如何在R中创建特定气泡图并统计行业Top5出现次数

需求说明 #

• 核心目标：新增一列，统计每个industry1在对应cnty1的Top5雇主列表中出现的次数
• 气泡图要求：
  • 横轴：升序排列的cnty1（区县代码）
  • 纵轴：行业进入Top5雇主列表的总次数
  • 不同行业用不同颜色的点区分
  • 点的大小：对应行业在该cnty1下进入Top5的次数（例如cnty='003'的每个点数值标签为1，因各行业每季度仅在Top5中出现1次）

样本数据及预处理代码 #

year1 <- c(2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020)
qtr1 <- c(01,01,01,01,01,01,01,01,02,02,02,02,02,02,02,02)
cnty1 <- c(003,003,001,003,031,031,003,005,001,003,003,007,031,001,003,017)
employment1 <- c(140,251,25,36,99,8415,2514,33141,20,14,185,220,336,901,12,5)
industry1 <- c(312,312,721,721,912,312,514,541,651,721,722,722,612,613,615,312)

dfemp <- data.frame(year1,qtr1,cnty1,employment1,industry1)
dfemp$date<- ymd(paste(dfemp$year1,dfemp$qtr1,"1",sep="-"))
dfemp <- dfemp %>% arrange(desc(date)) %>% group_by(date)%>%slice_max(order_by = employment1,n=5)

解决方案 #

1. 新增行业出现次数统计列 #

在预处理后的数据集基础上，按区县和行业分组计数，同时计算每个行业的总上榜次数：

library(dplyr)
library(lubridate)
library(ggplot2)

# 统计各行业在对应区县的Top5出现次数，及行业总上榜次数
dfemp_count <- dfemp %>%
  ungroup() %>%  # 取消原date分组
  group_by(cnty1, industry1) %>%
  summarise(count_top5 = n(), .groups = "drop") %>%
  group_by(industry1) %>%
  mutate(total_count = sum(count_top5)) %>%  # 行业总上榜次数（纵轴数据）
  ungroup() %>%
  mutate(cnty1 = factor(cnty1, levels = sort(unique(cnty1))))  # 横轴按区县代码升序排列

2. 绘制气泡图 #

用ggplot2实现符合要求的可视化：

ggplot(dfemp_count, aes(x = cnty1, y = total_count)) +
  geom_point(aes(color = factor(industry1), size = count_top5), alpha = 0.7) +
  geom_text(aes(label = count_top5), vjust = -0.5, size = 3) +  # 添加次数标签
  scale_size(range = c(3, 8)) +  # 调整气泡大小范围
  labs(
    x = "区县代码",
    y = "行业进入Top5雇主列表的总次数",
    color = "行业代码",
    size = "该区县下行业进入Top5的次数",
    title = "行业在各区县Top5雇主列表的出现情况"
  ) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

关键逻辑说明 #

• group_by(cnty1, industry1) %>% summarise(count_top5 = n())：核心统计逻辑，计算每个行业在对应区县的Top5上榜次数
• mutate(cnty1 = factor(...))：强制横轴按区县代码升序排列，避免默认的字母排序
• 气泡大小映射count_top5，颜色映射行业代码，同时添加数值标签直观展示次数

内容的提问来源于stack exchange，提问作者Tim Wilcox