R語言可視化中如何用ggplot構造期待已久的雷達圖

# R語言可視化中如何用ggplot構造期待已久的雷達圖

雷達圖（Radar Chart）又稱蜘蛛圖（Spider Plot），是一種將多維數據映射到極坐標系的經典可視化方法。在R語言生態中，雖然ggplot2并未原生支持雷達圖，但通過巧妙的坐標轉換和擴展包配合，我們依然能夠實現專業級的雷達圖效果。本文將詳細介紹三種主流實現方案，并提供完整的代碼示例。

## 一、雷達圖的核心原理與適用場景

### 1.1 基本特征
- **極坐標映射**：將直角坐標系轉換為極坐標系
- **軸線輻射**：每個變量對應一條從中心向外輻射的軸線
- **數值映射**：數據值轉換為軸線上的點，相鄰點連線形成多邊形

### 1.2 典型應用場景
- 多維數據對比（如球員能力雷達圖）
- 性能評估體系展示
- 多指標綜合評價分析

## 二、基于ggplot2的基礎實現方案

### 2.1 數據準備
首先構造示例數據集：
```r
library(tidyverse)
skills <- tibble(
  category = c("編程", "統計", "可視化", "機器學習", "溝通"),
 張三 = c(8, 7, 9, 6, 7),
 李四 = c(6, 8, 7, 8, 6)
) %>% 
  pivot_longer(-category, names_to = "person", values_to = "score")

2.2 極坐標轉換核心代碼

ggplot(skills, aes(x = category, y = score, group = person)) +
  geom_polygon(aes(color = person), fill = NA, size = 1.5, alpha = 0.1) +
  geom_point(aes(color = person), size = 3) +
  coord_polar() +
  theme_minimal() +
  labs(x = NULL, y = NULL)

2.3 效果優化要點

1. 添加軸線參考環：

+ geom_hline(yintercept = seq(0, 10, by = 2), color = "gray90")

1. 調整坐標起始位置：

+ scale_x_discrete(limits = levels(skills$category))

1. 顏色與主題定制：

+ scale_color_brewer(palette = "Set1") +
  theme(panel.grid.major.x = element_line(color = "gray80"))

三、使用ggradar專業擴展包

3.1 包安裝與數據格式要求

install.packages("ggradar")
library(ggradar)

# 需要寬格式數據
skills_wide <- skills %>% 
  pivot_wider(names_from = person, values_from = score)

3.2 基礎調用示例

ggradar(
  skills_wide, 
  values.radar = c("0", "5", "10"),
  grid.min = 0, grid.mid = 5, grid.max = 10
)

3.3 高級定制參數

ggradar(
  skills_wide,
  axis.labels = skills_wide$category,
  group.colours = c("#1F77B4", "#FF7F0E"),
  background.circle.colour = "white",
  gridline.min.colour = "gray",
  gridline.mid.colour = "blue",
  gridline.max.colour = "gray"
)

四、基于fmsb包的實現方案

4.1 數據格式特殊要求

library(fmsb)
max_min <- data.frame(
 編程 = c(10, 0), 統計 = c(10, 0),
 可視化 = c(10, 0), 機器學習 = c(10, 0),
 溝通 = c(10, 0)
)

radar_data <- rbind(
  max_min,
  filter(skills_wide, 張三 == "張三") %>% select(-person),
  filter(skills_wide, 李四 == "李四") %>% select(-person)
)

4.2 基礎雷達圖繪制

radarchart(
  radar_data,
  pcol = c("#1F77B4", "#FF7F0E"),
  pfcol = scales::alpha(c("#1F77B4", "#FF7F0E"), 0.3),
  plwd = 2
)

4.3 添加圖例與網格線

legend(
  "topright",
  legend = c("張三", "李四"),
  bty = "n", pch = 20,
  col = c("#1F77B4", "#FF7F0E"),
  text.col = "grey40"
)

五、三種方案的對比分析

六、實戰案例：NBA球員能力分析

nba_data <- tibble(
  stat = c("得分", "籃板", "助攻", "搶斷", "蓋帽"),
  Curry = c(95, 15, 90, 70, 20),
  Jokic = c(85, 95, 90, 65, 60)
)

ggradar(nba_data, 
        grid.min = 0, grid.max = 100,
        group.colours = c("#FFC325", "#8BB3E9"),
        legend.position = "bottom")

七、常見問題解決方案

1. 軸線標簽重疊：

+ theme(axis.text.x = element_text(size = 8, vjust = -0.5))

1. 數值標準化處理：

skills <- skills %>% 
  group_by(category) %>% 
  mutate(score_scaled = scales::rescale(score, to = c(0, 10)))

1. 缺失值處理：

geom_polygon(na.rm = TRUE)

八、進階技巧：交互式雷達圖

library(plotly)
p <- ggplot(...)  # 基礎ggplot對象
ggplotly(p, tooltip = c("group", "y"))

通過本文介紹的多種方法，讀者可以根據具體需求選擇最適合的雷達圖實現方案。建議初學者從ggradar開始，逐步過渡到更靈活的ggplot2原生方案。記住，好的可視化不在于形式的復雜，而在于能否清晰傳達數據洞察。 “`

注：實際使用時請根據R包版本調整代碼，部分新特性可能需要安裝開發版包。建議在繪制前先對數據進行適當的標準化處理，確保各維度數值范圍一致。