复现Science图，换数据即可用！
p
pythonic生物人约 3 分钟
pythonic生物人约 3 分钟本次使用R语言复现一下Science正刊中的1张图！
✅读入测试数据，
✅关键代码，
# 关键代码
treemap_set <- voronoiTreemap(
data = voronoi_data,
levels = c("Continent", "Income.group", "ISO3_value"), # 将 Continent 置于最前作为主要聚合维度
cell_size = "Achievable.mitigation..Pg.C."
)
# 绘制最终图形
drawTreemap(
treemap_set,
color_palette = income_colors,
label_size = 3,
label_color = "white",
border_color = "black",
border_size = 3,
)
这个图代码非常简单，无需太多介绍，看效果，
✅ Voronoi Treemap，这是一张Voronoi Treemap（沃罗诺伊树图）是一种结合了树图和沃罗诺伊图特点的数据可视化形式。它的核心作用是通过嵌套的不规则多边形来展示层次化数据，其中每个多边形的面积大小代表其对应数据的数值权重。
✅ 原文中，该图展示全球不同大洲（Continent）、收入组别（Income group）和国家（ISO3）可实现减缓潜力（Achievable.mitigation..Pg.C.）这一指标上的差异。结合原文，学习如何读这张图：
🔸嵌套多边形结构，表示数据的层次关系，如一个大洲包含多个国家，红色箭头所指粗线表示大洲分界；蓝色箭头所指表示国家的分界。
🔸颜色，不同的颜色代表不同的Income group，如High income、Low income、Upper middle income等。
🔸多边形面积，表示Achievable.mitigation..Pg.C.指标的数值大小，面积越大，潜力越高。
✅ 总之，通过这张图，可快速了解在全球范围内Achievable.mitigation..Pg.C.指标在不同大陆、收入群体和国家间的分布差异。
当然，对于可视化，我们可以尝试不同的colomap以符合自己审美，分享8组配色：
"Lower middle income" = "#6EBF4B",
"Upper middle income" = "#E6C35C",
"High income" = "#DC8F42"
)、c( "Low income" = "#440154",
"Lower middle income" = "#31688E",
"Upper middle income" = "#35B779",
"High income" = "#FDE725"
)
"Lower middle income" = "#EF8A62",
"Upper middle income" = "#67A9CF",
"High income" = "#2166AC"
)、c( "Low income" = "#FF0088", "Lower middle income" = "#0076CC", "Upper middle income" = "#FF7F00", "High income" = "#4DAF4A" )
本期结束！
👇备注：299
加入学习，备注：299