如何用R绘制降序排列且仅显示前8项占比的饼图？

数据预处理与绘图代码 #

先对数据做排序、占比计算和标签标记，再用ggplot2生成符合需求的饼图：

1. 加载依赖包并处理数据 #

library(tidyverse)

# 你的原始数据
pie_data <- structure(list(job = structure(1:33, levels = c("08", "09", "17", "18", "19", "20", "23", "24", "25", "26", "27", "28", "31", "34", "35", "36", "37", "38", "43", "46", "48", "63", "66", "71", "72", "76", "78", "83", "85", "86", "88", "94", "96"), class = "factor"), N = c(41L, 11L, 203L, 162L, 224L, 28L, 3L, 56L, 2L, 176L, 4L, 13L, 108L, 31L, 3L, 11L, 32L, 30L, 395L, 25L, 2L, 1L, 1L, 155L, 79L, 9L, 15L, 71L, 389L, 12L, 21L, 2L, 3L)), class = "data.frame", row.names = c(NA, -33L))

# 数据预处理：降序排序、计算占比、生成标签
pie_data_processed <- pie_data %>%
  mutate(percent = round(N / sum(N) * 100, 1)) %>% # 计算占比并保留1位小数
  arrange(desc(N)) %>% # 按样本量降序排列
  mutate(
    job = factor(job, levels = job), # 锁定排序后的因子水平，保证饼图顺序
    is_top8 = row_number() <= 8, # 标记前8个热门岗位
    label = ifelse(is_top8, paste0(job, "\n", percent, "%"), "") # 仅为前8个岗位生成标签
  )

2. 绘制优化后的饼图 #

ggplot(pie_data_processed, aes(x = "", y = N, fill = job)) +
  geom_bar(stat = "identity", width = 1, color = "white") + # 绘制饼图基础
  coord_polar("y", start = 0) + # 转为极坐标实现饼图效果
  geom_text(aes(label = label), position = position_stack(vjust = 0.5), size = 3) + # 标签居中显示
  theme_void() + # 去除冗余的坐标轴、背景等元素
  guides(fill = guide_legend(title = "岗位代码", ncol = 2)) # 调整图例列数，避免拥挤

核心问题解决说明 #

• 排序问题：通过arrange(desc(N))对数据降序排序，再重置job的因子水平，确保饼图按样本量从大到小排列。
• 标签混乱问题：仅为前8个热门岗位生成包含代码和占比的标签，其余岗位不显示标签，既保留所有岗位的扇形样式，又避免标签重叠拥挤。

合适的R绘图包推荐 #

• ggplot2：你当前使用的包，是R生态中最灵活的可视化工具，支持高度定制化，能满足几乎所有静态饼图的需求，社区资源丰富，调试成本低。
• ggpie：基于ggplot2的扩展包，专门针对饼图优化，内置占比自动计算、标签位置调整等功能，能快速生成美观的饼图，减少重复代码。
• plotly：适合制作交互式饼图，用户可通过hover查看任意岗位的样本量和占比，完美解决类别过多难以对应代码与颜色的问题，适合需要交互展示的场景。
• treemapify：如果饼图的小扇形过多导致可读性极差，树状图是更优替代方案，能清晰展示不同岗位的占比层级关系，避免视觉混乱。

内容的提问来源于stack exchange，提问作者jc y