for (pkg in c("tidyverse", "gapminder", "showtext", "ggtext")) {
  if (!require(pkg, character.only = TRUE)) install.packages(pkg)
}

showtext::showtext_opts(dpi = 300)

In den vorherigen Kapiteln haben wir die einzelnen Bausteine von ggplot2 kennengelernt: Achsen, Farben, Themes und Export. Jetzt ist es an der Zeit, sie zu vollständigen, publikationsreifen Grafiken zu kombinieren. Dafür wechseln wir vom kleinen PlantGrowth-Datensatz zum {gapminder}-Datensatz - einem deutlich reichhaltigeren Datensatz, der Lebenserwartung, Bevölkerung und BIP pro Kopf für 142 Länder von 1952 bis 2007 verfolgt.

Dabei werden uns mehrere praktische Herausforderungen begegnen: Wie man die Reihenfolge von Kategorien steuert, wie man Datenlabels korrekt an gruppierten Balken ausrichtet, und wie man Schritt für Schritt eine eigene Theme-Funktion aufbaut - inspiriert vom sauberen Design der Nature-Grafiken.

Datenvorbereitung

Wir filtern die gapminder-Daten, um 1952 und 2007 für sieben ausgewählte Länder zu vergleichen. Die year-Spalte muss in einen Faktor umgewandelt werden, damit die Gruppierung in ggplot2 korrekt funktioniert.

dat <- gapminder::gapminder %>%
  filter(year == 1952 | year == 2007) %>%
  filter(country %in% c(
    "Canada", "Germany", "Japan",
    "Netherlands", "Nigeria", "Vietnam", "Zimbabwe"
  )) %>%
  mutate(year = as.factor(year)) %>%
  droplevels()

dat

# A tibble: 14 × 6
   country     continent year  lifeExp       pop gdpPercap
   <fct>       <fct>     <fct>   <dbl>     <int>     <dbl>
 1 Canada      Americas  1952     68.8  14785584    11367.
 2 Canada      Americas  2007     80.7  33390141    36319.
 3 Germany     Europe    1952     67.5  69145952     7144.
 4 Germany     Europe    2007     79.4  82400996    32170.
 5 Japan       Asia      1952     63.0  86459025     3217.
 6 Japan       Asia      2007     82.6 127467972    31656.
 7 Netherlands Europe    1952     72.1  10381988     8942.
 8 Netherlands Europe    2007     79.8  16570613    36798.
 9 Nigeria     Africa    1952     36.3  33119096     1077.
10 Nigeria     Africa    2007     46.9 135031164     2014.
11 Vietnam     Asia      1952     40.4  26246839      605.
12 Vietnam     Asia      2007     74.2  85262356     2442.
13 Zimbabwe    Africa    1952     48.5   3080907      407.
14 Zimbabwe    Africa    2007     43.5  12311143      470.

Faktor-Level-Reihenfolge

Standardmäßig sortiert ggplot2 Faktor-Levels alphabetisch und wendet diese Reihenfolge auf der y-Achse von unten nach oben an (und auf der x-Achse von links nach rechts). In unserem Plot würde das bedeuten: Kanada unten und Simbabwe oben - eine rein willkürliche Reihenfolge, die es dem Leser erschwert, Muster zu erkennen. Es ist deutlich sinnvoller, Länder nach einer aussagekräftigen Variable zu sortieren, etwa ihrer Lebenserwartung im Jahr 2007.

Das {forcats}-Paket (wird mit tidyverse geladen) bietet praktische Funktionen für die Neuordnung von Faktor-Levels. Hier verwenden wir fct_relevel() mit einem vorsortierten Vektor von Ländernamen:

sorted_countries <- dat %>%
  filter(year == "2007") %>%
  arrange(lifeExp) %>%
  pull(country) %>%
  as.character()

dat <- dat %>%
  mutate(country = fct_relevel(country, sorted_countries))

Alternative Ansätze zur Neuordnung

Anstatt einen sortierten Vektor zu erstellen und fct_relevel() zu verwenden, gibt es weitere Optionen:

fct_rev() direkt in aes(): aes(y = fct_rev(country)) kehrt die aktuelle Reihenfolge um, ohne die Daten zu verändern. Schnell, aber nur Umkehrung - keine Sortierung nach einer Variable.
limits in der Scale: scale_y_discrete(limits = c("Zimbabwe", "Nigeria", ...)) legt die Reihenfolge manuell fest. Funktioniert, ist aber fragil - wenn ein Ländername sich ändert oder ein Level fehlt, wird es stillschweigend weggelassen.
fct_reorder(): mutate(country = fct_reorder(country, lifeExp)) sortiert nach einer anderen Variable. Der kompakteste Ansatz für einfache Fälle, erfordert aber Sorgfalt, wenn die Sortiervariable für mehrere Jahre existiert.

Gruppiertes Balkendiagramm

Ein klassischer Weg, paarweise Vergleiche zu visualisieren, ist ein gruppiertes Balkendiagramm. geom_col() erstellt Balken aus den Daten, und position_dodge() platziert Balken verschiedener Gruppen nebeneinander statt übereinander:

ggplot(data = dat) +
  aes(x = lifeExp, y = country, fill = fct_rev(year)) +
  geom_col(position = position_dodge()) +
  scale_fill_discrete(limits = c("1952", "2007"))

Hier fallen zwei Details auf. Erstens: fct_rev(year) kehrt den Year-Faktor um, sodass die 2007-Balken über den 1952-Balken innerhalb jeder Ländergruppe erscheinen - passend zur intuitiven Erwartung „Neuer oben”. Zweitens: limits = c("1952", "2007") in der Scale stellt sicher, dass die Legende 1952 vor 2007 zeigt (chronologische Reihenfolge), unabhängig von der internen Faktor-Level-Ordnung.

Alternative für Legendenreihenfolge: guides()

Anstatt limits in der Scale zu verwenden, kann man die Legendenreihenfolge auch mit guides(fill = guide_legend(reverse = TRUE)) umkehren. Das ist manchmal praktischer, wenn die Scale bereits andere Einstellungen hat.

Schrittweiser Aufbau eines Custom Themes

Anstatt ein fertiges Theme zu verwenden, bauen wir eines von Grund auf auf - inspiriert vom sauberen, minimalistischen Stil der Nature-Grafiken. Dieser schrittweise Ansatz macht es einfach zu verstehen, was jedes Theme-Element bewirkt, und das Ergebnis ist eine wiederverwendbare theme_nature()-Funktion.

Ausgangspunkt

Wir beginnen mit theme_minimal() und einer eigenen Farbpalette für die beiden Jahre:

sysfonts::font_add_google("Kanit", "kanit")
showtext::showtext_auto()

year_colors <- c("1952" = "#F7AA59", "2007" = "#37A9E1")

ggplot(data = dat) +
  aes(x = lifeExp, y = country, fill = fct_rev(year)) +
  geom_col(position = position_dodge()) +
  scale_fill_manual(limits = names(year_colors), values = year_colors) +
  theme_minimal()

Das sieht bereits sauberer aus als das Standard-Theme, aber die Schrift ist noch generisch, der Titel fehlt, und mehrere Elemente müssen verfeinert werden.

Schrift, Titel und Untertitel

Als nächstes wenden wir die Kanit-Schrift an, fügen einen fetten Titel hinzu und verwenden element_textbox_simple() aus {ggtext} für einen Untertitel, der HTML-Formatierung unterstützt - das wird später für farbkodierten Text nützlich:

ggplot(data = dat) +
  aes(x = lifeExp, y = country, fill = fct_rev(year)) +
  geom_col(position = position_dodge()) +
  scale_fill_manual(limits = names(year_colors), values = year_colors) +
  labs(title = "LEBENSERWARTUNG", subtitle = "Ein Vergleich von 1952 und 2007") +
  theme_minimal() +
  theme(
    text = element_text(family = "kanit"),
    plot.title.position = "plot",
    plot.title = element_text(size = 15, face = "bold"),
    plot.subtitle = ggtext::element_textbox_simple(
      size = 10, margin = margin(0, 0, 10, 0)
    )
  )

Achsenanpassung

Die y-Achsenlinie ist bei einem horizontalen Balkendiagramm unnötig (die Balken selbst definieren die Kategorien). Die x-Achse bekommt eine saubere schwarze Linie mit dezenten grauen Tick-Marks:

ggplot(data = dat) +
  aes(x = lifeExp, y = country, fill = fct_rev(year)) +
  geom_col(position = position_dodge()) +
  scale_fill_manual(limits = names(year_colors), values = year_colors) +
  scale_y_discrete(name = NULL, expand = c(0, 0)) +
  scale_x_continuous(name = NULL, expand = expansion(mult = c(0, 0.05))) +
  labs(title = "LEBENSERWARTUNG", subtitle = "Ein Vergleich von 1952 und 2007") +
  theme_minimal() +
  theme(
    text = element_text(family = "kanit"),
    plot.title.position = "plot",
    plot.title = element_text(size = 15, face = "bold"),
    plot.subtitle = ggtext::element_textbox_simple(
      size = 10, margin = margin(0, 0, 10, 0)
    ),
    axis.line.y = element_blank(),
    axis.text.x = element_text(color = "#AAAAAA"),
    axis.ticks.x = element_line(color = "#AAAAAA", linewidth = 0.4),
    axis.ticks.length.x = unit(4, "pt"),
    axis.line.x = element_line(color = "black", linewidth = 0.6)
  )

Legendenpositionierung

Die Legende wandert in die obere linke Ecke. Ein subtiles aber wichtiges Detail: legend.margin mit einem negativen oberen Rand zieht die Legende näher an den Untertitel und reduziert verschwendeten Weißraum:

ggplot(data = dat) +
  aes(x = lifeExp, y = country, fill = fct_rev(year)) +
  geom_col(position = position_dodge()) +
  scale_fill_manual(limits = names(year_colors), values = year_colors) +
  scale_y_discrete(name = NULL, expand = c(0, 0)) +
  scale_x_continuous(name = NULL, expand = expansion(mult = c(0, 0.05))) +
  labs(title = "LEBENSERWARTUNG", subtitle = "Ein Vergleich von 1952 und 2007") +
  theme_minimal() +
  theme(
    text = element_text(family = "kanit"),
    plot.title.position = "plot",
    plot.title = element_text(size = 15, face = "bold"),
    plot.subtitle = ggtext::element_textbox_simple(
      size = 10, margin = margin(0, 0, 10, 0)
    ),
    axis.line.y = element_blank(),
    axis.text.x = element_text(color = "#AAAAAA"),
    axis.ticks.x = element_line(color = "#AAAAAA", linewidth = 0.4),
    axis.ticks.length.x = unit(4, "pt"),
    axis.line.x = element_line(color = "black", linewidth = 0.6),
    legend.position = "top",
    legend.box.just = "left",
    legend.justification = "left",
    legend.title = element_text(face = "bold"),
    legend.key.size = unit(0.4, "cm"),
    legend.margin = margin(-5, 0, 0, 0)
  )

Der Trick mit dem negativen Margin

legend.margin = margin(-5, 0, 0, 0) nutzt einen negativen oberen Rand, um die Legende nach oben zu ziehen, näher an den Untertitel. Das ist ein gängiger Trick, um das Layout zu straffen, wenn die Legende oben sitzt. Der Wert muss per Augenmaß angepasst werden - ein zu großer negativer Rand führt dazu, dass die Legende den Untertitel überlappt.

Gitternetzlinien

Zum Schluss entfernen wir das Minor-Grid und die horizontalen Major-Gridlines (sie fügen bei einem Balkendiagramm nur Unordnung hinzu) und behalten nur vertikale gepunktete Linien als dezente Referenzmarkierungen:

ggplot(data = dat) +
  aes(x = lifeExp, y = country, fill = fct_rev(year)) +
  geom_col(position = position_dodge()) +
  scale_fill_manual(limits = names(year_colors), values = year_colors) +
  scale_y_discrete(name = NULL, expand = c(0, 0)) +
  scale_x_continuous(name = NULL, expand = expansion(mult = c(0, 0.05))) +
  labs(title = "LEBENSERWARTUNG", subtitle = "Ein Vergleich von 1952 und 2007") +
  theme_minimal() +
  theme(
    text = element_text(family = "kanit"),
    plot.title.position = "plot",
    plot.title = element_text(size = 15, face = "bold"),
    plot.subtitle = ggtext::element_textbox_simple(
      size = 10, margin = margin(0, 0, 10, 0)
    ),
    axis.line.y = element_blank(),
    axis.text.x = element_text(color = "#AAAAAA"),
    axis.ticks.x = element_line(color = "#AAAAAA", linewidth = 0.4),
    axis.ticks.length.x = unit(4, "pt"),
    axis.line.x = element_line(color = "black", linewidth = 0.6),
    legend.position = "top",
    legend.box.just = "left",
    legend.justification = "left",
    legend.title = element_text(face = "bold"),
    legend.key.size = unit(0.4, "cm"),
    legend.margin = margin(-5, 0, 0, 0),
    panel.grid.minor = element_blank(),
    panel.grid.major.y = element_blank(),
    panel.grid.major.x = element_line(
      linetype = "dotted", color = "#AAAAAA", linewidth = 0.3
    )
  )

Alles in eine Funktion verpacken

Nun, da wir mit jedem Element zufrieden sind, verpacken wir den gesamten theme()-Aufruf in eine wiederverwendbare Funktion. So ist das Anwenden des Themes auf jeden beliebigen Plot nur noch eine Zeile Code:

theme_nature <- function(base_size = 12) {
  theme_minimal(base_size = base_size) +
    theme(
      text = element_text(family = "kanit"),
      plot.title.position = "plot",
      plot.title = element_text(size = 15, face = "bold"),
      plot.subtitle = ggtext::element_textbox_simple(
        size = 10, margin = margin(0, 0, 10, 0)
      ),
      axis.line.y = element_blank(),
      axis.text.x = element_text(color = "#AAAAAA"),
      axis.ticks.x = element_line(color = "#AAAAAA", linewidth = 0.4),
      axis.ticks.length.x = unit(4, "pt"),
      axis.line.x = element_line(color = "black", linewidth = 0.6),
      legend.position = "top",
      legend.box.just = "left",
      legend.justification = "left",
      legend.title = element_text(face = "bold"),
      legend.key.size = unit(0.4, "cm"),
      legend.margin = margin(-5, 0, 0, 0),
      panel.grid.minor = element_blank(),
      panel.grid.major.y = element_blank(),
      panel.grid.major.x = element_line(
        linetype = "dotted", color = "#AAAAAA", linewidth = 0.3
      )
    )
}

Gestyltes Balkendiagramm mit Datenlabels

Jetzt kombinieren wir alles: das gruppierte Balkendiagramm, das Custom Theme, Datenlabels in den Balken und einen HTML-formatierten Untertitel, in dem die Farbkodierung direkt im Text erklärt wird - was eine separate Legende ersetzt:

long_subtitle <- "Die Daten zeigen eine Welt, in der die Lebenserwartung im Jahr <b style='color:#37A9E1;'>2007</b> oft eine verbesserte Lebensqualität im Vergleich zu <b style='color:#F7AA59;'>1952</b> widerspiegelt."

p <- ggplot(data = dat) +
  aes(x = lifeExp, y = country, fill = fct_rev(year)) +
  geom_col(position = position_dodge()) +
  geom_text(
    mapping = aes(label = round(lifeExp), group = fct_rev(year)),
    position = position_dodge(width = 0.9),
    hjust = 1.1,
    color = "white",
    family = "kanit"
  ) +
  scale_y_discrete(name = NULL, expand = c(0, 0)) +
  scale_x_continuous(
    name = NULL,
    expand = expansion(mult = c(0, 0.05))
  ) +
  scale_fill_manual(
    guide = "none",
    name = "Jahr",
    limits = names(year_colors),
    values = year_colors
  ) +
  labs(
    title = "LEBENSERWARTUNG",
    subtitle = long_subtitle
  ) +
  theme_nature()

p

Mehrere Details in diesem Code verdienen eine Erklärung:

group = fct_rev(year) in geom_text(): Ohne eine explizite group-Aesthetic weiß geom_text() nicht, zu welchem Balken jedes Label gehört, und kann die Labels nicht korrekt dodgen. Das group muss zur Fill-Aesthetic passen (einschließlich fct_rev()), damit Labels und Balken auf exakt die gleiche Weise gedodgt werden.
position_dodge(width = 0.9): Die Standard-Dodge-Breite von geom_col() ist 0.9. Wenn man Labels oder andere Layer auf gedodgte Balken legt, muss man diese Breite explizit angeben - sonst dodgen die Labels mit einer anderen Breite als die Balken, was zu Fehlausrichtung führt.
family = "kanit" in geom_text(): Anders als die meisten Theme-Elemente werden Texte in Geoms nicht von den theme()-Einstellungen beeinflusst. Wenn der Plot eine benutzerdefinierte Schrift verwendet, muss sie in jedem geom_text()- oder geom_label()-Aufruf explizit angegeben werden.
guide = "none": Entfernt die Legende, da der farbkodierte Untertitel bereits die Bedeutung jeder Farbe erklärt - ein saubereres Design, das visuelle Unordnung reduziert.

Geoms erben nicht die Font-Family vom Theme

Das ist eine häufige Fehlerquelle: theme(text = element_text(family = "kanit")) setzt die Schrift für Theme-Elemente (Titel, Achsenlabels, Legendentext), aber nicht für Text, der von Geoms wie geom_text() oder geom_label() gezeichnet wird. Diese Geoms verwenden die Standardschrift, es sei denn, family wird explizit gesetzt. Vergisst man das, entstehen Plots, bei denen der Titel eine Schrift verwendet und die Datenlabels eine andere.

Legenden-Alternative: Farbkodierter Untertitel

Anstelle einer traditionellen Legende nutzt der gestylte Untertitel HTML  Tags, um die Jahreslabels direkt im Text einzufärben. Das funktioniert nur, wenn der Untertitel element_textbox_simple() aus ggtext verwendet (was unser theme_nature() tut). Der Vorteil ist ein saubereres Design - der Leser sieht die Farbkodierung im Kontext, anstatt Legendeneinträge mit Plot-Elementen abgleichen zu müssen.

Checkpoint: Gruppiertes Balkendiagramm

Dieser eigenständige Code-Block reproduziert das gestylte Balkendiagramm von Grund auf:

show/hide code

library(tidyverse)
library(gapminder)
library(showtext)
library(ggtext)

showtext_opts(dpi = 300)
font_add_google("Kanit", "kanit")
showtext_auto()

dat <- gapminder %>%
  filter(year %in% c(1952, 2007)) %>%
  filter(country %in% c(
    "Canada", "Germany", "Japan",
    "Netherlands", "Nigeria", "Vietnam", "Zimbabwe"
  )) %>%
  mutate(year = as.factor(year)) %>%
  droplevels()

sorted_countries <- dat %>%
  filter(year == "2007") %>%
  arrange(lifeExp) %>%
  pull(country) %>%
  as.character()

dat <- dat %>%
  mutate(country = fct_relevel(country, sorted_countries))

year_colors <- c("1952" = "#F7AA59", "2007" = "#37A9E1")

theme_nature <- function(base_size = 12) {
  theme_minimal(base_size = base_size) +
    theme(
      text = element_text(family = "kanit"),
      plot.title.position = "plot",
      plot.title = element_text(size = 15, face = "bold"),
      plot.subtitle = element_textbox_simple(
        size = 10, margin = margin(0, 0, 10, 0)
      ),
      axis.line.y = element_blank(),
      axis.text.x = element_text(color = "#AAAAAA"),
      axis.ticks.x = element_line(color = "#AAAAAA", linewidth = 0.4),
      axis.ticks.length.x = unit(4, "pt"),
      axis.line.x = element_line(color = "black", linewidth = 0.6),
      legend.position = "top",
      legend.box.just = "left",
      legend.justification = "left",
      legend.title = element_text(face = "bold"),
      legend.key.size = unit(0.4, "cm"),
      legend.margin = margin(-5, 0, 0, 0),
      panel.grid.minor = element_blank(),
      panel.grid.major.y = element_blank(),
      panel.grid.major.x = element_line(
        linetype = "dotted", color = "#AAAAAA", linewidth = 0.3
      )
    )
}

long_subtitle <- "Die Daten zeigen eine Welt, in der die Lebenserwartung im Jahr <b style='color:#37A9E1;'>2007</b> oft eine verbesserte Lebensqualität im Vergleich zu <b style='color:#F7AA59;'>1952</b> widerspiegelt."

ggplot(data = dat) +
  aes(x = lifeExp, y = country, fill = fct_rev(year)) +
  geom_col(position = position_dodge()) +
  geom_text(
    mapping = aes(label = round(lifeExp), group = fct_rev(year)),
    position = position_dodge(width = 0.9),
    hjust = 1.1, color = "white", family = "kanit"
  ) +
  scale_y_discrete(name = NULL, expand = c(0, 0)) +
  scale_x_continuous(name = NULL, expand = expansion(mult = c(0, 0.05))) +
  scale_fill_manual(
    guide = "none", name = "Jahr",
    limits = names(year_colors), values = year_colors
  ) +
  labs(title = "LEBENSERWARTUNG", subtitle = long_subtitle) +
  theme_nature()

Dumbbell Plot

Ein gruppiertes Balkendiagramm eignet sich gut zum Vergleich absoluter Werte, aber wenn der Fokus auf der Veränderung zwischen zwei Zeitpunkten liegt, erzählt ein Dumbbell Plot die Geschichte oft klarer. Er verbindet zwei Datenpunkte mit einem Liniensegment, sodass Richtung und Ausmaß der Veränderung sofort sichtbar werden - besonders wenn manche Länder sich dramatisch verbessert haben, während andere sich kaum verändert haben.

Wir benötigen zunächst eine Wide-Format-Version der Daten, mit einer Spalte pro Jahr, damit geom_segment() Linien vom 1952-Wert zum 2007-Wert zeichnen kann:

dat_wide <- dat %>%
  select(country, year, lifeExp) %>%
  pivot_wider(
    names_from = year,
    values_from = lifeExp,
    names_prefix = "year_"
  ) %>%
  mutate(
    max_x = pmax(year_2007, year_1952),
    diff = year_2007 - year_1952,
    diff_lab = sprintf("%+d", round(diff))
  )

dat_wide

# A tibble: 7 × 6
  country     year_1952 year_2007 max_x  diff diff_lab
  <fct>           <dbl>     <dbl> <dbl> <dbl> <chr>   
1 Canada           68.8      80.7  80.7 11.9  +12     
2 Germany          67.5      79.4  79.4 11.9  +12     
3 Japan            63.0      82.6  82.6 19.6  +20     
4 Netherlands      72.1      79.8  79.8  7.63 +8      
5 Nigeria          36.3      46.9  46.9 10.5  +11     
6 Vietnam          40.4      74.2  74.2 33.8  +34     
7 Zimbabwe         48.5      43.5  48.5 -4.96 -5

Die pmax()-Funktion findet den größeren der beiden Jahreswerte für jedes Land - das brauchen wir später, um die Differenzlabels rechts von jedem Dumbbell zu positionieren. Die sprintf("%+d", ...)-Formatierung stellt sicher, dass positive Veränderungen ein +-Zeichen anzeigen (wie “+38”) für sofortige visuelle Klarheit.

Der Dumbbell Plot verwendet drei Layer: geom_segment() für die Verbindungslinien, geom_point() für die farbigen Endpunkte und zwei geom_text()-Layer für die Wertlabels und Differenzlabels:

p2 <- ggplot(data = dat) +
  aes(x = lifeExp, y = country, color = fct_rev(year)) +
  geom_segment(
    data = dat_wide,
    aes(x = year_1952, xend = year_2007, y = country, yend = country),
    color = "#AAAAAA",
    linewidth = 1
  ) +
  geom_point(size = 3) +
  geom_text(
    mapping = aes(label = round(lifeExp)),
    size = 2.5,
    vjust = -1,
    family = "kanit"
  ) +
  geom_text(
    data = dat_wide,
    mapping = aes(x = max_x, label = diff_lab),
    size = 2.5,
    hjust = 0,
    position = position_nudge(x = 1),
    color = "#AAAAAA",
    family = "kanit"
  ) +
  scale_color_manual(
    name = "Jahr",
    limits = c("1952", "2007"),
    values = year_colors,
    guide = "none"
  ) +
  scale_y_discrete(name = NULL) +
  scale_x_continuous(name = NULL) +
  labs(
    title = "LEBENSERWARTUNG",
    subtitle = long_subtitle
  ) +
  theme_nature()

p2

Der erste geom_text() zeigt die tatsächlichen Werte über jedem farbigen Punkt. Der zweite geom_text() nutzt die Wide-Format-Daten, um Differenzlabels (wie “+38” oder “+3”) rechts von jedem Dumbbell zu platzieren - position_nudge(x = 1) verschiebt das Label leicht, damit es nicht mit dem äußersten Punkt überlappt.

Man beachte, dass der Segment-Layer ein separates data-Argument (data = dat_wide) verwendet, während der Point-Layer das originale Long-Format dat nutzt. Das ist ein häufiges Muster in ggplot2: Verschiedene Layer können aus verschiedenen Datenquellen zeichnen, solange die Aesthetics übereinstimmen.

Checkpoint: Dumbbell Plot

Dieser eigenständige Code-Block reproduziert den Dumbbell Plot von Grund auf:

show/hide code

library(tidyverse)
library(gapminder)
library(showtext)
library(ggtext)

showtext_opts(dpi = 300)
font_add_google("Kanit", "kanit")
showtext_auto()

dat <- gapminder %>%
  filter(year %in% c(1952, 2007)) %>%
  filter(country %in% c(
    "Canada", "Germany", "Japan",
    "Netherlands", "Nigeria", "Vietnam", "Zimbabwe"
  )) %>%
  mutate(year = as.factor(year)) %>%
  droplevels()

sorted_countries <- dat %>%
  filter(year == "2007") %>%
  arrange(lifeExp) %>%
  pull(country) %>%
  as.character()

dat <- dat %>%
  mutate(country = fct_relevel(country, sorted_countries))

year_colors <- c("1952" = "#F7AA59", "2007" = "#37A9E1")

theme_nature <- function(base_size = 12) {
  theme_minimal(base_size = base_size) +
    theme(
      text = element_text(family = "kanit"),
      plot.title.position = "plot",
      plot.title = element_text(size = 15, face = "bold"),
      plot.subtitle = element_textbox_simple(
        size = 10, margin = margin(0, 0, 10, 0)
      ),
      axis.line.y = element_blank(),
      axis.text.x = element_text(color = "#AAAAAA"),
      axis.ticks.x = element_line(color = "#AAAAAA", linewidth = 0.4),
      axis.ticks.length.x = unit(4, "pt"),
      axis.line.x = element_line(color = "black", linewidth = 0.6),
      legend.position = "top",
      legend.box.just = "left",
      legend.justification = "left",
      legend.title = element_text(face = "bold"),
      legend.key.size = unit(0.4, "cm"),
      legend.margin = margin(-5, 0, 0, 0),
      panel.grid.minor = element_blank(),
      panel.grid.major.y = element_blank(),
      panel.grid.major.x = element_line(
        linetype = "dotted", color = "#AAAAAA", linewidth = 0.3
      )
    )
}

long_subtitle <- "Die Daten zeigen eine Welt, in der die Lebenserwartung im Jahr <b style='color:#37A9E1;'>2007</b> oft eine verbesserte Lebensqualität im Vergleich zu <b style='color:#F7AA59;'>1952</b> widerspiegelt."

dat_wide <- dat %>%
  select(country, year, lifeExp) %>%
  pivot_wider(
    names_from = year, values_from = lifeExp, names_prefix = "year_"
  ) %>%
  mutate(
    max_x = pmax(year_2007, year_1952),
    diff = year_2007 - year_1952,
    diff_lab = sprintf("%+d", round(diff))
  )

ggplot(data = dat) +
  aes(x = lifeExp, y = country, color = fct_rev(year)) +
  geom_segment(
    data = dat_wide,
    aes(x = year_1952, xend = year_2007, y = country, yend = country),
    color = "#AAAAAA", linewidth = 1
  ) +
  geom_point(size = 3) +
  geom_text(
    mapping = aes(label = round(lifeExp)),
    size = 2.5, vjust = -1, family = "kanit"
  ) +
  geom_text(
    data = dat_wide,
    mapping = aes(x = max_x, label = diff_lab),
    size = 2.5, hjust = 0,
    position = position_nudge(x = 1),
    color = "#AAAAAA", family = "kanit"
  ) +
  scale_color_manual(
    name = "Jahr", limits = c("1952", "2007"),
    values = year_colors, guide = "none"
  ) +
  scale_y_discrete(name = NULL) +
  scale_x_continuous(name = NULL) +
  labs(title = "LEBENSERWARTUNG", subtitle = long_subtitle) +
  theme_nature()

Zitat

Mit BibTeX zitieren:

@online{schmidt2026,
  author = {{Dr. Paul Schmidt}},
  publisher = {BioMath GmbH},
  title = {5. Fortgeschrittene Plots},
  date = {2026-08-13},
  url = {https://biomathcontent.netlify.app/de/content/ggplot2/05_advanced_plots.html},
  langid = {de}
}

Bitte zitieren Sie diese Arbeit als:

Dr. Paul Schmidt. 2026. “5. Fortgeschrittene Plots.” BioMath GmbH. August 13, 2026. https://biomathcontent.netlify.app/de/content/ggplot2/05_advanced_plots.html.

--- title: "5. Fortgeschrittene Plots" subtitle: "Gruppierte Balkendiagramme, Dumbbell Plots, Datenlabels und schrittweiser Aufbau eines Custom Themes" --- ```{r} #| label: advplot-packages #| message: false #| warning: false for (pkg in c("tidyverse", "gapminder", "showtext", "ggtext")) { if (!require(pkg, character.only = TRUE)) install.packages(pkg) } showtext::showtext_opts(dpi = 300) ``` In den vorherigen Kapiteln haben wir die einzelnen Bausteine von ggplot2 kennengelernt: Achsen, Farben, Themes und Export. Jetzt ist es an der Zeit, sie zu vollständigen, publikationsreifen Grafiken zu kombinieren. Dafür wechseln wir vom kleinen `PlantGrowth`-Datensatz zum [{gapminder}](https://jennybc.github.io/gapminder/)-Datensatz - einem deutlich reichhaltigeren Datensatz, der Lebenserwartung, Bevölkerung und BIP pro Kopf für 142 Länder von 1952 bis 2007 verfolgt. Dabei werden uns mehrere praktische Herausforderungen begegnen: Wie man die Reihenfolge von Kategorien steuert, wie man Datenlabels korrekt an gruppierten Balken ausrichtet, und wie man Schritt für Schritt eine eigene Theme-Funktion aufbaut - inspiriert vom sauberen Design der [Nature-Grafiken](https://doi.org/10.1038/d41586-019-03305-w). # Datenvorbereitung Wir filtern die gapminder-Daten, um 1952 und 2007 für sieben ausgewählte Länder zu vergleichen. Die `year`-Spalte muss in einen Faktor umgewandelt werden, damit die Gruppierung in ggplot2 korrekt funktioniert. ```{r} #| label: advplot-data-prep dat <- gapminder::gapminder %>% filter(year == 1952 | year == 2007) %>% filter(country %in% c( "Canada", "Germany", "Japan", "Netherlands", "Nigeria", "Vietnam", "Zimbabwe" )) %>% mutate(year = as.factor(year)) %>% droplevels() dat ``` ## Faktor-Level-Reihenfolge Standardmäßig sortiert ggplot2 Faktor-Levels alphabetisch und wendet diese Reihenfolge auf der y-Achse von unten nach oben an (und auf der x-Achse von links nach rechts). In unserem Plot würde das bedeuten: Kanada unten und Simbabwe oben - eine rein willkürliche Reihenfolge, die es dem Leser erschwert, Muster zu erkennen. Es ist deutlich sinnvoller, Länder nach einer aussagekräftigen Variable zu sortieren, etwa ihrer Lebenserwartung im Jahr 2007. Das [{forcats}](https://forcats.tidyverse.org/)-Paket (wird mit tidyverse geladen) bietet praktische Funktionen für die Neuordnung von Faktor-Levels. Hier verwenden wir `fct_relevel()` mit einem vorsortierten Vektor von Ländernamen: ```{r} #| label: advplot-reorder sorted_countries <- dat %>% filter(year == "2007") %>% arrange(lifeExp) %>% pull(country) %>% as.character() dat <- dat %>% mutate(country = fct_relevel(country, sorted_countries)) ``` :::{.callout-tip collapse="true"} ## Alternative Ansätze zur Neuordnung Anstatt einen sortierten Vektor zu erstellen und `fct_relevel()` zu verwenden, gibt es weitere Optionen: - **`fct_rev()` direkt in `aes()`**: `aes(y = fct_rev(country))` kehrt die aktuelle Reihenfolge um, ohne die Daten zu verändern. Schnell, aber nur Umkehrung - keine Sortierung nach einer Variable. - **`limits` in der Scale**: `scale_y_discrete(limits = c("Zimbabwe", "Nigeria", ...))` legt die Reihenfolge manuell fest. Funktioniert, ist aber fragil - wenn ein Ländername sich ändert oder ein Level fehlt, wird es stillschweigend weggelassen. - **`fct_reorder()`**: `mutate(country = fct_reorder(country, lifeExp))` sortiert nach einer anderen Variable. Der kompakteste Ansatz für einfache Fälle, erfordert aber Sorgfalt, wenn die Sortiervariable für mehrere Jahre existiert. ::: # Gruppiertes Balkendiagramm Ein klassischer Weg, paarweise Vergleiche zu visualisieren, ist ein gruppiertes Balkendiagramm. `geom_col()` erstellt Balken aus den Daten, und `position_dodge()` platziert Balken verschiedener Gruppen nebeneinander statt übereinander: ```{r} #| label: advplot-bar-basic ggplot(data = dat) + aes(x = lifeExp, y = country, fill = fct_rev(year)) + geom_col(position = position_dodge()) + scale_fill_discrete(limits = c("1952", "2007")) ``` Hier fallen zwei Details auf. Erstens: `fct_rev(year)` kehrt den Year-Faktor um, sodass die 2007-Balken über den 1952-Balken innerhalb jeder Ländergruppe erscheinen - passend zur intuitiven Erwartung „Neuer oben". Zweitens: `limits = c("1952", "2007")` in der Scale stellt sicher, dass die Legende 1952 vor 2007 zeigt (chronologische Reihenfolge), unabhängig von der internen Faktor-Level-Ordnung. :::{.callout-tip collapse="true"} ## Alternative für Legendenreihenfolge: guides() Anstatt `limits` in der Scale zu verwenden, kann man die Legendenreihenfolge auch mit `guides(fill = guide_legend(reverse = TRUE))` umkehren. Das ist manchmal praktischer, wenn die Scale bereits andere Einstellungen hat. ::: # Schrittweiser Aufbau eines Custom Themes Anstatt ein fertiges Theme zu verwenden, bauen wir eines von Grund auf auf - inspiriert vom sauberen, minimalistischen Stil der [Nature-Grafiken](https://doi.org/10.1038/d41586-019-03305-w). Dieser schrittweise Ansatz macht es einfach zu verstehen, was jedes Theme-Element bewirkt, und das Ergebnis ist eine wiederverwendbare `theme_nature()`-Funktion. ## Ausgangspunkt Wir beginnen mit `theme_minimal()` und einer eigenen Farbpalette für die beiden Jahre: ```{r} #| label: advplot-theme-base #| fig-showtext: true sysfonts::font_add_google("Kanit", "kanit") showtext::showtext_auto() year_colors <- c("1952" = "#F7AA59", "2007" = "#37A9E1") ggplot(data = dat) + aes(x = lifeExp, y = country, fill = fct_rev(year)) + geom_col(position = position_dodge()) + scale_fill_manual(limits = names(year_colors), values = year_colors) + theme_minimal() ``` Das sieht bereits sauberer aus als das Standard-Theme, aber die Schrift ist noch generisch, der Titel fehlt, und mehrere Elemente müssen verfeinert werden. ## Schrift, Titel und Untertitel Als nächstes wenden wir die Kanit-Schrift an, fügen einen fetten Titel hinzu und verwenden `element_textbox_simple()` aus [{ggtext}](https://wilkelab.org/ggtext/) für einen Untertitel, der HTML-Formatierung unterstützt - das wird später für farbkodierten Text nützlich: ```{r} #| label: advplot-theme-font #| fig-showtext: true ggplot(data = dat) + aes(x = lifeExp, y = country, fill = fct_rev(year)) + geom_col(position = position_dodge()) + scale_fill_manual(limits = names(year_colors), values = year_colors) + labs(title = "LEBENSERWARTUNG", subtitle = "Ein Vergleich von 1952 und 2007") + theme_minimal() + theme( text = element_text(family = "kanit"), plot.title.position = "plot", plot.title = element_text(size = 15, face = "bold"), plot.subtitle = ggtext::element_textbox_simple( size = 10, margin = margin(0, 0, 10, 0) ) ) ``` ## Achsenanpassung Die y-Achsenlinie ist bei einem horizontalen Balkendiagramm unnötig (die Balken selbst definieren die Kategorien). Die x-Achse bekommt eine saubere schwarze Linie mit dezenten grauen Tick-Marks: ```{r} #| label: advplot-theme-axes #| fig-showtext: true ggplot(data = dat) + aes(x = lifeExp, y = country, fill = fct_rev(year)) + geom_col(position = position_dodge()) + scale_fill_manual(limits = names(year_colors), values = year_colors) + scale_y_discrete(name = NULL, expand = c(0, 0)) + scale_x_continuous(name = NULL, expand = expansion(mult = c(0, 0.05))) + labs(title = "LEBENSERWARTUNG", subtitle = "Ein Vergleich von 1952 und 2007") + theme_minimal() + theme( text = element_text(family = "kanit"), plot.title.position = "plot", plot.title = element_text(size = 15, face = "bold"), plot.subtitle = ggtext::element_textbox_simple( size = 10, margin = margin(0, 0, 10, 0) ), axis.line.y = element_blank(), axis.text.x = element_text(color = "#AAAAAA"), axis.ticks.x = element_line(color = "#AAAAAA", linewidth = 0.4), axis.ticks.length.x = unit(4, "pt"), axis.line.x = element_line(color = "black", linewidth = 0.6) ) ``` ## Legendenpositionierung Die Legende wandert in die obere linke Ecke. Ein subtiles aber wichtiges Detail: `legend.margin` mit einem negativen oberen Rand zieht die Legende näher an den Untertitel und reduziert verschwendeten Weißraum: ```{r} #| label: advplot-theme-legend #| fig-showtext: true ggplot(data = dat) + aes(x = lifeExp, y = country, fill = fct_rev(year)) + geom_col(position = position_dodge()) + scale_fill_manual(limits = names(year_colors), values = year_colors) + scale_y_discrete(name = NULL, expand = c(0, 0)) + scale_x_continuous(name = NULL, expand = expansion(mult = c(0, 0.05))) + labs(title = "LEBENSERWARTUNG", subtitle = "Ein Vergleich von 1952 und 2007") + theme_minimal() + theme( text = element_text(family = "kanit"), plot.title.position = "plot", plot.title = element_text(size = 15, face = "bold"), plot.subtitle = ggtext::element_textbox_simple( size = 10, margin = margin(0, 0, 10, 0) ), axis.line.y = element_blank(), axis.text.x = element_text(color = "#AAAAAA"), axis.ticks.x = element_line(color = "#AAAAAA", linewidth = 0.4), axis.ticks.length.x = unit(4, "pt"), axis.line.x = element_line(color = "black", linewidth = 0.6), legend.position = "top", legend.box.just = "left", legend.justification = "left", legend.title = element_text(face = "bold"), legend.key.size = unit(0.4, "cm"), legend.margin = margin(-5, 0, 0, 0) ) ``` :::{.callout-note collapse="true"} ## Der Trick mit dem negativen Margin `legend.margin = margin(-5, 0, 0, 0)` nutzt einen negativen oberen Rand, um die Legende nach oben zu ziehen, näher an den Untertitel. Das ist ein gängiger Trick, um das Layout zu straffen, wenn die Legende oben sitzt. Der Wert muss per Augenmaß angepasst werden - ein zu großer negativer Rand führt dazu, dass die Legende den Untertitel überlappt. ::: ## Gitternetzlinien Zum Schluss entfernen wir das Minor-Grid und die horizontalen Major-Gridlines (sie fügen bei einem Balkendiagramm nur Unordnung hinzu) und behalten nur vertikale gepunktete Linien als dezente Referenzmarkierungen: ```{r} #| label: advplot-theme-grid #| fig-showtext: true ggplot(data = dat) + aes(x = lifeExp, y = country, fill = fct_rev(year)) + geom_col(position = position_dodge()) + scale_fill_manual(limits = names(year_colors), values = year_colors) + scale_y_discrete(name = NULL, expand = c(0, 0)) + scale_x_continuous(name = NULL, expand = expansion(mult = c(0, 0.05))) + labs(title = "LEBENSERWARTUNG", subtitle = "Ein Vergleich von 1952 und 2007") + theme_minimal() + theme( text = element_text(family = "kanit"), plot.title.position = "plot", plot.title = element_text(size = 15, face = "bold"), plot.subtitle = ggtext::element_textbox_simple( size = 10, margin = margin(0, 0, 10, 0) ), axis.line.y = element_blank(), axis.text.x = element_text(color = "#AAAAAA"), axis.ticks.x = element_line(color = "#AAAAAA", linewidth = 0.4), axis.ticks.length.x = unit(4, "pt"), axis.line.x = element_line(color = "black", linewidth = 0.6), legend.position = "top", legend.box.just = "left", legend.justification = "left", legend.title = element_text(face = "bold"), legend.key.size = unit(0.4, "cm"), legend.margin = margin(-5, 0, 0, 0), panel.grid.minor = element_blank(), panel.grid.major.y = element_blank(), panel.grid.major.x = element_line( linetype = "dotted", color = "#AAAAAA", linewidth = 0.3 ) ) ``` ## Alles in eine Funktion verpacken Nun, da wir mit jedem Element zufrieden sind, verpacken wir den gesamten `theme()`-Aufruf in eine wiederverwendbare Funktion. So ist das Anwenden des Themes auf jeden beliebigen Plot nur noch eine Zeile Code: ```{r} #| label: advplot-theme-function theme_nature <- function(base_size = 12) { theme_minimal(base_size = base_size) + theme( text = element_text(family = "kanit"), plot.title.position = "plot", plot.title = element_text(size = 15, face = "bold"), plot.subtitle = ggtext::element_textbox_simple( size = 10, margin = margin(0, 0, 10, 0) ), axis.line.y = element_blank(), axis.text.x = element_text(color = "#AAAAAA"), axis.ticks.x = element_line(color = "#AAAAAA", linewidth = 0.4), axis.ticks.length.x = unit(4, "pt"), axis.line.x = element_line(color = "black", linewidth = 0.6), legend.position = "top", legend.box.just = "left", legend.justification = "left", legend.title = element_text(face = "bold"), legend.key.size = unit(0.4, "cm"), legend.margin = margin(-5, 0, 0, 0), panel.grid.minor = element_blank(), panel.grid.major.y = element_blank(), panel.grid.major.x = element_line( linetype = "dotted", color = "#AAAAAA", linewidth = 0.3 ) ) } ``` # Gestyltes Balkendiagramm mit Datenlabels Jetzt kombinieren wir alles: das gruppierte Balkendiagramm, das Custom Theme, Datenlabels in den Balken und einen HTML-formatierten Untertitel, in dem die Farbkodierung direkt im Text erklärt wird - was eine separate Legende ersetzt: ```{r} #| label: advplot-bar-styled #| fig-showtext: true long_subtitle <- "Die Daten zeigen eine Welt, in der die Lebenserwartung im Jahr 2007 oft eine verbesserte Lebensqualität im Vergleich zu 1952 widerspiegelt." p <- ggplot(data = dat) + aes(x = lifeExp, y = country, fill = fct_rev(year)) + geom_col(position = position_dodge()) + geom_text( mapping = aes(label = round(lifeExp), group = fct_rev(year)), position = position_dodge(width = 0.9), hjust = 1.1, color = "white", family = "kanit" ) + scale_y_discrete(name = NULL, expand = c(0, 0)) + scale_x_continuous( name = NULL, expand = expansion(mult = c(0, 0.05)) ) + scale_fill_manual( guide = "none", name = "Jahr", limits = names(year_colors), values = year_colors ) + labs( title = "LEBENSERWARTUNG", subtitle = long_subtitle ) + theme_nature() p ``` Mehrere Details in diesem Code verdienen eine Erklärung: - **`group = fct_rev(year)` in `geom_text()`**: Ohne eine explizite `group`-Aesthetic weiß `geom_text()` nicht, zu welchem Balken jedes Label gehört, und kann die Labels nicht korrekt dodgen. Das `group` muss zur Fill-Aesthetic passen (einschließlich `fct_rev()`), damit Labels und Balken auf exakt die gleiche Weise gedodgt werden. - **`position_dodge(width = 0.9)`**: Die Standard-Dodge-Breite von `geom_col()` ist 0.9. Wenn man Labels oder andere Layer auf gedodgte Balken legt, muss man diese Breite explizit angeben - sonst dodgen die Labels mit einer anderen Breite als die Balken, was zu Fehlausrichtung führt. - **`family = "kanit"` in `geom_text()`**: Anders als die meisten Theme-Elemente werden Texte in Geoms *nicht* von den `theme()`-Einstellungen beeinflusst. Wenn der Plot eine benutzerdefinierte Schrift verwendet, muss sie in jedem `geom_text()`- oder `geom_label()`-Aufruf explizit angegeben werden. - **`guide = "none"`**: Entfernt die Legende, da der farbkodierte Untertitel bereits die Bedeutung jeder Farbe erklärt - ein saubereres Design, das visuelle Unordnung reduziert. :::{.callout-important} ## Geoms erben nicht die Font-Family vom Theme Das ist eine häufige Fehlerquelle: `theme(text = element_text(family = "kanit"))` setzt die Schrift für *Theme-Elemente* (Titel, Achsenlabels, Legendentext), aber **nicht** für Text, der von Geoms wie `geom_text()` oder `geom_label()` gezeichnet wird. Diese Geoms verwenden die Standardschrift, es sei denn, `family` wird explizit gesetzt. Vergisst man das, entstehen Plots, bei denen der Titel eine Schrift verwendet und die Datenlabels eine andere. ::: :::{.callout-tip collapse="true"} ## Legenden-Alternative: Farbkodierter Untertitel Anstelle einer traditionellen Legende nutzt der gestylte Untertitel HTML `` Tags, um die Jahreslabels direkt im Text einzufärben. Das funktioniert nur, wenn der Untertitel `element_textbox_simple()` aus ggtext verwendet (was unser `theme_nature()` tut). Der Vorteil ist ein saubereres Design - der Leser sieht die Farbkodierung im Kontext, anstatt Legendeneinträge mit Plot-Elementen abgleichen zu müssen. ::: :::{.callout-note collapse="true"} ## Checkpoint: Gruppiertes Balkendiagramm Dieser eigenständige Code-Block reproduziert das gestylte Balkendiagramm von Grund auf: ```{r} #| label: advplot-checkpoint-bar #| code-fold: true #| fig-showtext: true library(tidyverse) library(gapminder) library(showtext) library(ggtext) showtext_opts(dpi = 300) font_add_google("Kanit", "kanit") showtext_auto() dat <- gapminder %>% filter(year %in% c(1952, 2007)) %>% filter(country %in% c( "Canada", "Germany", "Japan", "Netherlands", "Nigeria", "Vietnam", "Zimbabwe" )) %>% mutate(year = as.factor(year)) %>% droplevels() sorted_countries <- dat %>% filter(year == "2007") %>% arrange(lifeExp) %>% pull(country) %>% as.character() dat <- dat %>% mutate(country = fct_relevel(country, sorted_countries)) year_colors <- c("1952" = "#F7AA59", "2007" = "#37A9E1") theme_nature <- function(base_size = 12) { theme_minimal(base_size = base_size) + theme( text = element_text(family = "kanit"), plot.title.position = "plot", plot.title = element_text(size = 15, face = "bold"), plot.subtitle = element_textbox_simple( size = 10, margin = margin(0, 0, 10, 0) ), axis.line.y = element_blank(), axis.text.x = element_text(color = "#AAAAAA"), axis.ticks.x = element_line(color = "#AAAAAA", linewidth = 0.4), axis.ticks.length.x = unit(4, "pt"), axis.line.x = element_line(color = "black", linewidth = 0.6), legend.position = "top", legend.box.just = "left", legend.justification = "left", legend.title = element_text(face = "bold"), legend.key.size = unit(0.4, "cm"), legend.margin = margin(-5, 0, 0, 0), panel.grid.minor = element_blank(), panel.grid.major.y = element_blank(), panel.grid.major.x = element_line( linetype = "dotted", color = "#AAAAAA", linewidth = 0.3 ) ) } long_subtitle <- "Die Daten zeigen eine Welt, in der die Lebenserwartung im Jahr 2007 oft eine verbesserte Lebensqualität im Vergleich zu 1952 widerspiegelt." ggplot(data = dat) + aes(x = lifeExp, y = country, fill = fct_rev(year)) + geom_col(position = position_dodge()) + geom_text( mapping = aes(label = round(lifeExp), group = fct_rev(year)), position = position_dodge(width = 0.9), hjust = 1.1, color = "white", family = "kanit" ) + scale_y_discrete(name = NULL, expand = c(0, 0)) + scale_x_continuous(name = NULL, expand = expansion(mult = c(0, 0.05))) + scale_fill_manual( guide = "none", name = "Jahr", limits = names(year_colors), values = year_colors ) + labs(title = "LEBENSERWARTUNG", subtitle = long_subtitle) + theme_nature() ``` ::: # Dumbbell Plot Ein gruppiertes Balkendiagramm eignet sich gut zum Vergleich absoluter Werte, aber wenn der Fokus auf der *Veränderung* zwischen zwei Zeitpunkten liegt, erzählt ein Dumbbell Plot die Geschichte oft klarer. Er verbindet zwei Datenpunkte mit einem Liniensegment, sodass Richtung und Ausmaß der Veränderung sofort sichtbar werden - besonders wenn manche Länder sich dramatisch verbessert haben, während andere sich kaum verändert haben. Wir benötigen zunächst eine Wide-Format-Version der Daten, mit einer Spalte pro Jahr, damit `geom_segment()` Linien vom 1952-Wert zum 2007-Wert zeichnen kann: ```{r} #| label: advplot-dumbbell-data dat_wide <- dat %>% select(country, year, lifeExp) %>% pivot_wider( names_from = year, values_from = lifeExp, names_prefix = "year_" ) %>% mutate( max_x = pmax(year_2007, year_1952), diff = year_2007 - year_1952, diff_lab = sprintf("%+d", round(diff)) ) dat_wide ``` Die `pmax()`-Funktion findet den größeren der beiden Jahreswerte für jedes Land - das brauchen wir später, um die Differenzlabels rechts von jedem Dumbbell zu positionieren. Die `sprintf("%+d", ...)`-Formatierung stellt sicher, dass positive Veränderungen ein `+`-Zeichen anzeigen (wie "+38") für sofortige visuelle Klarheit. Der Dumbbell Plot verwendet drei Layer: `geom_segment()` für die Verbindungslinien, `geom_point()` für die farbigen Endpunkte und zwei `geom_text()`-Layer für die Wertlabels und Differenzlabels: ```{r} #| label: advplot-dumbbell-plot #| fig-showtext: true p2 <- ggplot(data = dat) + aes(x = lifeExp, y = country, color = fct_rev(year)) + geom_segment( data = dat_wide, aes(x = year_1952, xend = year_2007, y = country, yend = country), color = "#AAAAAA", linewidth = 1 ) + geom_point(size = 3) + geom_text( mapping = aes(label = round(lifeExp)), size = 2.5, vjust = -1, family = "kanit" ) + geom_text( data = dat_wide, mapping = aes(x = max_x, label = diff_lab), size = 2.5, hjust = 0, position = position_nudge(x = 1), color = "#AAAAAA", family = "kanit" ) + scale_color_manual( name = "Jahr", limits = c("1952", "2007"), values = year_colors, guide = "none" ) + scale_y_discrete(name = NULL) + scale_x_continuous(name = NULL) + labs( title = "LEBENSERWARTUNG", subtitle = long_subtitle ) + theme_nature() p2 ``` Der erste `geom_text()` zeigt die tatsächlichen Werte über jedem farbigen Punkt. Der zweite `geom_text()` nutzt die Wide-Format-Daten, um Differenzlabels (wie "+38" oder "+3") rechts von jedem Dumbbell zu platzieren - `position_nudge(x = 1)` verschiebt das Label leicht, damit es nicht mit dem äußersten Punkt überlappt. Man beachte, dass der Segment-Layer ein separates `data`-Argument (`data = dat_wide`) verwendet, während der Point-Layer das originale Long-Format `dat` nutzt. Das ist ein häufiges Muster in ggplot2: Verschiedene Layer können aus verschiedenen Datenquellen zeichnen, solange die Aesthetics übereinstimmen. :::{.callout-note collapse="true"} ## Checkpoint: Dumbbell Plot Dieser eigenständige Code-Block reproduziert den Dumbbell Plot von Grund auf: ```{r} #| label: advplot-checkpoint-dumbbell #| code-fold: true #| fig-showtext: true library(tidyverse) library(gapminder) library(showtext) library(ggtext) showtext_opts(dpi = 300) font_add_google("Kanit", "kanit") showtext_auto() dat <- gapminder %>% filter(year %in% c(1952, 2007)) %>% filter(country %in% c( "Canada", "Germany", "Japan", "Netherlands", "Nigeria", "Vietnam", "Zimbabwe" )) %>% mutate(year = as.factor(year)) %>% droplevels() sorted_countries <- dat %>% filter(year == "2007") %>% arrange(lifeExp) %>% pull(country) %>% as.character() dat <- dat %>% mutate(country = fct_relevel(country, sorted_countries)) year_colors <- c("1952" = "#F7AA59", "2007" = "#37A9E1") theme_nature <- function(base_size = 12) { theme_minimal(base_size = base_size) + theme( text = element_text(family = "kanit"), plot.title.position = "plot", plot.title = element_text(size = 15, face = "bold"), plot.subtitle = element_textbox_simple( size = 10, margin = margin(0, 0, 10, 0) ), axis.line.y = element_blank(), axis.text.x = element_text(color = "#AAAAAA"), axis.ticks.x = element_line(color = "#AAAAAA", linewidth = 0.4), axis.ticks.length.x = unit(4, "pt"), axis.line.x = element_line(color = "black", linewidth = 0.6), legend.position = "top", legend.box.just = "left", legend.justification = "left", legend.title = element_text(face = "bold"), legend.key.size = unit(0.4, "cm"), legend.margin = margin(-5, 0, 0, 0), panel.grid.minor = element_blank(), panel.grid.major.y = element_blank(), panel.grid.major.x = element_line( linetype = "dotted", color = "#AAAAAA", linewidth = 0.3 ) ) } long_subtitle <- "Die Daten zeigen eine Welt, in der die Lebenserwartung im Jahr 2007 oft eine verbesserte Lebensqualität im Vergleich zu 1952 widerspiegelt." dat_wide <- dat %>% select(country, year, lifeExp) %>% pivot_wider( names_from = year, values_from = lifeExp, names_prefix = "year_" ) %>% mutate( max_x = pmax(year_2007, year_1952), diff = year_2007 - year_1952, diff_lab = sprintf("%+d", round(diff)) ) ggplot(data = dat) + aes(x = lifeExp, y = country, color = fct_rev(year)) + geom_segment( data = dat_wide, aes(x = year_1952, xend = year_2007, y = country, yend = country), color = "#AAAAAA", linewidth = 1 ) + geom_point(size = 3) + geom_text( mapping = aes(label = round(lifeExp)), size = 2.5, vjust = -1, family = "kanit" ) + geom_text( data = dat_wide, mapping = aes(x = max_x, label = diff_lab), size = 2.5, hjust = 0, position = position_nudge(x = 1), color = "#AAAAAA", family = "kanit" ) + scale_color_manual( name = "Jahr", limits = c("1952", "2007"), values = year_colors, guide = "none" ) + scale_y_discrete(name = NULL) + scale_x_continuous(name = NULL) + labs(title = "LEBENSERWARTUNG", subtitle = long_subtitle) + theme_nature() ``` :::