---

前言

---

一、数据集

数据下载链接见文章顶部

处理前的数据：

library(readxl)
library(reshape2) # reshape2 包是 R 语言中的一个数据处理包，主要用于数据重塑（reshaping），提供了代码所需的 melt 函数。

data = read_excel("fig1_datasets.xlsx", sheet = "Sheet1")
data_melt = melt(data, id.vars = c("date"), variable.name = "fruit", value.name = "production")
data_melt = data_melt[data_melt$production != 0,]
data_melt$size = log(data_melt$production) # 构造 size 列用于表示散点大小，log 函数用于减少最大点和最小点的大小差异。

处理后的数据：

---

二、ggplot2画图

1、全部代码

library(ggplot2)
library(scales)

pic =
    ggplot(data_melt, aes(x = date, y = production, color = fruit, size = size)) +
    geom_point() +
    # 主题设置
    theme_bw() + 
    theme(panel.grid.major = element_line(linetype = 5)) +
    # 轴设置
    xlab("") +
    ylab("Production") +
    theme(axis.text = element_text(size = 19)) + 
    theme(axis.title = element_text(size = 22)) +
    scale_x_datetime(breaks = breaks_pretty(n = 8))+
    scale_y_log10(breaks = breaks_log(n = 10)) +
	# 图例设置
    guides(size = 'none') +
    guides(color = guide_legend(override.aes = list(size = 6))) +
    theme(legend.title = element_blank()) +
    theme(legend.text = element_text(size = 14, face = "italic")) +
    theme(legend.position = c(0.073, 0.765)) +
    theme(legend.background = element_rect(fill = NA, colour = NA)) +
    # 散点颜色
    scale_color_manual(values = c('#3ba272', '#91cc75', '#ea7ccc', '#9a60b4', '#ee6666', '#73c0de', '#fac858', '#5470C6'))

jpeg(filename = "test1.png", width = 7000, height = 3000, res = 600, quality = 100)
pic
dev.off()

2、细节拆分

1）导包

library(ggplot2)
library(scales)

ggplot2 中已经提供一些 scale 相关函数用于调整绘图中各种变量的比例尺。然而，还有一个独立的 R 包叫做 scales ，它提供了更多关于比例尺的函数和工具。本案例代码中的 breaks_pretty 函数由其提供。

2）创建图形对象

pic =
    ggplot(data_melt, aes(x = date, y = production, color = fruit, size = size)) +
    geom_point()

• 设置 x 轴为日期，y 轴为产量，按 fruit 列的水果类型着色，散点大小为 size 列。
• geom_point 指定画散点图。

3）主题设置

theme_bw() + 
theme(panel.grid.major = element_line(linetype = 5))

• theme_bw 指定黑白主题。
• 设置主网格线（坐标轴上的刻度位置对应的网格线为主网格线）为5号线段类型。

4）轴设置

xlab("") +
ylab("Production") +
theme(axis.text = element_text(size = 19)) + 
theme(axis.title = element_text(size = 22)) +
scale_x_datetime(breaks = breaks_pretty(n = 8))+
scale_y_log10(breaks = breaks_log(n = 10))

• xlab 设置 x 轴标题，ylab 设置 y 轴标题。
• 设置轴刻度字号19，轴标题字号22。
• scale_x_datetime()函数用于调整 x 轴上日期时间型变量的比例尺，其中breaks参数用于指定刻度的位置。
  在这个特定的例子中，breaks_pretty(n = 8)是一个函数调用，它会生成相对于输入数据的合适的刻度位置。参数 n 指定了希望返回的刻度数量。
  因此，scale_x_datetime(breaks = breaks_pretty(n = 8)) 的作用是设置 x 轴上日期时间型变量的刻度位置为相对于数据合适的 8 个刻度位置。这样做可以确保刻度位置不会过于拥挤或稀疏，使得图形更易读。
• scale_y_log10() 函数用于对 y 轴上的连续型变量进行对数变换，并且 breaks 参数用于指定刻度的位置。
  在这个特定的例子中，breaks_log(n = 10) 是一个函数调用，参数 n 指定了希望返回的刻度数量。scale_y_log10(breaks = breaks_log(n = 10)) 的作用是将 y 轴原本的均匀刻度改为对数刻度，并且使其返回的刻度数量为 10。这样做可以确保对数刻度的刻度位置合适，并且数量适当，以便更好地展示数据。

5）图例设置

guides(size = 'none') +
guides(color = guide_legend(override.aes = list(size = 6))) +
theme(legend.title = element_blank()) +
theme(legend.text = element_text(size = 14, face = "italic")) +
theme(legend.position = c(0.073, 0.765)) +
theme(legend.background = element_rect(fill = NA, colour = NA)) 

• guides(size = ‘none’) 删除了 size 图例。这里的参数 size 指的是大小美学映射，而不是列名里的 “size”。
• guides(color = guide_legend(override.aes = list(size = 6))) 将图例中的散点大小设为6。
• 设置图例标题为空。
• 设置图例字体为14号斜体。
• 设置图例位置（x, y）为（0.073, 0.765）。
• 设置图例背景填充颜色、边框颜色为无，防止遮挡散点。

6）散点颜色

scale_color_manual(values = c('#3ba272', '#91cc75', '#ea7ccc', '#9a60b4', '#ee6666', '#73c0de', '#fac858', '#5470C6'))

7）保存图片

jpeg(filename = "test1.png", width = 7000, height = 3000, res = 600, quality = 100)
pic
dev.off()

• jpeg 函数打开了一个JPEG设备，设定了图片的保存路径为 “test1.png”，图片的宽度为7000像素，高度为3000像素，分辨率为600 dpi，图片质量为100%。
• pic是之前生成的图形对象。
• dev.off()关闭了之前打开的图形设备，保存了图片到指定路径。这是在完成图片保存后必须执行的步骤，以确保保存的图片被正确地输出。