R防止饼图重叠

我的数据如下：

 VariantClass   PASS_ONTARGET
  Silent            50.30
  Missense          47.00
  Nonsense           0.74
  Startloss          0.26
  Stoploss           0.74
  Frameshift-indel   0.61
  Inframe-indel      0.35

我生成饼图的代码是：

    data <- read.table(file=Infilename, header=T, sep="\t")
    png(filename=Outfilename,height=4000,width=5000,res=600)
    y<-data$PASS_ONTARGET
    color<-c("blue","green","light blue","orange","purple","red","yellow")
    names<-c(data$VariantClass)
    pie(y, labels=names, font=2, main="Variant Class Distribution", clockwise = FALSE, density = NULL, col = color, border = NULL, lty = NULL)
    legend("topright",legend=names,cex=1.0, bty="n", fill=c(color))
    dev.off()

---

data使半径变大并缩小标签

pie(<your other arguments>, radius = 1, cex = 0.3)



为了完整性，这里有帕累托图和瀑布图。打印前需要计算累积y值

dataset2%
排列（描述（变量类））%>%
变异(
累计通过目标=累计总数（累计通过目标）
)

帕累托图是条形图+累计总线。它比条形图提供更多的信息，如果你想回答诸如“我需要包括多少个最大的类别才能达到总数的90%”之类的问题，条形图很有用。（这对于主成分分析很重要，因为帕累托图很常见。）但与标准条形图相比，它会挤压条形图

ggplot（数据集2）+
地理坐标（aes（变量类，通过目标））+
几何线（aes（作为整数（变量类），同时通过目标）+
coord_flip（）


瀑布图移动条以给出累计总数。这有点小众，因为它们只适用于查看累计总数：现在无法比较单个条。在这种情况下，帕累托图优于瀑布图

ggplot（数据集2）+
几何校正(
aes(
x=变量类，
xmin=as.integer（VariantClass）-0.45，
xmax=as.integer（VariantClass）+0.45，
ymin=cum_PASS_ONTARGET-PASS_ONTARGET，
ymax=目标的累计通过量
)
) + 
coord_flip（）
#>警告：忽略未知美学：x

恕我直言，请不要（永远）使用饼图。他们几乎没有提供任何信息。你的数据可以通过帕累托图（有无累积线）更好地交流。但我的上级要求我只放一个饼图。即使我不喜欢饼图，但这是一个更大的项目的要求。你能帮忙吗？啊，好吧，那么，你被卡住了：-（.谢谢，但是当我减少cex时，它会收缩到不可读的值。我想做的是增加标签的刻度，将它指向不同的区域，以锁定值嗯，然后你可能需要使用
text（）分别编写标签
既然您的其他组很小，为什么不将它们合并成一个“其他”组呢类别？无论如何，你都无法从饼图中准确估计每个小类别的大小。你引用的“将饼保存在甜点上”这篇文章很疯狂。在p1-3的构建中，它纠正了饼图的所有常见问题，并以p3底部所示的从部分到整体可视化的完美图形告终（包括标签和百分比！）。然后，它会在p8上做出错误的轴编号决定，并嘲笑p9上公认的令人讨厌的3D变体，从而让人从饼图中摆脱出来。饼从一部分到整体都可以立即识别。与所建议的帕累托图不同。MPGA。@RichieCotton，这是对你的后里奇的一个很好的更新，但我仍然认为t饼图更容易看到。我们想从这些数据中得出的结论是，只有沉默和错义类别才重要；其他所有类别对总量的贡献都是无关紧要的。如果将图例置于饼图扇区之上，并用组百分比替换0-25-50-75-100，则饼图将是均匀的更好。