第18讲：图表美化、多图合并与交互式图表初探

数据挖掘与R语言

朱 奇

2026年11月03日

本讲导览

Polish, Compose & Interact — 项目四收官课

• 一、前课测验与导入
• 二、主题与标签

• 三、分面与拼接
• 四、坐标轴与交互

• 五、综合实战
• 六、项目四收官

重要

前三讲我们学会了用 ggplot2 画柱状图、折线图、散点图、箱形图和直方图——今天是项目四"数据可视化"的最后一课：让图表更专业、把多张图拼在一起排版、初步认识可交互的图表，并对整个项目四做一次总结。

本讲要用两个新包：patchwork（拼多图）和 plotly（做交互图）。第一次用到的那一页会当场写出 library()，先把包装好即可。

本讲学习目标

学完这一讲，你能够：

• 用 theme_minimal() 等内置主题和 theme() 微调，把"毛坯图"改成"精装图"
• 用 labs() 补齐标题、副标题、带单位的轴名和数据来源脚注
• 分清两种多图思路：facet_wrap() 拆着看，patchwork 拼着看（library(patchwork)）
• 用 scale_y_continuous(limits = ) 安排坐标轴的起止点，用 coord_cartesian() 放大局部而不删数据，并判断什么时候该抬高起点、什么时候必须从 0 起
• 用 ggplotly() 把静态图一键变成交互式图表（library(plotly)）

一、前课测验与情境导入

第 17 讲：直方图、散点图与箱形图 → 今天：让图更专业

1.1 选择题

1. 想看清纽约每日最高气温这一个数值变量的分布形态，最合适画： A. 条形图　B. 直方图　C. 箱形图　D. 折线图

2. 想在一张图上考察 company_data 里营收与成本这两个数值变量之间有没有关系，应该加的图层是： A. geom_col()　B. geom_point()　C. geom_boxplot()　D. geom_histogram()

1.2 填空题

3. 数据表中已经计算好了各公司的营业收入，现需要以公司名称为横轴、营业收入为纵轴绘制柱状图，应使用 geom_______()；数据表中有一列公司的信用评级（如 AAA、AA、A、BBB），现需要绘制各评级公司的数量对比柱状图，应使用 geom_______()。

4. 箱形图中，箱子两端的边是上、下四分位数，箱子盖住的是中间 ______% 的数据；须以外的点可能是 ______ 值。

提示

图选对了、结论读准了，还差最后一步——让图看起来专业。今天补这一步。

1.3 贯穿数据（一）：年度财务表

company_data 是项目四前三讲一直在用的教学虚构数据，今天当场生成、一键复现：

company_data <- data.frame(         # 12 家公司的年度财务表
  company = c("锦城科技", "蜀汉制造", "天府物流", "青羊金融",
              "锦江生物", "浣花实业", "武侯地产", "龙泉食品",
              "新都电子", "双流航运", "温江农科", "郫都建材"),
  revenue = c(1300, 980, 1560, 760, 2100, 890,   # 营收（万元）
              1180, 540, 1720, 1420, 360, 680),
  cost = c(1000, 650, 900, 500, 900, 620,        # 成本（万元）
           850, 380, 1180, 1010, 260, 540),
  rating = c("A", "B", "B", "C", "A", "C",       # 内部信用评级
             "B", "C", "C", "B", "C", "C")
)

#company_data <- company_data %>%    # 管道：在原表上追加一列
    # 利润 = 营收 − 成本

1.4 贯穿数据（二）：季度营收表

quarter_wide <- data.frame(         # 3 家公司 × 4 个季度
  company = rep(c("锦城科技", "蜀汉制造", "天府物流"),  # 公司名
                each = 4),          # 每家公司连续 4 行
  quarter = rep(c("Q1", "Q2", "Q3", "Q4"),   # 季度
                times = 3),         # 整组重复 3 遍
  revenue = c(300, 330, 305, 365,   # 锦城科技四个季度
              250, 260, 250, 220,   # 蜀汉制造四个季度
              290, 330, 400, 540)   # 天府物流四个季度
)

提示

两份数据的数字第 16 讲已逐个核对：12 家公司评级 A 类 2 家、B 类 4 家、C 类 6 家，利润合计 4700 万元，锦江生物 1200 万元第一；quarter_wide 四个季度三家合计 840／920／955／1125 万元，逐季走高——今天要把它"精装"一遍。

1.5 毛坯房：只画图形

上一讲大多数图的样子——不加主题、不加说明文字：

ggplot(airquality, aes(x = Temp)) + # 数据 + 映射：横轴每日最高气温
  geom_histogram(bins = 15)         # 图层：直方图，默认灰底

1.6 精装修：多写一行主题

数据、图形一个没动，只在末尾多写一行——放进年报里，哪张更让人愿意读下去？

ggplot(airquality, aes(x = Temp)) + # 数据 + 映射：完全没动
  geom_histogram(bins = 15) +       # 图层：还是同一张直方图
  theme_minimal()                   # 主题：一行代码换风格

二、主题与标签——让图表专业起来

一行代码，从"毛坯"到"精装"

2.1 内置主题：theme_xxx()

ggplot(faithful, aes(x = waiting, y = eruptions)) +  # 数据 + 映射
  geom_point(size = 2) +          # 图层：散点
  theme_classic()                 # 主题：换一种风格试试

提示

ggplot2 内置了 theme_minimal()、theme_classic()、theme_bw() 等多种主题，一行代码就能改变整体风格。把 theme_classic() 换成 theme_bw() 再跑一遍，看看区别。

2.2 【练习】给上节课的散点图换主题

照抄 2.1 的代码（模仿），用 faithful 画等待间隔与喷发时长的散点图，再依次把主题换成 theme_minimal()、theme_bw()、theme_classic()（练习）。

画完说一句：三种主题里，你更愿意把哪一种放进报告？为什么？

2.3 labs()——完善说明性文字

ggplot(airquality, aes(x = Temp)) + # 数据 + 映射
  geom_histogram(bins = 15,         # 图层：直方图
                 fill = "steelblue",  #       柱子填色
                 color = "white") +  #       柱子描边
  labs(title = "纽约每日最高气温分布",  # 标签：主标题
       subtitle = "1973 年 5—9 月",  #       副标题
       x = "气温（℉）",             #       横轴名（带单位）
       y = "天数",                  #       纵轴名（带单位）
       caption = "数据来源：airquality（R 内置数据集）")  # 脚注：来源

提示

title 点明主题，subtitle 交代范围，轴名必须带单位，caption 说明来源——专业图表这四处缺一不可。airquality$Temp 共 153 条、无缺失，范围 56—97℉，其中 73 天在 80℉ 以上。

2.4 【练习】给贯穿数据补全标签

用 quarter_wide 画四个季度的营收合计折线图（提示：先 summarise() 按 quarter 汇总，再 geom_line()），补上标题、带单位的轴名和 caption（练习）。

geom_line() 和 summarise() 都是第 16 讲学过的，这里只是换成刚生成的数据。

2.5 theme()——在主题上精细调整

ggplot(mtcars, aes(x = factor(cyl), y = mpg, fill = factor(cyl))) +  # 数据 + 映射
  geom_boxplot() +                # 图层：箱形图
  labs(title = "不同气缸数汽车的油耗分布",  # 标签：标题
       x = "气缸数", y = "每加仑英里数（mpg）") +  # 轴名
  theme_minimal() +               # 主题：先选一个基调
  theme(plot.title = element_text(size = 16, face = "bold"),  # 精调：标题
        legend.position = "bottom")  #       图例挪到底部

提示

theme() 的写法是 theme(元件 = element_xxx(...))：element_text() 管文字，legend.position 管图例。把 size = 16 改成 size = 10 跑一遍，看标题的变化。

2.6 【练习】把图例挪到底部

用 mtcars 画不同气缸数（cyl）油耗（mpg）的箱形图，按 2.5 的写法把标题加粗到 16 号、图例放到底部（模仿 + 练习）。

画完回答：4 缸、6 缸、8 缸的 mpg 中位数各是多少？哪一组更省油？

三、facet_wrap() 与 patchwork——两种"多图"思路

一份数据拆着看，还是几张图拼着看？

3.1 facet_wrap()——同一份数据拆成多图

ggplot(mtcars, aes(x = wt, y = mpg)) + # 数据 + 映射：车重 vs 油耗
  geom_point(size = 3) +        # 图层：散点
  facet_wrap(~ cyl)             # 分面：按气缸数拆成三张子图

提示

facet_wrap(~ 分类变量) 把一张图按该变量拆成多张结构相同的小图，每张只放自己那类数据——适合"同一份数据、按某个维度拆开看"。试试 facet_wrap(~ cyl, ncol = 1)，控制排成几列。

3.2 【练习】按季度拆开看

用 quarter_wide 画各季度营收柱状图（geom_col()），并按 quarter 分面、排成两列（练习）——每个子图里比较三家公司。

画完回答：四个季度里，哪一家公司的柱子最高？是多少万元？

3.3 patchwork——把不同的图拼在一起

library(patchwork)              # 加载分包：多图拼接（本讲第一次用到）

p1 <- company_data %>%          # 先算数：各公司平均营收
  summarise(avg_rev = mean(revenue), .by = company) %>%  # 按公司求均值
  ggplot(aes(x = avg_rev,       # 映射：横向图，数值放 x
             y = reorder(company, avg_rev))) +  # 类别放 y、按均值排序
  geom_col(fill = "#2E5984") +  # 图层：柱状图（横向）
  theme_minimal()               # 主题：与右图统一

p2 <- ggplot(mtcars, aes(x = wt, y = mpg)) +  # 另一张：车重与油耗
  geom_point(size = 2) +        # 图层：散点
  geom_smooth(method = "lm", se = TRUE) +  # 图层：拟合线 + 置信带
  theme_minimal()               # 主题：与左图统一

p1 + p2                         # 拼接：+ 号左右并排

提示

patchwork 不是 ggplot2 自带的：先 install.packages("patchwork") 装一次，再像上面那样 library(patchwork) 加载一次——和 ggplot2、dplyr 一样，一个会话里加载一次就够，3.4 和第五节再拼图时不必重复写。

3.4 patchwork：/ 号上下叠放

p1 / p2                         # 斜杠：上下叠放

重要

patchwork 把多张独立的 ggplot 图拼成一张组合图：+（或 |）左右排列，/ 上下排列，括号还能嵌套——比如 (p1 | p2) / p1 就是"上面两张并排、下面一整张"。年报里"左边营收排名、右边成本结构"就是这么排出来的。

3.5 【练习】拼一张"两图对照"页

自己写两张图再拼起来：p1 用 faithful 画等待间隔与喷发时长的散点图；p2 用 airquality 画气温直方图（bins = 15）。先试 p1 + p2，再试 p1 / p2（练习）。

画完说一句：两种排版，哪种更适合放进一页横向的 PPT？

3.6 facet_wrap() vs patchwork——怎么选

facet_wrap()：同一份数据、按某个分类变量拆成多张结构相同的小图（比如"每种气缸数一张散点图"）

patchwork：把几张完全不同的图（不同数据、不同图型）拼在一起，各自独立设计

提示

一句话：facet 是"一份数据拆着看"，patchwork 是"几张图拼着看"。R 还有 lattice 等更早期的绘图系统也能做多图，本课程不展开，有兴趣的同学课后了解。

四、坐标轴起止点与交互式图表

起点落在哪里，结论就是什么样

4.1 折线图：起点抬一抬，起伏才看得见

quarter_wide 里蜀汉制造四个季度是 250／260／250／220 万元，Q4 环比掉了 12%。同一张图，纵轴起点选 0 还是选 200，读出来的东西完全不同：

shu <- quarter_wide %>%         # 贯穿数据：季度表
  filter(company == "蜀汉制造") # 只留一家（filter 第 14 讲学过）

line <- ggplot(shu, aes(x = quarter, y = revenue)) +  # 数据 + 映射
  geom_line(group = 1, color = "#2E5984") +  # 图层：折线，分类轴要 group
  geom_point(color = "#2E5984") +  # 图层：标出四个季度的点
  labs(x = "季度", y = "营收（万元）")  # 轴名（带单位）

pl0 <- line + scale_y_continuous(limits = c(0, 280)) +  # 起点压到 0
  labs(title = "起点 = 0：几乎是平的")  # 标签：小标题写明起点
pl2 <- line + scale_y_continuous(limits = c(200, 280)) +  # 起点抬到 200
  labs(title = "起点 = 200：Q4 下滑一眼看见")  # 标签：小标题
pl0 | pl2                       # 拼接对比：| 号左右（第三节学过）

提示

scale_y_continuous(limits = c(下限, 上限)) 就是坐标轴的起止点（横轴换成 scale_x_continuous()）。折线图用位置编码数值，起点抬到哪里都不改变"掉了 20 万元"这个事实，只是把观察窗口拉近拉远——起伏很小时，就得把起点抬到接近数据下沿才看得出来。

⚠️ 但 limits 会把轴外的数据整行删掉：散点图画 12 家公司的营收，写成 limits = c(1000, 2800)，营收低于 1000 万元的 6 家公司当场从图上消失，R 只给一句警告。折线图、散点图用它没问题；柱状图用之前先想清楚——柱子的底边永远是 0，下限一旦写成大于 0 的数，柱子会整根消失，原因见 4.3。

4.2 【练习】给月均温折线选一个起点

用 airquality 先 summarise(avg = mean(Temp), .by = Month) 求各月平均气温，再画折线图，分别加上 scale_y_continuous(limits = c(0, 90)) 和 limits = c(60, 90)（练习），比较两张图。

画完回答：8 月 84.0℉、9 月 76.9℉，回落了 7.1℉——哪张图更能看出这次回落？抬高起点有没有改变数据本身？

4.3 柱状图：起点不从0开始会夸大差距

重要

4 缸 26.7、8 缸 15.1，真实差距是 1.77 倍；起点抬到 14 后，左柱的可见长度成了右柱的 11.5 倍——视觉差距被夸大 6 倍多。所以柱状图（含横向条形图）的数值轴应该从 0 起。

调轴有两个旋钮，分工不同：上面 4.1 的 scale_y_continuous(limits = ) 会把轴外的数据整行删掉，而柱子的底边永远是 0，下限只要比 0 大，ymin 就成了 NA，三根柱子一起消失、画面上什么都不剩；本页用的 coord_cartesian(ylim = ) 是放大镜，只裁画面、不删数据（横向图写 xlim =），所以能既保留柱子又演示"截断夸大差距"。想在放大局部的同时不失真，正解是改用折线图或点图。

4.4 ggplotly()——静态图一键变交互

library(plotly)                 # 加载分包：交互式图表（本讲第一次用到）

p <- ggplot(company_data, aes(x = revenue, y = cost, color = rating)) +  # 数据 + 映射
  geom_point(size = 3)          # 图层：散点（最后一行不加 +）

ggplotly(p)                     # 一键把 ggplot2 图转成交互式图表

提示

plotly 不是 ggplot2 自带的：需先 install.packages("plotly")，再 library(plotly)——一个会话加载一次即可。ggplotly() 把画好的 ggplot2 图一键变成可缩放、可悬停查数的交互式图表，代码几乎不用改：鼠标移到点上，营收、成本、评级当场显示。

4.5 【练习】把直方图变成交互式

把 airquality 的气温直方图（bins = 15）用 ggplotly() 转成交互式图表（练习）。

在图上悬停任意一根柱子，读出：该温度区间有多少天？再试试拖动框选放大某一段。

五、综合实战——三张图收官项目四

分面 · 拼接 · 交互式——每张都要"能直接放进年报"

5.1 动手实战（约 8 分钟）

用 1.3／1.4 当场生成的 company_data 与 quarter_wide，依次完成下面三张图——它们正好对应本讲三个知识点（图① 必做，课上有时间的同学继续②③）；下一页给了一段挖好六个空的骨架代码，直接照着填。

图① 分面图（练 facet_wrap()）：quarter_wide 各公司季度营收柱状图（geom_col()），按 quarter 分面、排成两列

图② 拼接图（练 patchwork）：再画一张 company_data 年度营收排名图（reorder() + 横向 geom_col()），和图①拼成一页年报图（| 左右、/ 上下自选）

图③ 交互图（练 ggplotly()）：library(plotly) 后，把图①或图②变成可悬停查数的交互式图表

三张图共同的硬要求：theme_minimal() 主题统一；labs() 补齐标题、带单位的轴名和 caption 来源；柱状图纵轴从 0 起——把 scale_y_continuous(limits = c(0, …)) 明写出来，下限只能是 0（写大了柱子会整根消失，见 4.3）

重要

验收四条：图型对（数个数还是画数值）、文字全（标题 + 带单位轴名 + 来源）、轴起点诚实（柱状图从 0 起）、读得出来（一图一句话）。

5.2 动笔骨架：六个空，按期末考试的样子填

下面这段就是考试卷上的形式——代码已经写好，关键位置挖掉六个空，行尾注释告诉你这里要干什么。把六个空填在自己的 R 里跑通，再往下看参考做法。

# 图① 分面：各公司季度营收，按季度拆成 2×2
p_facet <- ggplot(quarter_wide, aes(x = company, y = revenue)) +
  ______(fill = "steelblue") +          # 空① 图层：画现成的数值
  ______(~ quarter, ncol = 2) +       # 空② 分面：拆开后排两列
  scale_y_continuous(limits = c(0, 600)) +  #  轴：下限只能是 0
  labs(title = "三家公司季度营收",     #  标签：标题
       x = "公司", y = "营收（万元）",  #       带单位的轴名
       caption = "来源：quarter_wide") +  #    数据来源
  ______()                             # 空③ 主题：最简内置主题

# 图② 排名：横向条形图，与图①拼成一页年报
p_rank <- company_data %>%                # 贯穿数据：年度表
  summarise(avg = mean(revenue), .by = company) %>%
  ggplot(aes(x = avg, y = ______(company, avg))) +  # 空④ 按数值排序
  geom_col(fill = "steelblue") +        #  图层：横向柱
  scale_x_continuous(limits = c(0, 2200)) +  #  同上，0 起
  labs(title = "各公司年度营收排名",    #  标签
       x = "营收（万元）", y = "公司") +
  theme_bw()                     #  主题：与图①一致

p_facet ______ p_rank                  # 空⑤ 拼接：左右并排

# 图③ 交互：鼠标移到柱子上能查出公司名与营收
library(plotly)                        # 新包：加载一次即可
______(p_rank)                         # 空⑥ 静态图一键变交互

提示

六个空分别属于本讲的三块新知（②③⑤⑥）＋第 16 讲的图层与排序（①④）；填的时候注意 scale_y_continuous(limits = ) 已经替你写好了，别再改动它。

5.5 课堂展示

邀请 1—2 名同学展示自己的三张图，其余同学按"验收四条"点评美观度、专业度和准确性——特别留意柱状图的纵轴有没有从 0 起。

六、项目四总结收官、Exit Ticket 与预告项目五

从"了解绘图工具"到"产出专业图表"的完整能力链

6.1 项目四全景回顾

第 15 讲：可视化基础——图形三要素（位置 > 长度 > 角度面积 > 颜色）与 Base R 绘图

第 16 讲：ggplot2 语法入门与柱状图／折线图——data、aes、geom 核心概念，reorder() 排序与横向图，单条与多条折线

第 17 讲：常见图表类型（二）——散点图 + geom_smooth()、箱形图看分布对比、直方图看单变量分布

第 18 讲（今天）：图表美化（主题与标签）、多图合并（facet 与 patchwork）、坐标轴起止点与交互式图表（plotly）初探

提示

四次课合起来，就是从"了解绘图工具"到"产出一张专业、准确、值得信赖的财务图表"的完整能力链。

6.2 学习成果自查

对照一下，今天这几件事你都做到了吗？

• ✓ 能用 theme_minimal() 等内置主题改变图表风格，用 labs() 补齐标题、轴名与脚注

• ✓ 能用 theme() 精细调整标题字号、图例位置

• ✓ 能用 facet_wrap() 把一份数据按类别拆成多张小图

• ✓ 能用 patchwork 把多张独立图表拼接成一张复合图（+ 左右、/ 上下），用前先 library(patchwork)

• ✓ 能用 scale_x_continuous(limits = )／scale_y_continuous(limits = ) 调整坐标轴的起止点，并说清折线图可以抬高起点、柱状图必须从 0 起

• ✓ 能用 ggplotly() 把静态图表转换为交互式图表，用前先 library(plotly)

6.3 Exit Ticket —— 写给自己的三个问题

请花 1 分钟，在纸条或在线问卷上简要回答：

1. facet_wrap() 和 patchwork 分别适合什么场景？
2. patchwork 里 + 和 / 分别是什么排版效果？
3. 回顾项目四四次课，你觉得哪种图表类型在未来实习／工作中最可能用到？

6.4 预告项目五

重要

下周开始项目五"简单线性回归"，将系统学习用 lm() 拟合两个变量之间的线性关系，并对回归结果进行解读——这正是第 17 讲"散点图 + geom_smooth(method = "lm")"那条趋势线背后的"数学答案"。

下讲预告

项目五：简单线性回归——开篇

• 用 lm() 拟合两个变量之间的线性关系
• 回归系数、截距的含义与解读
• 回归结果的可视化与初步诊断

提示

课前准备：回顾第 17 讲"散点图 + geom_smooth(method = "lm")"的代码和结论——项目五会给出这条趋势线背后的数学答案。

谢谢！

第18讲：图表美化、多图合并与交互式图表初探

"Make it clear, make it honest, before you make it beautiful." 一张专业的财务图表，既要美观，更要准确、不误导——坐标轴的起点设在 0 还是设在别处、要不要放大局部，都体现着设计者的专业素养和责任心；图表美化不是为了炫技，而是为了让财务信息更好地服务于报表使用者，这是数据可视化工作者应有的职业操守。

朱 奇 ｜ 锦城大学 · 财会学院