在数据可视化的世界里，选择一种能够直观展示部分与整体关系的图表至关重要。今天，我们将深入探讨 R 语言中最基础却也最经典的统计图形之一——饼图。虽然饼图在学术界有时备受争议，但不可否认的是，在处理诸如市场份额、预算分配或人口构成等“部分占整体”的数据时，它依然是最直观的表达方式。
在这篇文章中，我们将一起探索如何使用 R 语言的基础绘图系统来生成各种各样的饼图。从最基础的图形绘制，到添加百分比标签、自定义调色板，甚至是创建具有立体感的 3D 饼图，我们将通过一系列实战案例，帮助你全面掌握这一技能。
饼图的核心概念与基础语法
首先，让我们简单回顾一下什么是饼图。饼图是一种圆形的统计图形，它被分割成若干个扇区，每个扇区的大小对应于该类别在数据中的相对大小或频率。在 R 语言中，我们可以直接使用基础安装包中自带的 pie() 函数来创建它。
在开始写代码之前，我们需要了解 pie() 函数的核心语法结构，这将是我们后续所有定制化操作的基础。
#### 语法核心
pie(x, labels, radius, main, col, clockwise, ...)
#### 关键参数解析
为了让你更清楚如何控制图表的每一个细节，我们详细解读一下这些参数：
- INLINECODEa656f36e: 这是最关键的输入数据，通常是一个数值向量。注意，INLINECODE9a0f102a 必须是正数，饼图会根据数值的相对比例（而非绝对值）来切割扇区。
labels: 这是一个字符向量，用于标记每个扇区的名称。如果不提供，R 将默认使用索引或数值作为标签。radius: 定义饼图的半径大小。默认值通常是 0.8 左右，你可以调整它（例如 0.5 或 1.0）来改变图表在画布上的缩放比例。main: 即图表的主标题，相当于整个图表的名字。- INLINECODE079837aa: 填充颜色的向量。你可以为每个扇区指定具体的颜色，或者使用 R 的颜色生成函数（如 INLINECODE3a36cd7c）。
- INLINECODEe27cf365: 一个逻辑值（INLINECODEfe9e4a86 或 INLINECODE5045f627）。默认情况下，R 的饼图是逆时针绘制的（从 3 点钟方向开始）。如果你希望数据顺时针排列，请将其设置为 INLINECODE62a36e27。
edges: 这是一个稍微高级一点的参数，定义了圆的平滑度（多边形的边数）。默认值通常足够圆滑，但在极高分辨率输出时可以调整。
1. 创建你的第一个 R 饼图
让我们从最简单的例子开始。假设我们有一组关于不同城市的数据，我们想要直观地展示它们之间的比例关系。
#### 示例 1.1：极简主义饼图
在这个例子中，我们将只提供数据和标签，其余的全部交给 R 的默认设置。
# 准备数据：模拟四个城市的数值数据
data_values <- c(23, 56, 20, 63)
# 准备标签：对应的城市名称
data_labels <- c("Mumbai", "Pune", "Chennai", "Bangalore")
# 绘制饼图
pie(x = data_values,
labels = data_labels)
输出解读：
当你运行这段代码时，R 会弹出一个绘图窗口。你会看到一个圆形的图表，被切割成四个扇区。每个扇区的大小精确对应了 data_values 中的比例。虽然这个图表很清晰，但它看起来有点“朴素”。在专业报告中，我们通常需要更多的视觉信息。
#### 示例 1.2：为图表注入色彩与标题
为了让图表更具可读性，我们可以通过添加标题和颜色来增强视觉效果。R 语言提供了一个非常方便的函数 rainbow()，它可以根据数据量的多少自动生成彩虹色谱。
# 1. 准备数据（保持不变）
data_values <- c(23, 56, 20, 63)
data_labels <- c("Mumbai", "Pune", "Chennai", "Bangalore")
# 2. 计算彩虹色
# rainbow(n) 会生成 n 个连续的颜色，非常适合分类数据
chart_colors <- rainbow(length(data_values))
# 3. 绘制带有标题和颜色的饼图
pie(x = data_values,
labels = data_labels,
main = "城市分布比例图", # 添加主标题
col = chart_colors, # 应用彩虹色填充
border = "white", # 添加白色边框，使切片分隔更清晰
clockwise = TRUE) # 设置为顺时针绘制，符合阅读习惯
实用见解：
在添加颜色时，尽量选择对比度高且色盲友好的配色方案（虽然 INLINECODEd2abe1c0 不是最好的色盲友好方案，但它最容易上手）。在这里，我额外添加了 INLINECODE21f1ee63 参数，这是一个小技巧，它能让每个扇区之间有一条白线分隔，比默认的黑线看起来更现代、更干净。
2. 进阶技巧：百分比与图例
仅仅展示标签是不够的，读者通常关心具体的百分比。此外，当标签较长或扇区较小时，直接将标签放在饼图上可能会显得拥挤。这时候，使用图例是一个明智的选择。
#### 示例 2.1：添加百分比标签
我们需要手动计算每个切片的百分比，因为 pie() 函数不会自动计算这个。
data_values <- c(23, 56, 20, 63)
data_labels <- c("Mumbai", "Pune", "Chennai", "Bangalore")
# 步骤 1: 计算百分比
# 逻辑：(单个值 / 总和) * 100，并保留 1 位小数
plot_labels <- round(100 * data_values / sum(data_values), 1)
# 步骤 2: 将百分比符号粘合到数值上（可选，或者作为图例）
# 这里我们直接将数值转换为字符串标签用于绘图
plot_labels_text <- paste(plot_labels, "%", sep = "")
# 步骤 3: 绘制饼图
pie(x = data_values,
labels = plot_labels_text, # 此时标签显示的是百分比
main = "城市数据占比分析",
col = rainbow(length(data_values)),
clockwise = TRUE)
#### 示例 2.2：将标签移至图例（专业做法）
这种做法在专业报表中非常常见。饼图本体保持干净（只显示颜色或百分比），详细的类别名称通过右侧的图例来说明。
“INLINECODEb1bc0bac`INLINECODE502e4642pie3DINLINECODE30b90c94explodeINLINECODE123afd24pie()INLINECODE19910e10pie(x, labels, col)INLINECODE4fa6ab24pie()INLINECODE09c2111eround(x/sum(x))INLINECODE97d447deRColorBrewerINLINECODEb5bfcfd3legendINLINECODEef0a8e5eplotrix::pie3DINLINECODE769d3754explodeINLINECODEfa618876shadeINLINECODEd4e21cedpar()INLINECODE1efdee48mfrow`），在一个画布上同时绘制多个不同风格的饼图进行对比。
希望这篇文章能帮助你在下一次数据分析中，绘制出既专业又美观的 R 饼图！