的人日益增多，向我提问的人也越来越多，随便回答一下就太不负责任了；不回答也不是很好；如果都仔细回答，我也有自己的工作并且确实很忙，真的有点心有余而力不足！所以我才会建立这么一个渠道来沉淀我的可视化技巧和分享经验，以及给大家提供一个坚持学习的平台。
系统学习可视化
当然，在学习数据可视化的道路上，你也有很多问题得不到解答，也可以加入我们的可视化课程(可视化系列课程推文)后，在学员群里和大家一起谈论，一起进步，或者直接向我提问。如果我觉得你的问题很具有普适性，我会把它写成文章发布在公众号上，让更多人看到，有关我们数据可视化系列课程的服务内容，可以参考下面的 阅读原文。
猜你喜欢
再小的技能，也应该被认真对待。
