如何用ggplot2在R中可视化含团队、地点及失败原因的数据集？

1. 数据格式转换（关键前提） #

你的数据集里reason_type1到reason_type4是宽格式结构，ggplot2对长格式数据的支持更友好，先将这部分转换为长格式：

library(tidyverse)

# 假设你的数据集名为 df
df_long <- df %>%
  pivot_longer(
    cols = starts_with("reason_type"),
    names_to = "failure_reason",
    values_to = "reason_ratio"
  ) %>%
  # 计算各失败原因对应的实际天数
  mutate(reason_fail_days = fail_days * reason_ratio)

2. 核心可视化代码（两种适配方案） #

方案一：堆叠柱状图（团队分组+地点配色+失败原因堆叠） #

适合直观对比同一团队在不同地点下，各失败原因的天数分布：

ggplot(df_long, aes(x = Group, y = reason_fail_days, fill = failure_reason, color = locat)) +
  geom_col(position = "stack", alpha = 0.8, size = 1) +
  # 可选：添加失败天数标签，提升可读性
  geom_text(aes(label = round(reason_fail_days, 1)), 
            position = position_stack(vjust = 0.5), size = 3) +
  labs(
    title = "各团队不同地点的失败天数及原因分布",
    x = "参赛团队",
    y = "失败天数",
    fill = "失败原因",
    color = "比赛地点"
  ) +
  theme_minimal() +
  theme(
    plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
    axis.text.x = element_text(angle = 45, hjust = 1)
  )

方案二：分面柱状图（按地点拆分展示） #

如果需要更清晰地按地点维度拆分查看各团队数据，分面布局会更合适：

ggplot(df_long, aes(x = Group, y = reason_fail_days, fill = failure_reason)) +
  geom_col(position = "stack", alpha = 0.8) +
  geom_text(aes(label = round(reason_fail_days, 1)), 
            position = position_stack(vjust = 0.5), size = 3) +
  facet_wrap(~locat, ncol = 2) # 可根据地点数量调整列数
  labs(
    title = "各地点下团队的失败天数及原因分布",
    x = "参赛团队",
    y = "失败天数",
    fill = "失败原因"
  ) +
  theme_minimal() +
  theme(
    plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
    axis.text.x = element_text(angle = 45, hjust = 1),
    strip.text = element_text(face = "bold", size = 10)
  )

3. 可视化优化建议 #

• 配色优化：用专业配色替换默认色，比如scale_fill_brewer(palette = "Set2")设置失败原因的填充色，scale_color_viridis_d()设置地点的边框色，避免颜色冲突。
• 数据简化：如果某类失败原因占比极低（比如<5%），可合并为“其他”类别，避免图表拥挤。
• 交互增强：结合plotly包将静态图转为交互式图表，点击可查看单条数据详情：

  library(plotly)
  ggplotly(your_ggplot_object)
  

• 辅助信息：添加各团队总失败天数标注，或绘制平均失败天数参考线，强化对比逻辑。
• 标签调整：团队名称过长时可缩短或换行，调整文字角度和大小，避免重叠。

内容的提问来源于stack exchange，提问作者Ollie