R 更改ggplot2条形图中条形图的形状

我有一些关于中国风能生产的数据。我将数据可视化为一个（圆形）条形图，最终目的是让它看起来像一个风车（是的，我知道这不是很好的“数据分析”，只是一点乐趣）。我如何才能将棒的形状从方形改为更像涡轮机上的叶片（理想情况下，只是通过改变棒的形状，尽管我猜使用grob可能是可行的） 圆形条形图的代码和数据：

---

data\u clean创建一个看起来像您想要的形状（例如风车叶片）的SVG路径，然后使用
geom\u polygon
在图形上任意位置绘制它。不久前我在我的博客上创建了一个教程：
这里有一个替代@ssp3nc3r的答案。免责声明：请原谅我完全无法充分绘制涡轮叶片。希望您能理解这个想法，但就像@ssp3nc3r的答案一样，您需要首先定义刀片。这是一个由7个点定义的刀片：

raw_blade <- data.frame(x=c(0.1,0.9,1,1,0.5,0,0),
                    y=c(0,0,4.5,8,10,8,4.5))

ggplot(raw_blade, aes(x,y)) + geom_polygon() + xlim(-4,4)


看起来非常合适！以下是极坐标版本：

p + coord_polar()

我太喜欢这个了。这里有一个基于geom多边形的快速geom_风车。其思想是使用一个自定义的Stat，它基于

库（ggplot2）
图书馆（网格）
ggplot（数据清洁，aes（x=年份，y=值，颜色=id，组=id））+
geom_风车（颜色=黑色），aes（填充=值_TWh））



ggplot（数据清洁，aes（x=年份，y=值，颜色=id，组=id））+
geom_风车（颜色=黑色），aes（填充=值_TWh））+
coord_polar（）



ggplot（数据清洁，aes（x=年份，y=值，颜色=id，组=id））+
geom_风车（颜色=黑色），aes（填充=值），span_x=2）



ggplot（数据清洁，aes（x=年份，y=值，颜色=id，组=id））+
geom_风车（颜色=黑色），aes（填充=值），span_x=2）+
coord_polar（）


geom_风车和stat_风车

stat_windmill <- function(mapping = NULL, data = NULL, geom = "polygon",
                          position = "identity", na.rm = FALSE, show.legend = NA, 
                          inherit.aes = TRUE, span_x = 1, ...) {
  layer(
    stat = StatWindmill, data = data, mapping = mapping, geom = geom, 
    position = position, show.legend = show.legend, inherit.aes = inherit.aes,
    params = list(na.rm = na.rm, span_x = span_x, ...)
  )
}

StatWindmill <- ggproto("StatWindmill", Stat,
                     compute_group = function(data, scales, span_x = 1) {
                       blade_frame <- data.frame(
                         x_map=c(0.15,0.85,0.95,0.95,0.5,0.05,0.05),
                         y = c(0,0,0.45,0.8,1,0.8,0.45)
                       )
                       new_x <- (data$x - span_x/2) + (span_x * blade_frame$x_map)
                       new_y <- data$y * blade_frame$y
                       new_blade <- data.frame(x=new_x, y=new_y)
                       new_blade
                      
                     },
                     
                     required_aes = c("x", "y")
)

geom_windmill <- function(mapping = NULL, data = NULL,
                         stat = "identity", position = "identity",
                         rule = "evenodd",
                         ...,
                         na.rm = FALSE,
                         show.legend = NA,
                         inherit.aes = TRUE) {
  layer(
    data = data,
    mapping = mapping,
    stat = StatWindmill,
    geom = GeomPolygon,
    position = position,
    show.legend = show.legend,
    inherit.aes = inherit.aes,
    params = list(
      na.rm = na.rm,
      rule = rule,
      ...
    )
  )
}



stat_windmill我不确定这是否可以做到，如果可以的话会很有趣。无论如何，在我看来，你的情节已经相当像风车了！谢谢你的详细和令人印象深刻的回答！因此，当我尝试运行行
my_blades@alex_stephenson时，这是for循环中的一个小错误，您需要将
group=rep（I，nrow（blade））
替换为
group=rep（I，nrow（blade_frame））
@chemdork干得好！看看我的数据-你会发现你基本上已经完成了工作！在添加分组变量后，Stat中的compute_group将为您进行分组，而不是创建这个复杂的for循环。你可以看到，已经没有for循环了！扩展统计数据实际上使做这类事情更加容易，分组也是ggplot最大的优点。啊，是的，我注意到了这个问题<代码>刀片
就是@Tjebo提到的
刀片框架
：-o我将进行编辑。@Tjebo-回答得很好，我喜欢将此作为自定义统计的想法（老实说，我不知道你能这么容易做到）。非常有用，即使您的目标不是创建风车：）惊人：我必须学习如何制作一些像这样的自定义统计数据，并使用
ggproto
对象。你让我的答案更清晰了。也许有人可以添加一个更好看的风车叶片，我们将有一个很好的团队努力。：）@chemdork123是一个非常（！）好的小插曲。一开始可能会让人望而生畏，但正如你所看到的，它实际上可以让事情变得更容易！当你需要创建你自己的grob绘图函数时，它会变得有点疯狂（我还不在那里）
p + coord_polar()

stat_windmill <- function(mapping = NULL, data = NULL, geom = "polygon",
                          position = "identity", na.rm = FALSE, show.legend = NA, 
                          inherit.aes = TRUE, span_x = 1, ...) {
  layer(
    stat = StatWindmill, data = data, mapping = mapping, geom = geom, 
    position = position, show.legend = show.legend, inherit.aes = inherit.aes,
    params = list(na.rm = na.rm, span_x = span_x, ...)
  )
}

StatWindmill <- ggproto("StatWindmill", Stat,
                     compute_group = function(data, scales, span_x = 1) {
                       blade_frame <- data.frame(
                         x_map=c(0.15,0.85,0.95,0.95,0.5,0.05,0.05),
                         y = c(0,0,0.45,0.8,1,0.8,0.45)
                       )
                       new_x <- (data$x - span_x/2) + (span_x * blade_frame$x_map)
                       new_y <- data$y * blade_frame$y
                       new_blade <- data.frame(x=new_x, y=new_y)
                       new_blade
                      
                     },
                     
                     required_aes = c("x", "y")
)

geom_windmill <- function(mapping = NULL, data = NULL,
                         stat = "identity", position = "identity",
                         rule = "evenodd",
                         ...,
                         na.rm = FALSE,
                         show.legend = NA,
                         inherit.aes = TRUE) {
  layer(
    data = data,
    mapping = mapping,
    stat = StatWindmill,
    geom = GeomPolygon,
    position = position,
    show.legend = show.legend,
    inherit.aes = inherit.aes,
    params = list(
      na.rm = na.rm,
      rule = rule,
      ...
    )
  )
}



data_clean <- structure(list(Type = c("Wind", "Wind", "Wind", "Wind", "Wind", 
                                      "Wind", "Wind", "Wind", "Wind", "Wind"), Year = c(2010, 2011, 
                                                                                        2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019), Value_TWh = c(49.4, 
                                                                                                                                                       74.1, 103, 138.3, 159.8, 185.6, 240.9, 303.4, 366, 405.7), id = 1:10, 
                             film_year = c("Year: 2010 . Energy Output: 49.4", "Year: 2011 . Energy Output: 74.1", 
                                           "Year: 2012 . Energy Output: 103", "Year: 2013 . Energy Output: 138.3", 
                                           "Year: 2014 . Energy Output: 159.8", "Year: 2015 . Energy Output: 185.6", 
                                           "Year: 2016 . Energy Output: 240.9", "Year: 2017 . Energy Output: 303.4", 
                                           "Year: 2018 . Energy Output: 366", "Year: 2019 . Energy Output: 405.7"
                             )), class = c("spec_tbl_df", "tbl_df", "tbl", "data.frame"
                             ), row.names = c(NA, -10L))