pie

Introduction

饼图用角度和面积表达一个整体的构成，回答的是"总量里大约有多少属于每一类"。它最适合类别少、差异明显、各部分相加严格等于整体的场景；这里把 592 名学生按眼睛颜色汇总成四个互斥类别。

ggplot2 没有 geom_pie()。饼图本质上是把一根 100% 堆叠柱卷成圆：geom_col() 按计数画出一根堆叠柱，coord_polar(theta = "y") 把柱高方向映射为圆周角度，于是每个扇区的角度等于该组计数占总数的比例。下面的 recipe 把汇总、因子顺序和标注计算都显式写出来，每一步的数据含义都能查。

读的时候按这个顺序：

1. 先确认分母。 标题或图注应说明"整体"究竟是谁，以及总样本量 n。
2. 先看大块，再看小块。 饼图可靠表达的是明显的构成差异，不是小数点后的精确排名。
3. 用标签读取数值。 角度给整体印象，百分比标签承担相对精确的读数。
4. 检查是否完整。 所有扇区必须互斥，并且合计为 100%；缺失类别不能被悄悄排除。

Example Data

饼图要的输入是：1 个分类变量，或 1 个分类变量 + 1 个非负计数变量。计数必须非负、可相加，而且这几个类别加起来就是整体——少一类，剩下的百分比全是错的。

hair_eye_color 已经是 Hair × Eye × Sex × Freq 的汇总长表。这里按 Eye 把发色和性别合并掉，再核对一次总数和比例之和。

library(dplyr)
library(ggplot2)
library(scales)
library(ggforce)
library(biopalette)

# 公开地址，和数据集页上「下载 CSV」给的是同一个 —— 不写仓库相对路径：
# 那个目录不进仓库，读者 clone 下来也没有这个文件，这段代码就跑不了
d <- read.csv("https://assets.evanzhou.org/tessera/csv/hair_eye_color.csv")

# 显式定顺序：四个是名义类别，本来无所谓先后，
# 固定下来是为了扇区、图例和另外三张图从头到尾对得上
eye_levels <- c("Brown", "Blue", "Hazel", "Green")

eye_total <- d |>
  summarise(count = sum(Freq), .by = Eye) |>
  mutate(Eye = factor(Eye, levels = eye_levels)) |>
  arrange(Eye) |>
  mutate(
    share = count / sum(count),
    label = percent(share, accuracy = 1)
  )

# 归一化按定义就凑得满 100%，所以"比例加起来是 1"永远成立、查不出漏类别。
# 真正要核对的是总数 —— 592 是这份数据的全样本
if (sum(eye_total$count) != 592 || abs(sum(eye_total$share) - 1) > 1e-12) {
  stop("眼睛颜色汇总未覆盖完整样本")
}

Palettes

眼睛颜色是四个无序类别，用定性色板 walter_white2 的前四色。相邻扇区之间加一道细窄的纸白边线，让大面积色块保持清楚边界；边线只负责分隔，替代不了颜色本身的可区分。

色板不够时不能从头循环取色——两个不同类别拿到同一个颜色，图上看就是同一类。类别多到色板装不下，该做的是合并次要类别或换柱图。

扇区面积比散点更容易暴露文字对比问题：同一种文字颜色在深扇区上够黑、在浅扇区上就糊了。所以标签版给每个扇区单独指定深字或白字，换色板时这一步要重新检查。

eye_colors <- setNames(
  get_palette("walter_white2", type = "qualitative")[1:4],
  eye_levels
)

# 四张图共用一套版式，theme_void() 打底 —— 饼图不需要坐标轴和网格
pie_theme <- theme_void(base_size = 13) +
  theme(
    plot.title = element_text(face = "bold", size = 15, hjust = 0),
    plot.subtitle = element_text(color = "grey35", hjust = 0),
    legend.title = element_text(face = "bold"),
    legend.text = element_text(size = 10.5),
    plot.margin = margin(14, 22, 14, 22)
  )

Recipe

1 · 基础饼图

先让扇区只承担构成关系，精确计数交给图例和配套文字。

position_stack(reverse = TRUE) 和图例采用同一类别顺序，第一类从十二点方向开始，阅读顺序才稳定。

#| fig: basic
#| fig-width: 7.2
#| fig-height: 5.4
ggplot(eye_total, aes(x = "", y = count, fill = Eye)) +
  geom_col(
    width = 1,
    color = "#F4F3EE",     # 纸白边线，只用来断开相邻色块
    linewidth = 0.9,
    position = position_stack(reverse = TRUE)
  ) +
  # theta = "y" 把柱高映射成圆周角；start = 0 让第一类从十二点开始
  coord_polar(theta = "y", start = 0, direction = 1) +
  scale_fill_manual(values = eye_colors, breaks = eye_levels) +
  labs(
    title = "Eye color composition",
    subtitle = "592 students · HairEyeColor",
    fill = "Eye color"
  ) +
  pie_theme

2 · 在扇区内标百分比

百分比比原始人数更贴合饼图的任务：它本来就只负责比例。

#| fig: labeled
#| fig-width: 7.2
#| fig-height: 5.4
# 深扇区用白字、浅扇区用深字。固定一种文字颜色，总有一块会糊
eye_total <- eye_total |>
  mutate(label_color = ifelse(Eye %in% c("Brown", "Blue"), "#FFFFFF", "#262622"))

ggplot(eye_total, aes(x = "", y = count, fill = Eye)) +
  geom_col(
    width = 1,
    color = "#F4F3EE",
    linewidth = 0.9,
    position = position_stack(reverse = TRUE)
  ) +
  geom_text(
    aes(label = label, color = label_color, group = Eye),
    # 和扇区用同一套 reverse 堆叠，否则标签会落到别人的扇区里
    position = position_stack(vjust = 0.5, reverse = TRUE),
    size = 4,
    fontface = "bold",
    show.legend = FALSE
  ) +
  coord_polar(theta = "y", start = 0, direction = 1) +
  scale_fill_manual(values = eye_colors, breaks = eye_levels) +
  scale_color_identity() +   # label_color 存的就是色值本身，不要再映射一次
  labs(
    title = "Eye color composition",
    subtitle = "Percent of 592 students",
    fill = "Eye color"
  ) +
  pie_theme

3 · 圆环

圆环没有增加任何统计信息，只是用中心留白换取更轻的视觉重量。孔越大扇区面积越小，小类别也越难辨认。

#| fig: donut
#| fig-width: 7.2
#| fig-height: 5.4
ggplot(eye_total, aes(x = 2, y = count, fill = Eye)) +   # x = 2 把堆叠柱推到外圈
  geom_col(
    width = 0.72,
    color = "#F4F3EE",
    linewidth = 0.9,
    position = position_stack(reverse = TRUE)
  ) +
  geom_text(
    aes(label = label, color = label_color, group = Eye),
    position = position_stack(vjust = 0.5, reverse = TRUE),
    size = 3.8,
    fontface = "bold",
    show.legend = FALSE
  ) +
  coord_polar(theta = "y", start = 0, direction = 1) +
  xlim(0.65, 2.45) +   # 下界决定中央孔径：调大孔更大，色带更细
  scale_fill_manual(values = eye_colors, breaks = eye_levels) +
  scale_color_identity() +
  labs(
    title = "Eye color composition",
    subtitle = "The same data as a donut chart",
    fill = "Eye color"
  ) +
  pie_theme

4 · 抽出一个重点扇区

Exploded pie 靠平移扇区强调一个事先确定的类别。这里只把 Green 移出。

偏移量是版式参数，不编码任何数值。别按结果临时挑一块抽出来，也别同时拉开好几块——那会破坏整体轮廓，又没有清楚的重点。

ggforce::geom_arc_bar() 允许每个扇区有自己的圆心。起止角仍严格来自累计比例，只有 Green 的 x0 / y0 沿扇区中线移动。

#| fig: exploded
#| fig-width: 7.2
#| fig-height: 5.4
exploded_data <- eye_total |>
  mutate(
    # 累计比例换算成弧度，角度仍然完全由数据决定
    end = cumsum(share) * 2 * pi,
    start = lag(end, default = 0),
    middle = (start + end) / 2,
    # 只有这一行是版式：沿扇区中线把圆心推出去一点
    offset = ifelse(Eye == "Green", 0.12, 0),
    x0 = sin(middle) * offset,
    y0 = cos(middle) * offset
  )

ggplot(exploded_data) +
  geom_arc_bar(
    aes(
      x0 = x0,
      y0 = y0,
      r0 = 0,      # 内半径为 0 就是实心饼；给个正数就成了偏移版圆环
      r = 1,
      start = start,
      end = end,
      fill = Eye
    ),
    color = "#F4F3EE",
    linewidth = 0.9
  ) +
  # 必须锁定纵横比，否则圆会被拉成椭圆，面积比例跟着失真
  coord_fixed(xlim = c(-1.28, 1.28), ylim = c(-1.18, 1.18), clip = "off") +
  scale_fill_manual(values = eye_colors, breaks = eye_levels) +
  labs(
    title = "Eye color composition",
    subtitle = "Green highlighted with a single exploded slice",
    fill = "Eye color"
  ) +
  pie_theme

Constraints

• 饼图不是精确比较工具。 人眼对共同基线上的长度敏感，对扇区角度的细小差异不敏感。37% 和 36% 靠角度分不出来，Brown 和 Blue 这种相近比例只能读成"接近"。要精确排序或比较百分点差异，改用从零开始的柱状图。
• 各部分必须互斥且合计为 100%。 少算一类、或者类别之间有重叠，剩下所有扇区的角度就都是错的，而图上完全看不出来。
• 类别超过五六个就读不动了。 颜色、图例和小扇区会一起失去可读性。该做的是合并有意义的次要类别，不是换一套更花的配色。
• 有自然顺序的类别别按大小重排。 流程阶段、剂量等级这类顺序本身就是信息，按份额从大到小排会把它抹掉。
• 别加三维和透视。 透视让靠近观察者的扇区显得更大，直接扭曲面积判断——而面积是饼图唯一的编码。

四个 recipe 怎么比

1. 图很小，或正文已经给出数字 → recipe 1，保留最干净的整体构成。
2. 读者需要直接读取比例 → recipe 2，这是最完整也最推荐的版本。
3. 版面需要更轻的块面，或中心需要留白 → recipe 3。它是视觉变体，不比普通饼图更准确。
4. 有一个事先定义的重点类别 → recipe 4，只抽出这一块，并在标题或图注里说明原因。