画图时经常遇到不同组的数据大小相差很大，大数据就会掩盖小数据的变化规律，这时候可以对Y轴进行截断，从而可以在不同层面（大数据和小数据层面）全面反映数据变化情况，如下图所示。
搜索截断图绘制的方法，有根据Excel绘制的，但是感觉操作繁琐；这里根据网上资料总结基于R的3种方法：
- 分割 组合法，如基于ggplot2, 利用
coord_cartesian()将整个图形分割成多个图片,再用grid 包组合分割结果 - plotrix R包
- 基本绘图函数 plotrix R包
示例数据
df <- data.frame(name=c("AY","BY","CY","DY","EY","FY","GY"),Money=c(1510,1230,995,48,35,28,10))
df
#加载 R 包
library(ggplot2)
# ggplot画图
p0 <- ggplot(df, aes(name,Money,fill = name))
geom_col(position = position_dodge(width = 0.8),color="black")
labs(x = NULL, y = NULL)
scale_fill_brewer(palette="Accent")
#scale_x_discrete(expand = c(0, 0))
scale_y_continuous(breaks = seq(0, 1600, 400), limits = c(0, 1600), expand = c(0,0))
theme(axis.text.x = element_text(angle = 45, hjust = 1), legend.title = element_blank())
方法一：分割 组合法
这种方法的思路是分别绘制不同层级大小的图形，然后组合图形。如可一用ggplot2中的coord_cartesian()函数分割，ylim指定y轴的区间范围。
### 小数据层级
p1 <- p0 coord_cartesian(ylim = c(0, 50))
theme_classic()
theme(legend.position="none")
### 大数据层级
# 不显示X轴坐标和文本标记
p2 <-p0 coord_cartesian(ylim = c(700, 1600))
theme_classic()
theme(axis.line.x = element_line(colour="white"),
axis.text.x = element_blank(), axis.ticks.x = element_blank(),
legend.position = c(0.85, 0.6))
grid组合图形, grid.newpage()新建画布, viewport()命令将画板分割为不同的区域。
x和y分别用于指定所放置子图在画板中的坐标，坐标取值范围为0~1，并使用just给定坐标起始位置；width和height用于指定所放置子图在画板中的高度和宽度。
library(grid)
grid.newpage() #新建画布
plot_site1 <- viewport(x = 0.008, y = 0, width = 0.994, height = 0.4, just = c(\'left\', \'bottom\'))
plot_site2 <- viewport(x = 0.008, y = 0.4, width = 1, height = 0.5, just = c(\'left\', \'bottom\'))
#plot_site3 <- viewport(x = 0, y = 0.7, width = 1, height = 0.3, just = c(\'left\', \'bottom\'))
print(p1, vp = plot_site1)
print(p2, vp = plot_site2)
这种方法可以得到一个草图，图片对齐等细节调节需要多次尝试，或者可以导出在AI中修改。
方法二：plotrix R包
plotrix R中包含gap.plot()，gap.barplot() 和 gapboxplot()函数, 可以分别画出坐标轴截断的散点图、柱状图和箱线图。主要参数包括y ：要截断的数值向量; gap：截断的区间.
### 用法如下
gap.barplot(y,gap,xaxlab,xtics,yaxlab,ytics,xlim=NA,ylim=NA,xlab=NULL,
ylab=NULL,horiz=FALSE,col,...)
### Arguments
y ：要截断的数值向量
gap ：截断的区间
xaxlab ：labels for the x axis ticks
xtics ：position of the x axis ticks
yaxlab ：labels for the y axis ticks
ytics ：position of the y axis ticks
xlim ：Optional x limits for the plot
ylim ：optional y limits for the plot
xlab ：label for the x axis
ylab ：label for the y axis
horiz ：whether to have vertical or horizontal bars
col ：color(s) in which to plot the values参考：http://www.bioon.com.cn/protocol/showarticle.asp?newsid=66061
相同的数据，画图如下
#install.packages ("plotrix")
library (plotrix)
gap.barplot(df$Money,gap=c(50,740),xaxlab=df$name,ytics=c(50,700,800,900,1000,1100,1200,1300,1400,1500,1600),
col=rainbow(7),xlim = c(0,8),width=0.06)
接着使用axis breaks()函数去除中间的两道横线，并添加截断的标记，如//或z。
Axis:1,2,3,4分别代表下、左、上、右方位的坐标轴，即打算截取的坐标轴breakppos：截断的位置，即截断符号添加的位置style: gap,slash和z字形
axis.break(2,50,breakcol="snow",style="gap") ##去掉中间的那两道横线；
axis.break(2,50*(1 0.02),breakcol="black",style="slash")##在左侧Y轴把gap位置换成slash；
#axis.break(4,50*(1 0.02),breakcol="black",style="slash")##在右侧Y轴把gap位置换成slash；
这种方法是基于base plot绘图的，但是base plot的许多绘图参数与gap.barplot（）并不兼容，如space和width参数设置离坐标轴距离和bar的宽度。
方法三：基本绘图函数 plotrix R包
参考：https://blog.csdn.net/u014801157/article/details/24372371
作者ZGUANG@LZU自己编写的函数，可以手动设置断点，也可以由函数自动计算。断点位置的符号表示提供了平行线和zigzag两种，并且可设置背景颜色、大小、线型、平行线旋转角度等。
函数
#\' 使用R基本绘图函数绘制y轴不连续的柱形图
#\'
#\' 绘制y轴不连续的柱形图，具有误差线添加功能。断点位置通过btm和top参数设置，如果不设置，函数可自动计算合适的断点位置。
#\' @title gap.barplot function
#\' @param df 长格式的data.frame，即数据框中每一列为一组绘图数据。
#\' @param y.cols 用做柱形图y值的数据列（序号或名称），一列为一组。
#\' @param sd.cols 与y值列顺序对应的误差值的数据列（序号或名称）。
#\' @param btm 低位断点。如果btm和top均不设置，程序将自动计算和设置断点位置。
#\' @param top 高位断点。
#\' @param min.range 自动计算断点的阈值：最大值与最小值的最小比值
#\' @param max.fold 自动计算断点时最大值与下方数据最大值的最大倍数比
#\' @param ratio 断裂后上部与下部y轴长度的比例。
#\' @param gap.width y轴断裂位置的相对物理宽度（非坐标轴实际刻度）
#\' @param brk.type 断点类型，可设为normal或zigzag
#\' @param brk.bg 断点处的背景颜色
#\' @param brk.srt 断点标记线旋转角度
#\' @param brk.size 断点标记线的大小（长度）
#\' @param brk.col 断点标记线的颜色
#\' @param brk.lwd 断点标记线的线宽
#\' @param cex.error 误差线相对长度，默认为1
#\' @param ... 其他传递给R基本绘图函数barplot的参数
#\' @return 返回barplot的原始返回值，即柱形图的x坐标
#\' @examples
#\' datax <- na.omit(airquality)[,1:4]
#\' cols <- cm.colors(ncol(datax))
#\' layout(matrix(1:6, ncol=2))
#\' set.seed(0)
#\' for (ndx in 1:6){
#\' dt <- datax[sample(rownames(datax), 10), ]
#\' par(mar=c(0.5,2,0.5,0.5))
#\' brkt <- sample(c(\'normal\', \'zigzag\'), 1)
#\' gap.barplot(dt, col=cols, brk.type=brkt, max.fold=5, ratio=2)
#\' }
#\' @author ZG Zhao
#\' @export
gap.barplot <- function(df, y.cols = 1:ncol(df), sd.cols = NULL, btm = NULL,
top = NULL, min.range = 10, max.fold = 5, ratio = 1, gap.width = 1, brk.type = "normal",
brk.bg = "white", brk.srt = 135, brk.size = 1, brk.col = "black", brk.lwd = 1,
cex.error = 1, ...) {
if (missing(df))
stop("No data provided.")
if (is.numeric(y.cols))
ycol <- y.cols else ycol <- colnames(df) == y.cols
if (!is.null(sd.cols))
if (is.numeric(sd.cols))
scol <- sd.cols else scol <- colnames(df) == sd.cols
## Arrange data
opts <- options()
options(warn = -1)
y <- t(df[, ycol])
colnames(y) <- NULL
if (missing(sd.cols))
sdx <- 0 else sdx <- t(df[, scol])
sdu <- y sdx
sdd <- y - sdx
ylim <- c(0, max(sdu) * 1.05)
## 如果没有设置btm或top，自动计算
if (is.null(btm) | is.null(top)) {
autox <- .auto.breaks(dt = sdu, min.range = min.range, max.fold = max.fold)
if (autox$flag) {
btm <- autox$btm
top <- autox$top
} else {
xx <- barplot(y, beside = TRUE, ylim = ylim, ...)
if (!missing(sd.cols))
errorbar(xx, y, sdu - y, horiz = FALSE, cex = cex.error)
box()
return(invisible(xx))
}
}
## Set up virtual y limits
halflen <- btm - ylim[1]
xlen <- halflen * 0.1 * gap.width
v_tps1 <- btm xlen # virtual top positions
v_tps2 <- v_tps1 halflen * ratio
v_ylim <- c(ylim[1], v_tps2)
r_tps1 <- top # real top positions
r_tps2 <- ylim[2]
## Rescale data
lmx <- summary(lm(c(v_tps1, v_tps2) ~ c(r_tps1, r_tps2)))
lmx <- lmx$coefficients
sel1 <- y > top
sel2 <- y >= btm & y <= top
y[sel1] <- y[sel1] * lmx[2] lmx[1]
y[sel2] <- btm xlen/2
sel1 <- sdd > top
sel2 <- sdd >= btm & sdd <= top
sdd[sel1] <- sdd[sel1] * lmx[2] lmx[1]
sdd[sel2] <- btm xlen/2
sel1 <- sdu > top
sel2 <- sdu >= btm & sdu <= top
sdu[sel1] <- sdu[sel1] * lmx[2] lmx[1]
sdu[sel2] <- btm xlen/2
## bar plot
xx <- barplot(y, beside = TRUE, ylim = v_ylim, axes = FALSE, names.arg = NULL,
...)
## error bars
if (!missing(sd.cols))
errorbar(xx, y, sdu - y, horiz = FALSE, cex = cex.error)
## Real ticks and labels
brks1 <- pretty(seq(0, btm, length = 10), n = 4)
brks1 <- brks1[brks1 >= 0 & brks1 < btm]
brks2 <- pretty(seq(top, r_tps2, length = 10), n = 4)
brks2 <- brks2[brks2 > top & brks2 <= r_tps2]
labx <- c(brks1, brks2)
## Virtual ticks
brks <- c(brks1, brks2 * lmx[2] lmx[1])
axis(2, at = brks, labels = labx)
box()
## break marks
pos <- par("usr")
xyratio <- (pos[2] - pos[1])/(pos[4] - pos[3])
xlen <- (pos[2] - pos[1])/50 * brk.size
px1 <- pos[1] - xlen
px2 <- pos[1] xlen
px3 <- pos[2] - xlen
px4 <- pos[2] xlen
py1 <- btm
py2 <- v_tps1
rect(px1, py1, px4, py2, col = brk.bg, xpd = TRUE, border = brk.bg)
x1 <- c(px1, px1, px3, px3)
x2 <- c(px2, px2, px4, px4)
y1 <- c(py1, py2, py1, py2)
y2 <- c(py1, py2, py1, py2)
px <- .xy.adjust(x1, x2, y1, y2, xlen, xyratio, angle = brk.srt * pi/90)
if (brk.type == "zigzag") {
x1 <- c(x1, px1, px3)
x2 <- c(x2, px2, px4)
if (brk.srt > 90) {
y1 <- c(y1, py2, py2)
y2 <- c(y2, py1, py1)
} else {
y1 <- c(y1, py1, py1)
y2 <- c(y2, py2, py2)
}
}
if (brk.type == "zigzag") {
px$x1 <- c(pos[1], px2, px1, pos[2], px4, px3)
px$x2 <- c(px2, px1, pos[1], px4, px3, pos[2])
mm <- (v_tps1 - btm)/3
px$y1 <- rep(c(v_tps1, v_tps1 - mm, v_tps1 - 2 * mm), 2)
px$y2 <- rep(c(v_tps1 - mm, v_tps1 - 2 * mm, btm), 2)
}
par(xpd = TRUE)
segments(px$x1, px$y1, px$x2, px$y2, lty = 1, col = brk.col, lwd = brk.lwd)
options(opts)
par(xpd = FALSE)
invisible(xx)
}
## 绘制误差线的函数
errorbar <- function(x, y, sd.lwr, sd.upr, horiz = FALSE, cex = 1, ...) {
if (missing(sd.lwr) & missing(sd.upr))
return(NULL)
if (missing(sd.upr))
sd.upr <- sd.lwr
if (missing(sd.lwr))
sd.lwr <- sd.upr
if (!horiz) {
arrows(x, y, y1 = y - sd.lwr, length = 0.1 * cex, angle = 90, ...)
arrows(x, y, y1 = y sd.upr, length = 0.1 * cex, angle = 90, ...)
} else {
arrows(y, x, x1 = y - sd.lwr, length = 0.1 * cex, angle = 90, ...)
arrows(y, x, x1 = y sd.upr, length = 0.1 * cex, angle = 90, ...)
}
}
.xy.adjust <- function(x1, x2, y1, y2, xlen, xyratio, angle) {
xx1 <- x1 - xlen * cos(angle)
yy1 <- y1 xlen * sin(angle)/xyratio
xx2 <- x2 xlen * cos(angle)
yy2 <- y2 - xlen * sin(angle)/xyratio
return(list(x1 = xx1, x2 = xx2, y1 = yy1, y2 = yy2))
}
## 自动计算断点位置的函数
.auto.breaks <- function(dt, min.range, max.fold) {
datax <- sort(as.vector(dt))
flags <- FALSE
btm <- top <- NULL
if (max(datax)/min(datax) < min.range)
return(list(flag = flags, btm = btm, top = top))
m <- max(datax)
btm <- datax[2]
i <- 3
while (m/datax[i] > max.fold) {
btm <- datax[i]
flags <- TRUE
i <- i 1
}
if (flags) {
btm <- btm 0.05 * btm
x <- 2
top <- datax[i] * (x - 1)/x
while (top < btm) {
x <- x 1
top <- datax[i] * (x - 1)/x
if (x > 100) {
flags <- FALSE
break
}
}
}
return(list(flag = flags, btm = btm, top = top))
}
示例数据
datax <- na.omit(airquality)[, 1:4]
cols <- terrain.colors(ncol(datax) - 1)
layout(matrix(1:4, ncol = 2))
set.seed(0)
for (ndx in 1:4) {
dt <- datax[sample(rownames(datax), 10), ]
dt <- cbind(dt, dt[, -1] * 0.1)
par(mar = c(1, 3, 0.5, 0.5))
brkt <- sample(c("normal", "zigzag"), 1)
gap.barplot(dt, y.cols = 2:4, sd.cols = 5:7, col = cols, brk.type = brkt,
brk.size = 0.6, brk.lwd = 2, max.fold = 5, ratio = 2, cex.error = 0.3)
}
实际数据
gap.barplot(df, y.cols = 2, brk.type = "normal",col = rainbow(7),
brk.size = 0.6, brk.lwd = 2, max.fold = 5, ratio = 2, cex.error = 0.3)
第3种方法可以直接计算截断值，另外可以添加error bar, 可以修改的细节处更多，而且包装成函数，整个分析时间也加快。