画图必看：这些技巧让你的条形图变得高大上！

在前面的推文中，我给大家介绍了绘制条形图时常见的几种误区，以及如何避免误区，以提升条形图“逼格”的方法，权当抛砖引玉了。

上期推文链接：

今天将给大家继续介绍条形图，希望大家能够通过我的介绍，获得一些启发。

条形图最常规的用途是展示变量的频数分布。条形图虽然看着呆板，但它也有几个“兄弟姐妹”，即我们可以使用其他形式的图形来展示条形图中相同的信息！这句话说起来很简单，但是在实际操作过程中，大家还是需要根据自己的数据谨慎选择图形展示方式。那么，接下来就为大家讲解一下具体的选择原则。

第一种

常规条形图

每组仅展示一组数据，常规的条形图，即以条柱展示数值的大小。对于横轴上的分类变量，假如每个分类水平下，仅展示一组数据，那我们可以利用上次推文介绍的方法进行图形绘制。比如：

在很多情况下，我们需要在同一组别展示多组数据，比如（本图引自Journal of Hepatology 2019 vol. 70: 674–683）：

上图展示的是“并排式排列”的条形图（在ggplot2中对应geom_bar函数中的position = ‘dodge’参数），这种形式适用于每个分类水平中亚组不多，比如此处仅有2组。除了并排排列，还有一种常见的形式是“堆栈式排列”（在ggplot2中对应geom_bar函数中的position = ‘stack’参数），比如：

在上图中，每个分类水平下又分了四个组别，用四种不同的颜色堆栈在一起。这种图形适用于展示数据的变化趋势，但是对于观察不同组别的变化水平不太容易，因为除了最下面的组别，其余三个组别都不在一个水平线上。所以，为了解决这个问题，还有一种堆栈排列方式，对应geom_bar函数中的position = ‘fill’参数，比如：