数据和代码获取：请查看主页个人信息！！！

载入R包

rm(list=ls())
library(tidyverse)
library(ggalt) # devtools::install_github("hrbrmstr/ggalt")
library(scales)

数据载入

health <- read.csv("health.csv")
areas <- read.csv("areas.csv")

数据整理

health <-
 health %>%
 mutate(area_id=trunc(area_id)) %>%
 arrange(area_id, pct) %>%
 mutate(year=rep(c("2014", "2013"), 26),
        pct=pct/100) %>%
 left_join(areas, "area_id") %>%
 mutate(area_name=factor(area_name, levels=unique(area_name)))
​
health <- setNames(bind_cols(filter(health, year==2014), filter(health, year==2013))[,c(4,1,5)],
        c("area_name", "pct_2014", "pct_2013"))

• 将 health 数据集中的 area_id 列四舍五入为整数。

• 根据 area_id 和 pct 列对数据集进行排序。

• 在数据集中添加一个 year 列，其值分别为 "2014" 和 "2013"，并将 pct 列的值除以 100。

• 将 areas 数据集与 health 数据集进行左连接，连接键为 area_id 列。

• 将 area_name 列转换为因子，并按唯一值的顺序设置其水平。

• 将 health 数据集中的 year 为 2014 和 2013 的数据分别筛选出来，并将它们合并成新的数据集。最后，将列重命名为 "area_name"、"pct_2014" 和 "pct_2013"。

可视化

txt_col <- "black"
gg <- ggplot(health, aes(x=pct_2014, xend=pct_2013, y=area_name, group=area_name)) +
 geom_dumbbell(colour="#a3c4dc", size=1.5, colour_xend="#0e668b",
                        dot_guide=TRUE, dot_guide_size=0.15) +
 scale_x_continuous(label=percent) +
 labs(x=NULL, y=NULL) +
 theme_bw() +
 theme(plot.background=element_rect(fill="#f7f7f7"),
       panel.background=element_rect(fill="#f7f7f7"),
       panel.grid.minor=element_blank(),
       panel.grid.major.y=element_blank(),
       panel.grid.major.x=element_line(),
       axis.ticks=element_blank(),
       legend.position="top",
       panel.border=element_blank())
gg
​
ggsave('pic.png', width = 5, height = 5)

 

• ggplot() 函数指定了基本图形，并设置了 x、xend、y 和 group 的美学映射。

• geom_dumbbell() 函数创建了 dumbbell 图，用于表示两个时间点之间的变化。参数设置了线的颜色、粗细、点的颜色和指导线的长度。

• scale_x_continuous() 函数将 x 轴标签格式化为百分比。

• labs() 函数设置了 x 和 y 轴的标签为 NULL。

• theme_bw() 函数设置了基本的黑白主题，并通过 theme() 函数进一步调整了图的样式，包括背景颜色、网格线、轴标记和图例位置。

• ggsave() 函数保存了绘制的图形到名为 "pic.png" 的文件中，指定了图形的宽度和高度。