ggplot如何構造連環餅圖

# ggplot如何構造連環餅圖

## 前言

在數據可視化領域，餅圖（Pie Chart）是一種常見的展示比例關系的圖表類型。而"連環餅圖"（Nested Pie Chart或Donut Chart with Layers）則是在傳統餅圖基礎上發展出的進階形式，它通過多層環形結構展示數據的層級關系，適用于呈現具有父子結構的分類數據。

本文將詳細介紹如何使用R語言中的ggplot2包構建連環餅圖，涵蓋數據準備、基礎餅圖繪制、環形圖轉換、多層嵌套實現以及高級美化的完整流程。文章包含以下核心內容：

1. 理解連環餅圖的數據結構要求
2. 使用geom_col()+coord_polar()創建基礎餅圖
3. 通過調整參數轉換為環形圖（甜甜圈圖）
4. 實現多層嵌套的連環餅圖
5. 顏色、標簽、圖例等視覺元素的優化
6. 交互式連環餅圖的實現方案

---

## 一、數據結構準備

連環餅圖需要特定的數據組織形式。理想的數據結構應包含：
- 分類變量（至少兩個層級）
- 數值變量（用于確定扇形角度）
- 層級標識變量

### 示例數據集構造

```r
library(tidyverse)

# 創建示例數據
set.seed(123)
hierarchical_data <- tibble(
  category_l1 = rep(c("A", "B", "C"), each = 4),
  category_l2 = paste0(rep(c("X", "Y", "Z", "W"), 3), 1:12),
  value = sample(10:50, 12, replace = TRUE)
) %>%
  group_by(category_l1) %>%
  mutate(prop_l1 = sum(value)) %>%
  ungroup() %>%
  mutate(prop_l2 = value)

該數據結構包含： - 一級分類（category_l1） - 二級分類（category_l2） - 原始數值（value） - 計算得到的一級比例（prop_l1） - 二級比例（prop_l2）

二、基礎餅圖繪制

ggplot2本身沒有直接的geom_pie()函數，但可以通過geom_col()+coord_polar()組合實現：

basic_pie <- ggplot(hierarchical_data, aes(x = "", y = value, fill = category_l2)) +
  geom_col(width = 1) +
  coord_polar(theta = "y") +
  theme_void()

print(basic_pie)

關鍵參數說明：

• x = ""：固定x軸為單一值
• theta = "y"：指定使用y值作為角度基準
• width = 1：確保條形寬度填滿整個半徑

三、環形圖轉換

將餅圖轉為環形圖（甜甜圈圖）的核心是調整x軸映射：

donut_plot <- ggplot(hierarchical_data, aes(x = 2, y = value, fill = category_l2)) +
  geom_col(width = 1) +
  coord_polar(theta = "y") +
  xlim(0.5, 2.5) +  # 關鍵調整：控制內徑和外徑
  theme_void()

print(donut_plot)

環形圖特點：

• xlim(0.5, 2.5)：0.5決定空心部分大小
• 中心空白區域可用于放置總覽信息

四、多層連環餅圖實現

構建多層連環餅圖需要巧妙組合多個幾何對象：

nested_pie <- ggplot() +
  # 第一層（外層）
  geom_col(
    data = hierarchical_data,
    aes(x = 1.8, y = prop_l1, fill = category_l1),
    width = 0.8
  ) +
  # 第二層（內層）
  geom_col(
    data = hierarchical_data,
    aes(x = 1.0, y = value, fill = category_l2),
    width = 0.4
  ) +
  coord_polar(theta = "y") +
  scale_fill_manual(
    values = c(
      RColorBrewer::brewer.pal(3, "Set1"),
      RColorBrewer::brewer.pal(12, "Paired")
    )
  ) +
  theme_void() +
  theme(legend.position = "right")

print(nested_pie)

關鍵技術點：

1. 使用不同的x值控制各層位置
2. 通過width參數調整環的寬度
3. 精心設計顏色方案區分層級
4. 注意數據聚合方式（外層使用prop_l1）

五、高級美化技巧

5.1 標簽添加策略

nested_pie_with_labels <- nested_pie +
  # 外層標簽
  geom_text(
    data = hierarchical_data %>%
      group_by(category_l1) %>%
      summarize(ypos = sum(value)/2),
    aes(x = 1.8, y = ypos, label = category_l1),
    size = 5, color = "white"
  ) +
  # 內層標簽
  geom_text(
    data = hierarchical_data %>%
      mutate(ypos = cumsum(value) - value/2),
    aes(x = 1.0, y = ypos, label = category_l2),
    size = 3
  )

print(nested_pie_with_labels)

5.2 圖例優化

nested_pie +
  guides(fill = guide_legend(
    title = "分類層級",
    ncol = 2,
    override.aes = list(size = 4)
  )) +
  theme(
    legend.title = element_text(face = "bold"),
    legend.text = element_text(size = 10)
  )

5.3 交互式實現

使用plotly增強交互性：

library(plotly)
ggplotly(nested_pie_with_labels, tooltip = c("fill", "y"))

六、實用案例演示

6.1 銷售數據可視化

sales_data <- tibble(
  region = rep(c("North", "South", "East", "West"), each = 3),
  product = paste0(rep(c("Basic", "Pro", "Premium"), 4), "_", region),
  revenue = c(120, 180, 250, 90, 130, 200, 80, 110, 160, 150, 210, 300)
)

ggplot(sales_data) +
  geom_col(aes(x = 2, y = revenue, fill = region), width = 0.6) +
  geom_col(aes(x = 1, y = revenue, fill = product), width = 0.4) +
  coord_polar(theta = "y") +
  xlim(0.5, 2.5) +
  labs(title = "Regional Sales by Product Tier") +
  theme_void()

6.2 時間序列分解

time_data <- tibble(
  year = rep(2020:2022, each = 4),
  quarter = paste0("Q", rep(1:4, 3)),
  value = c(15, 22, 18, 25, 17, 24, 20, 28, 20, 30, 25, 35)
)

ggplot(time_data) +
  geom_col(aes(x = 2, y = value, fill = factor(year)), width = 0.7) +
  geom_col(aes(x = 1, y = value, fill = quarter), width = 0.5) +
  coord_polar(theta = "y") +
  scale_fill_viridis_d(option = "plasma") +
  xlim(0.5, 2.5)

七、常見問題解答

Q1：如何避免標簽重疊？

A：可使用ggrepel包或手動調整標簽位置：

library(ggrepel)
# 在geom_text中使用geom_text_repel替代

Q2：如何控制各層順序？

A：確保數據中的因子水平正確設置：

data$category <- factor(data$category, levels = c("A", "B", "C"))

Q3：如何添加中心標題？

A：使用annotate：

+ annotate("text", x = 0, y = 0, label = "核心指標", size = 8)

結語

連環餅圖作為一種信息密集型的可視化形式，在展現層級結構數據時具有獨特優勢。通過ggplot2的靈活組合，我們可以構建出既美觀又富有洞察力的多層環形可視化。關鍵要把握：

1. 清晰的數據層級結構
2. 精準的幾何對象定位
3. 協調的顏色方案
4. 適當的交互增強

隨著ggplot2生態的不斷發展（如ggforce等擴展包），連環餅圖的實現方式還將繼續豐富。建議讀者在實踐中多嘗試不同參數組合，開發出更適合特定場景的可視化方案。 “`