ggplot2双坐标轴的解决方案
本来没有打算写这一篇的，因为在一幅图表中使用双坐标轴确实不是一个很好地习惯，无论是信息传递的效率还是数据表达的准确性而言。
但是最近有好几个小伙伴儿跟我咨询关于ggplot2的次坐标轴问题，平时的一些业务分析中，有些场景出于数据呈现的需要，或者阅读习惯等，往往需要在一幅图中呈现两个量级不等的坐标。
所以我觉得这一篇推送很有必要，确实在最新版的ggplot2（ggplot 2.2.0以上版本）中，已经加入了次坐标轴参数，通过这个次坐标轴的转换，我们可以模拟出不同数量级的次坐标轴效果。
因为其中用到了英文月份简写，这里对系统日期显示格式做了特殊设置：
lct <- Sys.getlocale("LC_TIME")
#备份本地默认日期显示格式
Sys.setlocale("LC_TIME", "C")
#指定标准日期显示格式
Sys.setlocale("LC_TIME",lct)
#这一句是恢复默认系统日期显示格式
#（记得要在使用完下面的month函数之后再运行这一句，否则月份返回的是中文）
加载包：
library("lubridate")
library("ggplot2")
library("scales")
library("magrittr")
library("tidyr")生成作图数据
作图数据1——单序列柱形图
data1 <- data.frame(
Month = seq(from = as.Date('2017-01-01'),to=as.Date('2017-06-01'),by='1 month') %>% month(label=TRUE),
Value = runif(6,10,50) %>% round()
)
Month Value
1 Jan 39
2 Feb 38
3 Mar 50
4 Apr 33
5 May 18
6 Jun 49作图数据2——二分类折线图（带散点）
data2 <- data.frame(
Month = seq(from = as.Date('2017-01-01'),to=as.Date('2017-06-01'),by='1 month') %>% month(label=TRUE),
Categroy1 = runif(6,0.1,0.5) %>% round(2),
Categroy2 = runif(6,0.1,0.5) %>% round(2)
) %>% gather(Category,Value,-1)
Month Category Value
1 Jan Categroy1 0.49
2 Feb Categroy1 0.23
3 Mar Categroy1 0.10
4 Apr Categroy1 0.38
5 May Categroy1 0.34
6 Jun Categroy1 0.13
7 Jan Categroy2 0.48
8 Feb Categroy2 0.38
9 Mar Categroy2 0.48
10 Apr Categroy2 0.15
11 May Categroy2 0.40
12 Jun Categroy2 0.16以下是整个过程代码，基本是司空见惯的内容，这里不做过多解释，仅提示其中两处重点，注意第二行geom_line内的y参数赋值以及第四行的scale_y_continuous语句：
ggplot() +
geom_col( data = data1,aes(x = Month,y = Value),fill="#6794a7") +
geom_line(data = data2,aes(x = Month,y = rescale(Value,c(0,55)),colour=Category,group=Category),size=1.5) +
geom_point(data = data2,aes(x = Month,y = rescale(Value,c(0,55)),colour=Category),shape=21,fill="white",size=4)+
scale_y_continuous(breaks=pretty_breaks(5),sec.axis = sec_axis( ~rescale(.,c(0,0.5)),name = "Categroy",labels=sprintf("%d%%",(0:5)*10)))+
scale_color_manual(label = c("Categroy1", "Categroy2"),values = c("#ee8f71","#C10534")) +
labs(
title="This is a Title!",
subtitle="This is a Subtitle",
caption="This is a Caption"
)+
theme_minimal(base_size=16) %+replace%
theme(
plot.caption = element_text(hjust=0),
plot.margin = unit(c(1,0.5,1,0.5), "lines")
)
这段代码与我们经常用的有两点不同：
第一次自定义映射——折线度量数据的映射转换：
geom_line(geom_point，因为点图是附属于折线图，仅做修饰之用，这里只重点说折线图层)中的y参数指定的对象使用了一个统计变换函数，rescale函数其实很好理解，就是将一个数值向量按照给定的另一个数值向量的极差（range），等比例标准化。
如果你知道如何将一组向量按照0~1标准化的话，那么这个函数就不难理解 ，其实就是将标准化的尺度给了一个自定义的范围。
因为在ggplot2标度系统中，不容许在一个图形中出现两个量级不等的标度（一山不容二虎），但是想要提供度量不等的次坐标轴，折中的方法就是，将次坐标轴的所有量级按照主坐标轴的量级进行缩放（如果次坐标轴量级大于主坐标轴，那么就是等比例放大，如果比主坐标轴量级大则缩小）。
针对本例而言，就是将折线图的数据源量级（0.0~0.5）放大到0~35的区间上，所有的单个指标的缩放比例都是相同的，这样你在图上就不会感受到太大的视角误差。
value1<-data1$Value
value21 <- data2[data2$Category == 'Categroy1',"Value"]
value22 <- data2[data2$Category == 'Categroy2',"Value"]
mydata <- data.frame(value1,value21,value22)
mydata$value31 <- rescale(mydata$value21,c(0,50))
mydata$value32 <- rescale(mydata$value22,c(0,50))
value1 value21 value22 value31 value32
1 39 0.49 0.48 50.000000 50.000000
2 38 0.23 0.38 16.666667 34.848485
3 50 0.10 0.48 0.000000 50.000000
4 33 0.38 0.15 35.897436 0.000000
5 18 0.34 0.40 30.769231 37.878788
6 49 0.13 0.16 3.846154 1.515152这是最终的折现结果，在geom_line中使用rescale函数实际上就是做的这种度量重新自定义映射的过程。
第二次自定义映射——次坐标轴刻度标签转换：
仅仅做以上步骤还不够，因为这只能保障次坐标轴的数据点位置相对于整个坐标系统而言，不会出现太大的视觉误差，但是现在的问题是这个图形对象中有两套不同的度量，所以必须声明不同的y轴度量标准，也就是y轴的刻度线及刻度标签，刻度标签的定义就是本案例的第二个重点，它仍然是通过rescale函数进行了一次度量的重新映射。
不过这次映射的过程刚好是相反的操作，即将之前已经被标准化到0~50区间内的原始度量标签通过rescale函数再次标准化到0~0.5区间内，这样保障显示在次坐标轴上的度量是符合原始数据极差范围呢。
说的有些拗口了，实际上以上过程思路很简单，就是先将数据映射到正确的位置，然后将次坐标轴刻度线度量标签再按照真实极差进行分布，一虚一实，正好达到了模拟效果。
scale_y_continuous(
breaks=pretty_breaks(5), #创建主坐标轴的刻度区间（这里是5个区间6个刻度点）
sec.axis = sec_axis( ~rescale(.,c(0,0.5)), #对次坐标轴刻度标签的二次映射（极差范围指定真实极差即可）
name = "Categroy", #次坐标轴名称
labels=sprintf("%d%%",(0:5)*10)) #刻度标签显示格式（这里是百分号）
)思路大体上就是这样子，希望这一篇文章可以帮到大家！
在线课程请点击文末原文链接：
Hellobi Live | R语言可视化在商务场景中的应用
往期案例数据请移步本人GitHub：
https://github.com/ljtyduyu/DataWarehouse/tree/master/File