如何优化条形图上的数值标签以提升可读性

一、先做数据预处理（清理+统计计算） #

先处理数据中的NA、大小写不一致问题，同时提前计算好每个分类的计数与百分比，这样绘图逻辑更清晰，也能避免动态计算带来的问题：

library(dplyr)
library(ggplot2)

# 示例数据
UnnestQ3 <- data.frame(Q3 = c ("mail", "email", "mail", "mail", 
                              "Demonstration", "Videos (Ex: Youtube)",
                              "Podcast", "Podcast", "mail"), 
                       Gender = c ("male", "male", "female", "male", "female", "NA", "NA", "Other", "Male"))

# 数据清理+统计计算
clean_data <- UnnestQ3 %>%
  # 把字符型"NA"转为真正的缺失值并过滤
  mutate(Gender = na_if(Gender, "NA")) %>%
  filter(!is.na(Gender)) %>%
  # 统一Gender的大小写格式
  mutate(Gender = tolower(Gender)) %>%
  # 按沟通方式分组，计算计数和整体占比
  group_by(Q3) %>%
  summarise(count = n(), .groups = "drop") %>%
  mutate(percent = round(count * 100 / sum(count), 1),
         # 用换行格式化标签，避免文字拥挤
         label = paste0(count, "\n(", percent, "%)"))

二、优化后的绘图代码 #

基于预处理好的数据，调整标签位置、布局，提升可读性：

ggplot(clean_data, aes(x = reorder(Q3, count), y = count, fill = Q3)) +
  geom_bar(stat = "identity", width = 0.75) +
  # 把标签放在条形外侧（翻转后为顶部），避免遮挡条形
  geom_text(aes(label = label), hjust = -0.1, size = 3.5, color = "black") +
  coord_flip() +
  theme_minimal(base_size = 10) +
  # 去除冗余图例，给标签留出右侧空间
  theme(legend.position = "none",
        plot.margin = margin(10, 40, 10, 10)) +
  labs(x = "沟通方式",
       y = "总响应数(N)") +
  scale_fill_viridis_d(option = "plasma")

三、关键优化点说明 #

• 提前统计计算：避免在geom_text中用动态变量..count..，代码更易维护，也能灵活调整百分比计算逻辑（比如按分组内占比还是整体占比）
• 标签格式化：用\n换行拆分计数和百分比，解决文字拥挤问题；调整hjust参数让标签避开条形区域
• 排序优化：用reorder(Q3, count)让条形按计数从高到低排列，视觉上更易读取规律
• 布局调整：扩大右侧边距给标签留足空间，移除不必要的图例减少干扰

四、针对1300条大数据量的额外建议 #

如果实际数据分类较多：

• 合并占比极低的分类（比如<1%的统一归为"其他"），避免条形过密
• 适当缩小标签字体（比如size=3），或仅显示占比超过阈值的标签
• 把条形宽度调整到0.6-0.7，降低拥挤感

内容的提问来源于stack exchange，提问作者Corrin Winter