预计阅读

值得一试的 gglite 包

黄湘云

分类: 统计软件
标签: 图形语法, ggplot2, Ant G2, 数据可视化, 交互式图形, 气泡图, 折线图, 柱形图, 双轴图
日期: 2026/04/18
字数:
编辑:

数据可视化方面，我可是用过不少的 R 包，在生产实践上，大量使用的 R 包是 plotly 包，自己出于兴趣又嫌 plotly 包太笨重，遂在本博客网站上，大量使用 echarts4r 包。

为什么又介绍了一个新的用于数据可视化的 R 语言扩展包？因为在图形种类丰富的前提下， gglite 包又轻量又原生支持图形语法，它站在 Ant G2 的肩膀上。哦，对了！它还扔掉了对 htmlwidgets 的依赖！简直难以置信！我在博客中使用它，不需要每次上传一堆 JS 文件了。写技术博客的痛，谁懂呀？

考虑到实用性，本文用 gglite 包制作最常用的四种数据可视化图形。

1 气泡图

散点图是探索连续型变量之间关系的有效方式，气泡图更加了一个维度。一个城市（邵阳市）的自然增长率与它的城镇化率的关系如下图所示。

# 数据来源：邵阳市统计局发布的 2024 年统计年鉴
# 2023 年邵阳市各地区人口相关数据
shao_yang <- read.table(text = "
地区 自然增长人口 自然增长率 城镇人口 城镇化率
双清 -736 -2.82 28.83 90.07
大祥 -345 -1.09 32.02 88.16
北塔 -15 -0.15 9.94 80.36
新邵 283 0.35 27.36 46.7
邵阳 1691 1.62 34.03 47.63
隆回 1746 1.36 44.04 44.93
洞口 620 0.7 33.01 50.24
绥宁 105 0.28 12.12 42.8
新宁 96 0.15 23.76 47.73
城步 169 0.61 9.85 44.55
武冈 522 0.64 31.97 51.56
邵东 -260 -0.2 58.53 59.01
", header = T, sep = " ")

library(gglite)
g2(data = shao_yang, 自然增长率 ~ 城镇化率, size = ~城镇人口) |>
  mark_point(
    encode = list(color = "城镇人口"),
    tooltip = list(title = "地区"),
    style = list(fillOpacity = 0.5)
  ) |>
  scale_size(type = "log", range = c(5, 25)) |>
  scale_color(palette = "inferno") |>
  mark_line_x(
    data = list(list(城镇化率 = 66.16)),
    style = list(stroke = "red", lineWidth = 3, lineDash = c(3, 3))
  ) |>
  mark_line_y(
    data = list(list(自然增长率 = -1.48)),
    style = list(stroke = "red", lineWidth = 3, lineDash = c(3, 3))
  ) |>
  legend_size(FALSE) |>
  legend_color(position = "right", title = "城镇人口（万）") |>
  mark_text(encode = list(text = "地区")) |>
  axis_x(title = "城镇化率（%）") |>
  axis_y(title = "自然增长率（‰）") |>
  titles(main = "2023 年邵阳市各地区人口自然增长率与城镇化率的关系") |>
  theme_academy()

根据国家统计局的国民经济和社会发展统计公报，2023 年中国城镇化率为 66.16% ，自然增长率为 -1.48‰，将该数据视为全国平均水平，即图中两条虚线的交叉点，各区县被分割成四个象限。第一象限，区县数量最多，未来发展空间大，发展中地区。第二象限，跑在全国平均水平前面，城镇化率已经很高，发展空间较小，中等发达地区。第三象限，邵阳市下没有区县在这一象限，发展空间很小，欠发达地区。第四象限，发达地区。另，2025 年这两个数据分别为 67.89% 和 -2.41‰。

如图所示，总体上城镇化率越高的地方，自然增长率越低。但是，我们不能说城市化是导致人口数量减少的原因。

2 折线图

# 数据来源：中国人民银行（央行）货币政策执行季度报告
# 个人住房贷款加权平均利率
lending_rate <- data.frame(
  "季度" = c(
    "09Q1", "09Q2", "09Q3", "09Q4",
    "10Q1", "10Q2", "10Q3", "10Q4",
    "11Q1", "11Q2", "11Q3", "11Q4",
    "12Q1", "12Q2", "12Q3", "12Q4",
    "13Q1", "13Q2", "13Q3", "13Q4",
    "14Q1", "14Q2", "14Q3", "14Q4",
    "15Q1", "15Q2", "15Q3", "15Q4",
    "16Q1", "16Q2", "16Q3", "16Q4",
    "17Q1", "17Q2", "17Q3", "17Q4",
    "18Q1", "18Q2", "18Q3", "18Q4",
    "19Q1", "19Q2", "19Q3", "19Q4",
    "20Q1", "20Q2", "20Q3", "20Q4",
    "21Q1", "21Q2", "21Q3", "21Q4",
    "22Q1", "22Q2", "22Q3", "22Q4",
    "23Q1", "23Q2", "23Q3", "23Q4",
    "24Q1", "24Q2", "24Q3", "24Q4",
    "25Q1", "25Q2"
  ),
  "利率" = c(
    4.45, 4.34, 4.38, 4.42, 4.63, 4.95, 5.03, 5.34, 6.17,
    6.83, 7.36, 7.62, 7.43, 6.68, 6.20, 6.22, 6.27, 6.29, 6.39,
    6.53, 6.70, 6.93, 6.96, 6.25, 6.01, 5.53, 5.02, 4.70, 4.63,
    4.55, 4.52, 4.52, 4.55, 4.69, 5.01, 5.26, 5.42, 5.60, 5.72,
    5.75, 5.68, 5.53, 5.55, 5.62, 5.60, 5.42, 5.36, 5.34, 5.37,
    5.42, 5.54, 5.63, 5.49, 4.62, 4.34, 4.26, 4.14, 4.11, 4.02,
    3.97, 3.69, 3.45, 3.31, 3.09, 3.13, 3.06
  )
)

g2(data = lending_rate, 利率 ~ 季度) |>
  mark_line(
    tooltip = list(title = ""),
    encode = list(color = "#FC8D62")
  ) |>
  style_mark(lineWidth = 2) |>
  mark_point(
    tooltip = list(title = ""),
    encode = list(color = "#FC8D62")
  ) |>
  axis_x(title = "季度") |>
  axis_y(title = "个人住房贷款利率（%）") |>
  titles(
    main = "2009 - 2025 年个人住房贷款加权平均利率",
    subtitle = "数据源：中国人民银行"
  ) |>
  theme_academy()

3 柱形图

3.1 百分比堆积柱形图

# 邵阳市 2016-2023 年第一、二、三产业生产总值
shaoyang_gdp <- data.frame(
  "年份" = rep(c(2016:2023), each = 3),
  "产业" = rep(c("第一产业", "第二产业", "第三产业"), 8),
  "生产总值" = c(
    3268118, 5437376, 6597083,
    3334662, 5951343, 7628990,
    2958165, 6268262, 8600054,
    3513128, 5956103, 12055536,
    3976168, 6937583, 11483810,
    4088812, 7861750, 12664786,
    4352147, 8329085, 13310599,
    4361137, 8976487, 13976527
  )
)
g2(data = shaoyang_gdp, 生产总值 ~ 年份, color = ~产业) |>
  mark_interval(tooltip = list(channel = "y", valueFormatter = ".2%")) |>
  transform("stackY") |>
  transform("normalizeY") |>
  scale_color(palette = "set2") |>
  axis_x(title = "年份") |>
  #  格式化 y 轴
  axis_y(title = "产业占比（%）", labelFormatter = ".0%") |>
  legend_color(title = "产业", position = "right") |>
  theme_academy()

3.2 堆积柱形图

transform(shaoyang_gdp, 生产总值 = 生产总值 / 10000) |>
  g2(生产总值 ~ 年份, color = ~产业) |>
  mark_interval(tooltip = list(channel = "y", valueFormatter = ".2f")) |>
  transform("stackY") |>
  scale_color(palette = "set2") |>
  legend_color(title = "产业", position = "right") |>
  axis_x(title = "年份") |>
  axis_y(title = "生产总值（亿元）") |>
  theme_academy()

4 双轴图

示例数据来源见matplotlib 绘制双轴图。

house_loan <- read.table(
  text =
    "年份	季度	个人住房	同比增速
2011	Q3	6.4	16.2
2012	Q3	7.2	12.0
2013	Q3	8.7	20.9
2014	Q3	10.2	17.6
2015	Q3	12.4	21.6
2016	Q3	16.8	34.9
2017	Q3	21.1	26.2
2018	Q3	24.97	17.9
2019	Q3	29.05	16.8
2020	Q3	33.59	15.7
2021	Q3	37.4	11.3
2022	Q3	38.9	4.1
2023	Q3	38.4	-1.2
2024	Q3	37.56	-2.3
2025	Q3	37.44	-0.3
", header = T, sep = "\t"
)

# 双轴图：柱状图（个人住房，左轴）+ 线图（同比增速，右轴）
g2(house_loan, x = "年份") |>
  mark_interval(encode = list(color = "#8DA0CB", y = "个人住房")) |> # 柱状图
  axis_y(position = "left", title = "个人住房贷款余额（万亿）") |>
  scale_y(independent = TRUE) |> # 独立 y 轴
  mark_line(encode = list(color = "#FC8D62", y = "同比增速")) |> # 线图
  style_mark(lineWidth = 2) |>
  axis_y(position = "right", title = "同比增速 (%)") |> # 右轴标题
  mark_point(
    encode = list(color = "#FC8D62", y = "同比增速"),
    tooltip = list(title = "")
  ) |>
  titles(
    main = "2011-2025 年个人住房贷款余额",
    subtitle = "数据源：中国人民银行"
  ) |>
  theme_academy()

5 运行环境

本文代码运行的环境信息如下。

sessionInfo()
## R version 4.5.3 (2026-03-11)
## Platform: aarch64-apple-darwin20
## Running under: macOS Tahoe 26.4.1
## 
## Matrix products: default
## BLAS:   /Library/Frameworks/R.framework/Versions/4.5-arm64/Resources/lib/libRblas.0.dylib 
## LAPACK: /Library/Frameworks/R.framework/Versions/4.5-arm64/Resources/lib/libRlapack.dylib;  LAPACK version 3.12.1
## 
## locale:
## [1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8
## 
## time zone: Asia/Shanghai
## tzcode source: internal
## 
## attached base packages:
## [1] stats     graphics  grDevices utils     datasets  methods   base     
## 
## other attached packages:
## [1] gglite_0.0.31
## 
## loaded via a namespace (and not attached):
##  [1] digest_0.6.39     R6_2.6.1          bookdown_0.46     fastmap_1.2.0    
##  [5] xfun_0.57.4       blogdown_1.23     cachem_1.1.0      knitr_1.51       
##  [9] htmltools_0.5.9   rmarkdown_2.31    lifecycle_1.0.5   cli_3.6.6        
## [13] sass_0.4.10       jquerylib_0.1.4   compiler_4.5.3    rstudioapi_0.18.0
## [17] tools_4.5.3       evaluate_1.0.5    bslib_0.10.0      yaml_2.3.12      
## [21] otel_0.2.0        jsonlite_2.0.0    rlang_1.2.0