一、引言

? ? ? ? 我們在對數據進行可視化時遇到最頭疼、最常見的問題是什么？數據問題。

? ? ? ? 因為我們往往不會從零自己編程進行可視化，往往是現有模板或積累，而正確的數據格式對應正確的圖形包要求，一定會正確出圖，所以只有一個問題——數據格式問題。

? ? ? ? 在R中，絕大多數圖形要求的格式——都是長格式。

?二、定義

? ? ? ? ?何為長格式？?

? ? ? ? ?運行下面這個代碼，你會有所理解：

library(tidyr)  
# 假設的寬格式數據（從長格式轉換而來）  
wide_data <- data.frame(  City = c("CityA", "CityB", "CityC"),  Year = c(2020, 2020, 2020),  Education = c(100, 110, 95),  Healthcare = c(120, 130, 115),  Transportation = c(80, 90, 75)  
)  
print(wide_data)
# 轉換為長格式數據  
long_data <- pivot_longer(wide_data,  cols = -c(City, Year), # 指定哪些列需要被轉換成長格式（除了City和Year）  names_to = "Category", # 新增列的名稱，用于存儲原寬格式中的列名  values_to = "Expenditure") # 新增列的名稱，用于存儲原寬格式中的值  
# 查看長格式數據  
print(long_data)

我們習慣的寬格式如下（一個城市在某一年對應的教育、健康及交通指數）：?

這是轉化過后的長格式（將教育、健康及交通列進行轉換）：

? ? ? ? 也就是說， 我選定n列，這n列的列名重新生成一列（names_to），這n列的數據重新生成一列(values_to)，這兩列相互對應。

三、理解

? ? ? ? 為什么要這樣呢？

? ? ? ?我們都熟悉在R中是按列名操作數據的，如果是寬格式，那么寬，不方便操作。而轉換成長格式呢？我們就可以方便地對兩列數據進行操作。

? ? ? ?并且要知道”組“的概念，上述例子中，有三個組別：CityA、B、C，而每一組又有三個標簽（組別）:教育、健康、交通。

? ? ? 運行下面這個例子體會：

# 制作分組柱狀圖  
ggplot(long_data, aes(x = Category, y = Expenditure, fill = Category)) +  geom_bar(stat = "identity", position = "dodge") + # 使用identity統計量，并設置位置為分組（dodge）  facet_wrap(~ City, scales = "free_y") + # 按城市分組，y軸比例自由調整  labs(title = "分組柱狀圖：不同城市的各類支出",  x = "類別",  y = "支出金額",  fill = "類別") +  theme_minimal() + # 使用簡約主題  theme(axis.text.x = element_text(angle = 45, hjust = 1)) # 旋轉x軸標簽以改善可讀性  

? ? ? ? ?按城市為大組進行分類：

運行下述代碼：

ggplot(long_data, aes(x = City, y = Expenditure, fill = City)) +  geom_bar(stat = "identity", position = "dodge") + # 使用identity統計量，并設置位置為分組（dodge）  facet_wrap(~ Category, scales = "free_y") + # 按城市分組，y軸比例自由調整  labs(title = "分組柱狀圖：不同城市的各類支出",  x = "類別",  y = "支出金額",  fill = "類別") +  theme_minimal() + # 使用簡約主題  theme(axis.text.x = element_text(angle = 45, hjust = 1)) # 旋轉x軸標簽以改善可讀性  

按照 教育、健康、交通為大組進行分類：

到這里，相信你對長格式及數據格式的使用都有了深刻理解，自己去試試吧！