來源：AI入門學(xué)習(xí)

作者：伍正祥

一、名稱怎么來的

在克里米亞戰(zhàn)爭期間，南丁格爾發(fā)現(xiàn)戰(zhàn)地醫(yī)院的衛(wèi)生條件惡劣導(dǎo)致很多士兵死亡。因此，她開始研究傷員的死亡和衛(wèi)生環(huán)境的關(guān)系，并試圖用統(tǒng)計數(shù)據(jù)說服維多利亞女王改善軍事醫(yī)院的衛(wèi)生條件。但是她也擔(dān)心，女王那么忙，沒有時間看她那厚厚的報告和那些復(fù)雜的表格數(shù)據(jù)。于是，她設(shè)計了上面的這個生動又有趣的圖表，巧妙的展示了部隊醫(yī)院季節(jié)性的死亡率。她自己給它取名叫雞冠花圖（coxcomb）。

我們先來看看最早的南丁格爾玫瑰圖展示了什么樣的數(shù)據(jù)。這張圖展示的是1854年4月到1855年3月這一年間士兵的死亡情況。其中:

1）綠色表示死于可預(yù)防疾病的士兵人數(shù);

2）紅色表示死于槍傷的人數(shù);

3）黑色表示死于其他意外的人數(shù)。

從圖中可以看出，在這一年間，死亡人數(shù)最多的并不是在戰(zhàn)爭中受槍傷（紅色部分），大部分的士兵是死于可預(yù)防疾?。ňG色部分），特別是冬天的時候（1854年11月-1855年2月），死于可預(yù)防疾病的士兵人數(shù)大幅增加。這也反映出醫(yī)院的衛(wèi)生條件、保暖對于傷員的康復(fù)是多么的重要。因此，才說服了女王大人改善醫(yī)院條件。

二、玫瑰圖怎么用

這么有氣質(zhì)的圖表，我們來看看經(jīng)過這么多年的發(fā)展，大家都是怎么用的。盡管外形很像餅圖，但本質(zhì)上來說，南丁格爾玫瑰圖更像在極坐標(biāo)下繪制的柱狀圖或堆疊柱狀圖。只不過，它用半徑來反映數(shù)值（而餅圖是以扇形的弧度來表示數(shù)據(jù)的）。但是，由于半徑和面積之間是平方的關(guān)系，視覺上，南丁格爾玫瑰圖會將數(shù)據(jù)的比例夸大。因此，當(dāng)我們追求數(shù)據(jù)的準(zhǔn)確性時，玫瑰圖不一定是個好的選擇。但反過來說，當(dāng)我們需要對比非常相近的數(shù)值時，適當(dāng)?shù)目浯髸兄诜直妗?

1. Facebook 和 twitter的用戶對比

1）圖表中包括性別、年齡、教育、收入等11個分類的對比信息指標(biāo)，每個指標(biāo)占用的圓周的角度相同，即任一指標(biāo)的扇區(qū)角度為（360/11=32.723度）。

2）在“Gender”，“Income”，“Age”，“Education”四個指標(biāo)中，又被分別劃成幾個不同的區(qū)段。

2、新冠肺炎全球疫情形勢

三、玫瑰圖怎么畫

案例1：facebook數(shù)據(jù)

直接使用上面facebook的數(shù)據(jù)，關(guān)注公眾號AI入門學(xué)習(xí)回復(fù)【facebook】獲取csv文件，用R語言畫個示例，數(shù)據(jù)格式需要長格式，如下：

#facebooks數(shù)據(jù) library(ggplot2)
facebook = read.csv("facebook.csv",header=T,stringsAsFactors = FALSE)
ggplot(facebook, aes(x = 類別1,y=比例,fill = 類別2)) + 
geom_bar(alpha = 0.93,stat="identity") + 
coord_polar()+ 
theme_bw()+ 
theme(panel.background = element_rect(fill = "black"))+
theme(axis.text = element_blank())+  
theme(axis.ticks = element_blank())+# 去掉左上角的刻度線 theme(axis.title = element_blank())+  
theme(legend.position = 'none')+# 去掉圖例 theme(panel.border = element_blank())+# 去掉外層邊框

 theme(panel.background = element_rect(fill = "black"))+ #黑色背景 theme(panel.grid.major.x = element_line(colour = 

"SpringGreen2", size = 0.3))+ #網(wǎng)格線設(shè)置     theme(panel.grid.major.y =

 element_line(colour = "SpringGreen2", size = 0.3))+ #網(wǎng)格線設(shè)置   ylim(-0.3,1.1)+
scale_fill_discrete(c=1000, l=100)
ggsave('rose.png',dpi = 1080)#保存為高清格式，dpi越大越清晰

圖形如下，可以根據(jù)個人喜好對顏色進(jìn)行切換，當(dāng)然，各種標(biāo)注，可以在PPT中完成，多個對比的，也可以在PPT中進(jìn)行拼接。

用R自帶數(shù)據(jù)集畫一個不帶網(wǎng)格線的

dsmall = diamonds[sample(nrow(diamonds),5000),]
ggplot(dsmall, aes(x = clarity,  fill = cut)) + 
geom_bar(alpha = 0.85) + 
coord_polar() + 
theme_bw() + 
theme(panel.background = element_rect(fill = "black"))+
theme(axis.text = element_blank())+  
theme(axis.ticks = element_blank())+# 去掉左上角的刻度線 theme(axis.title = element_blank())+  
theme(legend.position = 'none')+# 去掉圖例 theme(panel.border = element_blank())+# 去掉外層邊框 

theme(panel.background = element_rect(fill = "black"))+ #黑色背景 theme(panel.grid=element_blank())+
ylim(-50,1000)+
scale_fill_manual(values = alpha(c("DarkOrchid1",  "SpringGreen", "Magenta","Cyan","OrangeRed1")))
ggsave('rose.png',dpi = 1080)

案例2：多圖組合

首先，介紹個函數(shù)，多個圖組合到一起的

multiplot <- function(..., plotlist=NULL, file, cols=1, layout=NULL) {
      library(grid)
      plots <- c(list(...), plotlist)
      numPlots = length(plots)
      if (is.null(layout)) {
        layout <- matrix(seq(1, cols * ceiling(numPlots/cols)),
                         ncol = cols, nrow = ceiling(numPlots/cols))
      }

     if (numPlots==1) {
        print(plots[[1]])
      } else {
        grid.newpage()
        pushViewport(viewport(layout = grid.layout(nrow(layout), ncol(layout))))
        for (i in 1:numPlots) {
          matchidx <- as.data.frame(which(layout == i, arr.ind = TRUE))
          print(plots[[i]], vp = viewport(layout.pos.row = matchidx$row,
                                          layout.pos.col = matchidx$col))
        }
      }
    }

開始繪圖部分，下六組數(shù)據(jù)替換分別跑一次，得到 p1,p2,p3,p4,p5,p6，然后用上面定義的函數(shù)組合即可

par(mar=c(0,0,0,0)) #c(4,3,8,2,2,1) #c(4,3,5,2,2,10) #c(15,3,5,8,2,8) #c(1,3,5,3,2,8)

 #c(1,3,9,3,2,3) #c(2,12,9,3,2,3) data = data.frame(value= c(2,12,9,3,2,3), type = c('B','A','C','D','E',F))
p1 =
ggplot(data, aes(x =type, y=value, fill=type)) + 
geom_bar(stat = "identity", alpha = 0.99) + 
coord_polar() + 
theme_bw() + 
theme(panel.background = element_rect(fill = "black"))+
theme(axis.text = element_blank())+  
theme(axis.ticks = element_blank())+# 去掉左上角的刻度線 theme(axis.title = element_blank())+  
theme(legend.position = 'none')+# 去掉圖例 theme(panel.border = element_blank())+# 去掉外層邊框 theme(panel.background = 

element_rect(fill = "black"))+ #黑色背景 theme(panel.grid=element_blank())+
scale_fill_manual(values = alpha(c("OrangeRed1", 'gray91',"SpringGreen", "Magenta","Cyan", "DarkOrchid1")))
multiplot(p1,p2,p3,p4,p5,p6,cols=3)

結(jié)果如下：

重新替換一批數(shù)據(jù)得到下圖