如何在3级层次结构上应用sunburstR？

我们如何表示表中的所有不同层次结构？i、 e

• 佩鲁库伊
• 根据
• 佩鲁苏伊

某种条形图/堆叠条形图没有帮助

此外，sunburstR可能太过恭维而无法实现

您能建议我们如何在一个绘图/图表中表示所有这些层次结构吗

library(tidyverse)

df <- data.frame(item = c("apple","orange","apple","banana","apple","apple"),
+                 cust = c(rep("john",2),"papa","john",rep("jerry",2)),
+                 shop = c("shop1","shop2",rep("shop1",2),rep("shop2",2)),
+                 sales = c(12,13,6,8,10,9)
+                 )

df_m <- df %>% 
+   group_by(cust,item) %>%
+   mutate(per_c_i = 100*sales/sum(sales)) %>%
+   group_by(item) %>%
+   mutate(per_c = 100* per_c_i / sum(per_c_i))

df_c <- merge(df,df_m, by = c("cust","item","shop","sales")) %>%
+   group_by(shop,item) %>%
+   mutate(per_s_i = 100*per_c/sum(per_c)) 

df_c
# A tibble: 6 x 7
# Groups:   shop, item [4]
  cust  item   shop  sales per_c_i per_c per_s_i
  <fct> <fct>  <fct> <dbl>   <dbl> <dbl>   <dbl>
1 jerry apple  shop2    10    52.6  17.5    52.6
2 jerry apple  shop2     9    47.4  15.8    47.4
3 john  apple  shop1    12   100    33.3    50  
4 john  banana shop1     8   100   100     100  
5 john  orange shop2    13   100   100     100  
6 papa  apple  shop1     6   100    33.3    50  

# Attempt via ggplot
df_c %>%
  ggplot(aes(x = cust, 
             y = per_s_i, 
             fill = item)) +
  geom_bar(stat = "identity"#, position=position_dodge()
  ) +
  geom_col() + 
  coord_flip()

df_c %>% knitr::kable()

库（tidyverse）
df%
+变异（每单位销售额=100*销售额/总额（销售额））%>%
+分组依据（项目）%>%
+变异（每立方=100*每立方/总和（每立方））
df_c%
+分组依据（车间、项目）%>%
+变异（每平方米=100*每平方米/总和（每平方米））
df_c
#一个tibble:6x7
#分组：商店，项目[4]
客户商品商店每_c_i每_c每_s_i的销售额
1杰瑞苹果店2 10 52.6 17.5 52.6
2杰瑞苹果店2 9 47.4 15.8 47.4
3 john apple Shop112 100 33.3 50
4约翰香蕉店1 8 100 100
5约翰橙店2 13 100 100
6爸爸苹果店16 100 33.3 50
#通过ggplot尝试
df_c%>%
ggplot（aes（x=cust，
y=每平方米，
填充=项目）+
geom_条（stat=“identity”#，position=position_道奇（）
) +
geom_col（）+
coord_flip（）
df_c%>%knitr:：kable（）

应用SunburstR但不渲染图像

库（d3r）
图书馆（sunburstR）
df_s%
重命名（“级别1”=“客户”，
“level2”=“物品”，
“三级”=“车间”）
tree数据可视化本质上是主观的，有许多方法可以可视化数据，“最佳”方法将在很大程度上取决于数据上下文和研究者偏好

由于您基本上使用的是三向设计（“cust”、“item”和“per”），因此很难在单个绘图中有效地捕获所有这些信息。一种选择是使用刻面，这样您就可以在不同的面板中显示每个变量。为了做到这一点，您需要将数据从宽格式转换为长格式，以便您感兴趣的变量（“per”变量）位于单个列中，宽列名作为一个新的因素

# Reshape the data from wide to long
library(reshape2)
df_l <- melt(df_c[colnames(df_c) %in% c("cust", "item", "per_c_i", "per_c", "per_s_i")], 
             id.vars = c("cust", "item"))

#plot the data, faceting by 'hierarchy'
ggplot(df_l, aes(x = cust, y = value, fill = item)) +
  geom_bar(stat = "identity", position = position_dodge()) +
  facet_grid(rows = vars(variable))

#将数据从宽改为长
图书馆（E2）
东方舟
# Reshape the data from wide to long
library(reshape2)
df_l <- melt(df_c[colnames(df_c) %in% c("cust", "item", "per_c_i", "per_c", "per_s_i")], 
             id.vars = c("cust", "item"))

#plot the data, faceting by 'hierarchy'
ggplot(df_l, aes(x = cust, y = value, fill = item)) +
  geom_bar(stat = "identity", position = position_dodge()) +
  facet_grid(rows = vars(variable))