每日一个科研绘图·气泡图

一、气泡图

气泡图是一种数据可视化工具，它在传统的二维散点图的基础上增加了一个维度，使得我们能够同时观察三个变量之间的关系。这种图表通过点的大小来表示第三个数值变量的大小，从而提供了一种直观的方式来探索数据中的模式和趋势。

在定义气泡图时，我们通常需要以下三个数值变量：

X轴变量：这个变量的值决定了气泡在水平轴上的位置。它通常代表一个连续的数值，如时间、年龄或某种度量。
Y轴变量：这个变量的值决定了气泡在垂直轴上的位置。这同样是一个连续的数值，可以是另一个度量或某种性能指标。
气泡大小变量：这个变量的值决定了气泡的大小。气泡的大小通常与一个度量的大小成正比，如经济规模、人口数量或其他重要的数值指标。

气泡图的一个经典例子是使用Gapminder数据集。Gapminder是一个非营利组织，由Hans Rosling创立，旨在通过提供易于理解的数据来促进全球发展的教育和理解。Gapminder数据集包含了世界各地区和国家在不同年份的统计数据，包括但不限于平均预期寿命、人均GDP和人口规模。

以下是一个使用Gapminder数据集摘要的例子，该数据集通过Hans Rosling的Ted演讲而闻名。它提供了100多个国家的平均预期寿命、人均GDP和人口规模的数据。该数据集可通过gapminder R包获取。

# Libraries
library(tidyverse) # 加载tidyverse包，提供数据整理和图形制作的工具
library(hrbrthemes) # 加载hrbrthemes包，提供了一些美观的主题
library(viridis) # 加载viridis包，提供了颜色渐变方案
library(gridExtra) # 加载gridExtra包，用于在网格中排列图形
library(ggrepel) # 加载ggrepel包，用于避免点标签重叠
library(plotly) # 加载plotly包，用于创建交互式图形

# The dataset is provided in the gapminder library
library(gapminder) # 加载gapminder包，包含有关不同国家和地区随时间变化的生命期望、GDP和人口的数据
data <- gapminder %>% 
  filter(year=="2007") %>% # 筛选出2007年的数据
  dplyr::select(-year) # 移除年份列

# Show a bubbleplot
data %>%
  mutate(pop=pop/1000000) %>% # 将人口数量转换为百万单位
  arrange(desc(pop)) %>% # 按人口数量降序排列数据
  mutate(country = factor(country, country)) %>% # 将国家名称转换为因子类型，保持原有顺序
  ggplot( aes(x=gdpPercap, y=lifeExp, size = pop, color = continent)) + # 创建ggplot对象，设置x轴为人均GDP，y轴为预期寿命，点的大小代表人口，颜色代表大洲
    geom_point(alpha=0.7) + # 添加点图层，设置透明度为0.7
    scale_size(range = c(1.4, 19), name="Population (M)") + # 设置点的大小范围，并添加大小图例
    scale_color_viridis(discrete=TRUE, guide=FALSE) + # 使用viridis颜色方案，并且不显示颜色图例
    theme_minimal() + # 应用最小化主题
    theme(legend.position="bottom") # 将图例放置在底部

这段代码使用了R语言和多个tidyverse包来创建一个气泡图，展示了2007年不同国家的人均GDP、预期寿命和人口大小。

这段代码最终生成了一个静态的气泡图，其中每个气泡代表一个国家，气泡的位置由人均GDP（x轴）和预期寿命（y轴）决定，气泡的大小表示人口数量（以百万为单位），而气泡的颜色则表示该国家所在的大洲。由于使用了theme(legend.position="bottom")，图例被放置在图的底部。

在此图表中，人均GDP与预期寿命之间的关系相当明显：富裕国家的居民倾向于更长寿，当人均GDP达到约10,000美元时，存在一个阈值效应。这种关系本可以通过经典的散点图来检测，但气泡大小允许通过第三层信息来细化这一结果：国家人口。

最后一个变量比X轴和Y轴上的变量更难以解读。确实，人类眼睛对面积的解释能力较弱。但信息是存在的，如果人口与人均GDP或预期寿命之间存在明确的关系，我们将会发现它。

二、变体

前面的图表相当有趣，因为它允许我们理解人均GDP与预期寿命之间的关系。然而，不知道图表极端部分的国家，或者不知道哪些国家偏离了总体趋势，可能会让人感到挫败。如同往常，对图表进行注释是使其具有洞察力的关键步骤：

# Prepare data
tmp <- data %>%
  mutate(
    annotation = case_when(
      gdpPercap > 5000 & lifeExp < 60 ~ "yes", # 如果人均GDP大于5000且预期寿命小于60岁，标记为"yes"
      lifeExp < 30 ~ "yes", # 如果预期寿命小于30岁，标记为"yes"
      gdpPercap > 40000 ~ "yes" # 如果人均GDP大于40000，标记为"yes"
    )
  ) %>%
  mutate(pop=pop/1000000) %>% # 将人口数量转换为百万单位
  arrange(desc(pop)) %>% # 按人口数量降序排列数据
  mutate(country = factor(country, country)) # 将国家名称转换为因子类型，保持原有顺序

# Plot
ggplot( tmp, aes(x=gdpPercap, y=lifeExp, size = pop, color = continent)) + # 创建ggplot对象，设置x轴为人均GDP，y轴为预期寿命，点的大小代表人口，颜色代表大洲
  geom_point(alpha=0.7) + # 添加点图层，设置透明度为0.7
  scale_size(range = c(1.4, 19), name="Population (M)") + # 设置点的大小范围，并添加大小图例
  scale_color_viridis(discrete=TRUE) + # 使用viridis颜色方案
  theme_minimal() + # 应用minimal主题
  theme(legend.position="none") + # 不显示图例
  geom_text_repel(data=tmp %>% filter(annotation=="yes"), aes(label=country), size=4 ) # 对满足条件的国家添加文本标签，使用geom_text_repel避免标签重叠

这段代码使用R语言和tidyverse包来准备数据并创建一个气泡图，图中包含了特定条件下的国家标注。

在这段代码中，首先对数据进行了预处理，创建了一个新的变量annotation，根据人均GDP和预期寿命的特定条件将国家标记为"yes"。然后，将人口数量转换为百万单位，并按人口数量降序排列数据，同时将国家名称转换为因子类型。

在绘图部分，使用ggplot函数创建了一个气泡图，其中气泡的大小和颜色分别代表人口数量和大洲。通过geom_point添加了点图层，并设置了透明度。scale_size和scale_color_viridis分别设置了点的大小范围和颜色方案。

最后，使用geom_text_repel函数为那些满足annotation=="yes"条件的国家添加了文本标签，geom_text_repel会自动调整标签位置以避免重叠，size=4设置了标签的字体大小。

三、交互性

遵循相同的思路，气泡图可能是使用交互性最有意义的图表类型。在下面的图表中，您可以通过悬停气泡来获取国家名称，并放大图表的特定部分。

# Interactive version
p <- data %>%
  mutate(gdpPercap=round(gdpPercap,0)) %>% # 将人均GDP四舍五入到最接近的整数
  mutate(pop=round(pop/1000000,2)) %>% # 将人口数量转换为百万单位并保留两位小数
  mutate(lifeExp=round(lifeExp,1)) %>% # 将预期寿命四舍五入到最接近的十分位
  arrange(desc(pop)) %>% # 按人口数量降序排列数据
  mutate(country = factor(country, country)) %>% # 将国家名称转换为因子类型，保持原有顺序
  mutate(text = paste("Country: ", country, "\nPopulation (M): ", pop, "\nLife Expectancy: ", lifeExp, "\nGdp per capita: ", gdpPercap, sep="")) %>% # 创建一个新变量text，包含国家名称、人口、预期寿命和人均GDP的信息
  ggplot( aes(x=gdpPercap, y=lifeExp, size = pop, color = continent, text=text)) + # 创建ggplot对象，设置x轴为人均GDP，y轴为预期寿命，点的大小代表人口，颜色代表大洲，text变量用于交互式提示
    geom_point(alpha=0.7) + # 添加点图层，设置透明度为0.7
    scale_size(range = c(1.4, 19), name="Population (M)") + # 设置点的大小范围，并添加大小图例
    scale_color_viridis(discrete=TRUE, guide=FALSE) + # 使用viridis颜色方案，并且不显示颜色图例
    theme_minimal() + # 应用最小化主题
    theme(legend.position="none") # 不显示图例

ggplotly(p, tooltip="text") # 将静态图转换为交互式图，并设置鼠标悬停时显示text变量的信息

这段代码使用R语言和tidyverse包以及plotly包来创建一个交互式的气泡图，图中展示了不同国家的人均GDP、预期寿命和人口大小。

在这段代码中，首先对数据进行了预处理，包括四舍五入人均GDP、人口和预期寿命的值，按人口数量降序排列数据，将国家名称转换为因子类型，并创建了一个新的变量text，该变量包含了用于交互式提示的文本信息。

接着，使用ggplot函数创建了一个静态的气泡图，其中气泡的大小和颜色分别代表人口数量和大洲。通过geom_point添加了点图层，并设置了透明度。scale_size和scale_color_viridis分别设置了点的大小范围和颜色方案。theme_minimal应用了一个简洁的主题，而theme(legend.position="none")则隐藏了图例。

最后，使用ggplotly函数将静态图转换为交互式图，并通过tooltip="text"参数设置鼠标悬停时显示text变量中的信息，这样用户可以查看每个气泡对应的国家详细信息。