华东师范大学校徽
华东师范大学社会发展学院标志
School of Social Development
多源数据分析与实践 · Week 4
01 / 22

第三章 重点解析

主讲人：刘贇喆 副教授 | 华东师范大学 社会发展学院
数据可视化导论 · ggplot2 包 · 常用图形 · 制图规范 · 可视化美化
目录
02 / 22
1.0 数据可视化导论
03 / 22

SECTION01 / 05

1.0数据可视化导论

Introduction to Data Visualization

1.0 数据可视化导论
04 / 22

探索与诊断

Explore & Diagnose

统计摘要很接近，数据的形态也会一样吗？

ANSCOMBE’S QUARTET · 1973

四组数据，一组相近的摘要

每组观测
11 条
均值
x = 9 · y ≈ 7.50
样本方差
x = 11 · y ≈ 4.12–4.13
相关与拟合
r ≈ 0.816 · ŷ ≈ 3 + 0.5x
看图后，差异才显现
  1. I近似线性
  2. II弯曲关系
  3. III纵向离群点
  4. IV高杠杆点

Anscombe（1973）构造的教学数据；四组各 11 条，并非现实观察样本。

? 相近的统计量，能讲完数据的故事吗？ 点击左侧按钮，对照四幅散点图
四组同尺度 观测点 线性拟合
安斯库姆四重奏。四组各有 11 个观测，散点形态分别呈现近似线性、弯曲、一个纵向离群点，以及一个影响拟合线的高杠杆点。 安斯库姆四重奏。四组各有 11 个观测，散点形态分别呈现近似线性、弯曲、一个纵向离群点，以及一个影响拟合线的高杠杆点。
四组横纵轴范围一致；蓝点为观测，橙线为线性拟合。
1.0 数据可视化导论
05 / 22

解释与推断

Explain & Infer

图形提示差异与走势；解释原因仍需研究设计

THREE READING TASKS

从数据中看见什么？

点击任务切换图形；把鼠标移到数据点，可查看对应观测。

图形展示可核查的观测与模型结果；不能仅凭图中的关系作因果判断。

OBSERVED DATA · 2007–2009

三种企鹅的体重分布

悬停读数 · 拖拽缩放

正在准备可交互图…

原始点保留组内差异；菱形标出各组中位数。 Palmer Penguins，体重有效记录 342 只；Horst、Hill 与 Gorman（2020），CC0。
1.0 数据可视化导论
06 / 22

沟通与传播

Communicate & Share

同一数据，三种表达。

THREE VIEWS

从摘要到证据

共同尺度，先读变化方向与幅度。

城市人口占比 · 七地区中位数

世界银行城市人口占比哑铃图：七个地区各经济体的 1990 年和 2023 年中位数对比，七组的 2023 年端点都更高。 世界银行城市人口占比哑铃图：七个地区各经济体的 1990 年和 2023 年中位数对比，七组的 2023 年端点都更高。
来源：世界银行 WDI（1990、2023）。区域中位数按经济体等权；各国城市定义有差异。图示仅作描述。
1.0 数据可视化导论
07 / 22

《天演论》与信、达、雅

Yan Fu's Principles of Translation

“译事三难：信、达、雅。”

“求其信已大难矣”

“顾信矣不达，虽译犹不译也”

“故信达而外，求其尔雅”

严复《天演论·译例言》 · 1898 · 节引
2.0 ggplot2 包
08 / 22

SECTION02 / 05

2.0ggplot2 包

The ggplot2 Package

2.0 ggplot2 包
09 / 22

ggplot2：把作图写成语法

The Grammar of Graphics in R

ggplot2tidyverse 核心可视化包

语法来源借鉴 Leland Wilkinson《The Grammar of Graphics》，Hadley Wickham 开发了 ggplot2。

BUILD A GRAPH · 由下向上
一层一层出图00 / 04

从数据到图形，逐层组合

ggplot2 语法
DATADatasetdata_plot %>%
AESAesthetics ggplot(aes(x = date, y = uempmed)) +
GEOMGeometric objects geom_line() +
LABS + THEMELabels + theme labs(x = "年份", y = "周") + theme_minimal()

%>% 把数据送入 ggplot()；+ 继续添加图层与设置。

2.0 ggplot2 包
10 / 22

一张图如何“写”出来？

Data · Aesthetics · Geometry · Presentation

BUILD A GRAPH · 由下向上
R CODE · 数据
本层新增01 / 04
library(tidyverse)
data_plot <- ggplot2::economics %>%
  filter(date >= as.Date("2007-01-01"),
         date <= as.Date("2015-04-01")) %>%
  select(date, uempmed)
head(data_plot)
数据预览

100 条月度记录

真实数据 · 主题适配示意
head(data_plot) 前 6 / 100 行
#date <date>uempmed <dbl> · 周
12007-01-018.3
22007-02-018.5
32007-03-019.1
42007-04-018.6
52007-05-018.2
62007-06-017.7
10152025 2008201020122014 尚未添加 geom 图层 美国失业持续时间中位数
head(data_plot) 显示前 6 行；作图使用全部 100 行。FRED UEMPMED · 2007—2015
2.0 ggplot2 包
11 / 22

只换 geom，换出三种图

Same Data · Same Mapping · Three Geometries

geom_gallery.R
数据
library(tidyverse)
data_plot <- ggplot2::txhousing %>%
  filter(city == "Houston", year == 2013)
共用映射与坐标
base_plot <- data_plot %>%
  ggplot(aes(x = month, y = sales)) +
  scale_x_continuous(breaks = 1:12, limits = c(.5, 12.5)) +
  scale_y_continuous(limits = c(0, 9000),
                     breaks = c(0, 3000, 6000, 9000)) +
  labs(x = "月份", y = "成交套数") +
  theme_minimal(base_size = 16)
只替换 geom点击查看对应图形

等待绘制图层

base_plot+geom_…

点击左侧任意 geom，查看它生成的图形。

选择一种 geom，图形将在这里放大呈现。12 个月 · 图色随主题适配
3.0 常用图形
12 / 22

SECTION03 / 05

3.0常用图形

Common Chart Types

3.0 常用图形
13 / 22

先问目的，再选图

Start with the Question, Then Choose a Chart

哪一类更大？

随时间如何变化？

变量如何一起变化？

数值集中在哪？

各部分占多少？

差异出现在哪里？

4.0 制图规范
14 / 22

SECTION04 / 05

4.0制图规范

Figure Design Guidelines

4.0 制图规范
15 / 22

一张图，要交代什么？

A Chart Should Explain Itself

READ THE CHART核对四处

先辨认对象、时间和变量，再核对尺度、编码与来源。

HOUSING SALES · HOUSTON MLS

Houston MLS 区域月度住房成交量

2012—2013 年 · 每月一条记录

20122013
Houston MLS 区域 2012 与 2013 年每月住房成交套数折线图 横轴为 1 至 12 月，纵轴为成交套数。2012 年用青色虚线，2013 年用金色实线。2013 年各月成交套数均高于 2012 年同月。
数据来源 ggplot2::txhousing统计口径 Houston MLS 区域 · 当月成交套数（24 条有效记录）
4.0 制图规范
16 / 22

这张图，哪里会误导？

What Makes a Chart Misleading?

观察 017 月成交量看起来比 6 月高出多少？
2013 年 Houston MLS 区域 6 月与 7 月成交套数柱形图 6 月 7935 套，7 月 8468 套。纵轴刻度显示 7500、8000 和 8500。 成交套数（套） 8,5008,0007,500 7,9358,468 6 月7 月

01 / 06图中数值来自 ggplot2::txhousing · Houston MLS 区域

5.0 可视化美化
17 / 22

SECTION05 / 05

5.0可视化美化

Visual Styling

5.0 可视化美化
18 / 22

先准确，再美化

Accuracy Before Styling

同一数据、同一尺度，只调整信息的呈现方式。

01 / 基础图信息完整，重点尚不突出
Houston MLS 区域 2013 年 12 个月成交量折线图，完整网格、图例和刻度。Houston MLS 区域 2013 年 12 个月成交量折线图，完整网格、图例和刻度。

12 个月的成交套数均真实呈现；较密的网格分散了注意力。

02 / 精修图弱化干扰，直接标注重点
同一组十二个月数据和零至九千套的纵轴；显示全部月份，标注一月最低四千二百七十三套、七月最高八千四百六十八套及月均约六千七百三十七套的虚线。同一组十二个月数据和零至九千套的纵轴；显示全部月份，标注一月最低四千二百七十三套、七月最高八千四百六十八套及月均约六千七百三十七套的虚线。

数值与 0—9,000 纵轴不变；标出最高、最低点和月均虚线。

5.0 可视化美化
19 / 22

均值之外，看见分布

Beyond the Mean

01 / 概括位置均值点图
三种企鹅有效体重记录的均值点图：Adelie 和 Chinstrap 约三千七百克，Gentoo 约五千零七十六克。三种企鹅有效体重记录的均值点图：Adelie 和 Chinstrap 约三千七百克，Gentoo 约五千零七十六克。

每组一个均值，适合快速比较中心位置；组内差异尚未呈现。

02 / 分布与比较云雨图
三种企鹅 342 条有效体重记录的云雨图：每组左侧是按 100 克分箱的原始观测方点阵，中央为箱线，右侧为半小提琴。Dunn 两两秩比较经 Holm 校正，Adelie 与 Chinstrap 为 ns，另外两组为三颗星。三种企鹅 342 条有效体重记录的云雨图：每组左侧是按 100 克分箱的原始观测方点阵，中央为箱线，右侧为半小提琴。Dunn 两两秩比较经 Holm 校正，Adelie 与 Chinstrap 为 ns，另外两组为三颗星。

100 g 分箱点阵；Dunn–Holm：ns 不显著，*** 为 P < 0.001。

5.0 可视化美化
20 / 22

色盘实验室

Color and Shape Change How We Read Charts

固定 142 个点，比较配色与点形的可读性。

COLOR LAB / 01

同一幅图，换配色与点形

数据和坐标始终不变。

选择分类色盘

柔和色相，适合看整体。

选择散点样式

类别用离散色；检查投影与灰度辨识。

数值连续用顺序色带；有基准的偏差用发散色带。

影视配色只作灵感；图上色值已调校。

GAPMINDER · 2007收入与预期寿命每点 = 一个国家或地区
2007 年 142 个国家或地区的人均 GDP 与预期寿命散点图 横轴为经通胀调整的人均 GDP 美元，采用十为底的对数刻度；纵轴为预期寿命，单位是岁。颜色表示五大洲，当前点形按大洲区分。切换配色或点形不会改变数据和坐标。
非洲 · 52美洲 · 25亚洲 · 33欧洲 · 30大洋洲 · 2

数据：Gapminder 2007 · 142 个国家或地区；颜色和点形表示大洲，坐标不变。

5.0 可视化美化
21 / 22

配色灵感：从画面到图表

From Images to Charts

顶刊图配色

PNAS

配色灵感

社交媒体

影视作品

《你的名字。》

日常场景

相机与小狗
多源数据分析与实践 · Week 4
22 / 22

Thanks

第四周：第三章 重点解析

主讲人：刘贇喆 副教授 | 华东师范大学 社会发展学院
滚轮 / 方向键 / 空格切换