复现Nature子刊图，换数据即可用！

本次使用R语言复现一下Nature food中的1张图！

✅读入测试数据，

✅关键代码，

ggplot(data, aes(.data[[xvar]], obesity)) +

# 气泡图层：shape = 21 支持分别控制填充和边框
  geom_point(
    aes(
      size  = pop,    # 气泡大小映射人口/权重
      fill  = group,  # 填充色：国家分组
      colour = group  # 边框色：国家分组
    ),
    shape = 21,       # 空心圆
    alpha = 0.45,     # 透明度
    stroke = 1.1# 边框粗细
  ) +
  scale_fill_manual(values = cols_fill) + # 手动指定填充色
  scale_colour_manual(values = cols_border) + # 手动指定边框色
  scale_size_area(max_size = BUBBLE_MAX_SIZE) + # 气泡大小按面积缩放

# 标题与坐标轴标签
  labs(
    title = title,
    x = xlab,
    y = if (show_y) "AAPC of obesity prevalence (%)"elseNULL
  ) +

# 右下角标注相关系数
  annotate(
"text", x = Inf, y = -Inf,
    label = rlab,
    hjust = 1.1, vjust = -0.4,
    size = 5, family = "Arial", fontface = "italic"
  ) +

# y轴范围与刻度
  scale_y_continuous(
    limits = Y_LIMITS,
    breaks = Y_BREAKS
  )

✅该图将分面图 + 气泡图用到极致，系统展示了实体和数字零售食品环境变化率（AAPC）同国家层面肥胖趋势变化率之间的关联，信息密度高但不乱，整体就是一张“全球零售生态×肥胖趋势”的高维关系地图。

• 第一行、第二行，是2009–2022年的实体零售，包括连锁和非连锁门店密度、两者比值、连锁渠道销售占比和不健康食品销售结构；
• 第三行，是2014–2022年的数字零售人均销售额，专门盯住新兴渠道的增长。y轴统一用肥胖患病率的AAPC，所有子图共用同一尺度和刻度，方便跨面板直接比大小、看方向。
• 每个气泡代表一个国家，面积对应2022年的人口规模，颜色区分收入水平。
• 右下角标了未校正的Spearman相关系数r，用来说明零售环境变化率和肥胖变化率之间的单调关联强度。

整个图只用到ggplot2的分面 + geom_point等基础方法。

本期结束！