R语言 ggplot2 4.3.2 绘制空心饼图：3步实现环形图与标签自动布局

R语言ggplot2 4.3.2绘制空心饼图3步实现环形图与标签自动布局在数据可视化领域饼图及其变体如环形图因其直观展示比例关系的特点而广受欢迎。然而传统饼图在标签布局和美学表现上存在明显局限。本文将聚焦ggplot2 4.3.2版本通过三个关键步骤解决空心饼图制作中的核心痛点数据准备、环形图构建和智能标签布局。1. 数据准备与基础饼图构建任何优秀的数据可视化都始于规范的数据结构。对于饼图类可视化我们需要将原始数据转换为包含类别、数值和比例的长格式数据框。以下是一个典型的数据准备流程library(tidyverse) # 示例数据男性健康问题分布 health_data - tibble( disease c(Heart disease, Cancer, Injuries, CPD, Stroke, Type2 diabetes, AD, Suicide, IP, Chronic liver disease, Other), ratio c(24.2, 21.9, 7.6, 5.2, 4.3, 3.2, 2.6, 2.6, 1.8, 1.8, 24.8) ) %% mutate( # 计算累计角度 cumsum cumsum(ratio), start_angle lag(cumsum, default 0) * 2 * pi / 100, end_angle cumsum * 2 * pi / 100, # 计算标签位置 mid_angle (start_angle end_angle) / 2, label_x 1.2 * sin(mid_angle), label_y 1.2 * cos(mid_angle) )关键点说明角度计算将百分比转换为弧度0-2π范围标签位置通过三角函数计算得出1.2表示标签距离圆心的半径使用tibble确保数据整洁便于后续管道操作2. 空心饼图核心实现技术ggplot2实现空心饼图主要有两种技术路径各有其适用场景方法一coord_polar极坐标转换base_plot - ggplot(health_data) geom_bar(aes(x 2, y ratio, fill disease), stat identity, width 1, color white) coord_polar(theta y, start 0) xlim(c(0.5, 2.5)) # 控制空心部分大小 scale_fill_manual(values c(#E5D2DD, #53A85F, #F1BB72, #F3B1A0, #D6E7A3, #57C3F3, #476D87, #E59CC4, #AB3282, #23452F, #BD956A)) theme_void()参数解析x 2控制饼图半径xlim(c(0.5, 2.5))0.5决定空心部分大小color white添加白色边框提升视觉分隔方法二ggforce包的geom_arc_barlibrary(ggforce) ggforce_plot - ggplot() geom_arc_bar(data health_data, aes(x0 0, y0 0, r0 1, r 2, start start_angle, end end_angle, fill disease), color white) scale_fill_manual(values c(#E5D2DD, #53A85F, #F1BB72, #F3B1A0, #D6E7A3, #57C3F3, #476D87, #E59CC4, #AB3282, #23452F, #BD956A)) theme_void()对比决策指南特性coord_polargeom_arc_bar学习曲线简单中等自定义灵活性一般高动画支持优秀有限多图层组合容易需要调整版本兼容性ggplot2原生支持需要ggforce包对于大多数场景推荐使用coord_polar方案除非需要复杂的分段控制或特殊效果。3. 标签自动布局解决方案手动放置标签既耗时又难以维护以下是两种自动化方案方案Ageom_text_repel智能避让library(ggrepel) base_plot geom_text_repel( aes(x label_x, y label_y, label paste0(disease, \n, ratio, %)), size 3, segment.size 0.3, box.padding 0.5, min.segment.length 0.2, force 1, max.overlaps Inf )关键参数segment.size连接线粗细box.padding标签周围留白force控制标签分散程度方案B角度计算精准定位base_plot geom_text( aes(x label_x, y label_y, label paste0(ratio, %), hjust ifelse(mid_angle pi, 1, 0), vjust ifelse(mid_angle pi/2 | mid_angle 3*pi/2, 0, 1)), size 3 ) geom_segment( aes(x sin(mid_angle)*1.05, y cos(mid_angle)*1.05, xend sin(mid_angle)*0.9, yend cos(mid_angle)*0.9), arrow arrow(length unit(0.1, cm)) )视觉增强技巧添加引导线增强标签与扇区的关联根据角度动态调整文本对齐方式hjust/vjust使用条件判断避免标签出现在不理想位置4. 高级定制与问题排查在实际应用中常遇到以下挑战及解决方案4.1 小比例扇区处理当存在多个小比例类别时建议合并小于5%的类别为其他使用爆炸效果突出重要部分health_data - health_data %% mutate(explode if_else(ratio 5, 0.1, 0)) ggplot() geom_arc_bar(data health_data, aes(x0 0, y0 0, r0 1, r 2, start start_angle, end end_angle, fill disease, explode explode), color white) scale_fill_manual(values c(...)) # 颜色同上 theme_void()4.2 交互式增强结合plotly实现悬停提示library(plotly) ggplotly( base_plot geom_text(aes(x label_x, y label_y, label paste0(disease, : , ratio, %)), size 3), tooltip text )4.3 常见错误排查问题现象可能原因解决方案扇区错位角度计算未考虑clockwise检查start_angle/end_angle计算标签重叠半径设置过小增大label_x/y的乘数因子空心部分显示异常xlim范围设置不当调整xlim第二参数大于第一参数颜色映射错误因子水平顺序问题检查fill变量的因子顺序5. 完整可复现代码示例以下是一个端到端的解决方案包含数据准备、可视化和导出library(tidyverse) library(ggrepel) # 数据准备 health_data - tibble( disease factor(c(Heart disease, Cancer, Injuries, CPD, Stroke, Type2 diabetes, AD, Suicide, IP, Chronic liver disease, Other), levels c(Heart disease, Cancer, Injuries, CPD, Stroke, Type2 diabetes, AD, Suicide, IP, Chronic liver disease, Other)), ratio c(24.2, 21.9, 7.6, 5.2, 4.3, 3.2, 2.6, 2.6, 1.8, 1.8, 24.8) ) %% arrange(desc(ratio)) %% mutate( cumsum cumsum(ratio), start_angle lag(cumsum, default 0) * 2 * pi / 100, end_angle cumsum * 2 * pi / 100, mid_angle (start_angle end_angle) / 2, label_x 1.3 * sin(mid_angle), label_y 1.3 * cos(mid_angle) ) # 颜色方案 my_colors - c(#E5D2DD, #53A85F, #F1BB72, #F3B1A0, #D6E7A3, #57C3F3, #476D87, #E59CC4, #AB3282, #23452F, #BD956A) # 绘图 donut_plot - ggplot(health_data) geom_bar(aes(x 2.5, y ratio, fill disease), stat identity, width 1, color white) coord_polar(theta y, start -pi/2) # 从12点位置开始 xlim(c(0.8, 3.0)) scale_fill_manual(values my_colors) geom_text_repel( aes(x label_x, y label_y, label paste0(disease, : , ratio, %)), size 3.5, segment.color gray50, box.padding 0.6, max.overlaps 15, min.segment.length 0.2 ) labs(title 男性健康问题分布环形图) theme_void() theme( plot.title element_text(hjust 0.5, face bold, size 14), legend.position none ) # 导出 ggsave(health_donut.png, plot donut_plot, width 8, height 6, dpi 300)最佳实践建议始终从12点位置开始设置start -pi/2导出时使用高DPI300及以上确保印刷质量对于学术用途考虑添加图例说明颜色编码动态调整xlim和标签半径获得最佳空心比例