Rで解析：グラフに表や図を挿入する「ggpp」パッケージ

散布図や箱ひげ図に、集計表や拡大図を追加すると、図の内容が伝わりやすくなる場合があります。しかし、ggplot2 だけで挿入図を思いどおりの位置へ配置するには手間がかかります。「ggpp」パッケージは、表やプロット、図形をグラフ内へ座標を指定して挿入できるパッケージです。データ座標で位置を決めるコマンドに加え、描画領域を 0 から 1 で表す npc 座標に対応したコマンドが収録されています。また、元の位置と移動後の位置を線分や矢印で結ぶラベル配置や、ドッジと組み合わせた位置調整も可能です。本パッケージの利用で、注釈や補足情報を含んだ図を、意図した体裁で作成できるのではないかと考えます。

パッケージバージョンは0.6.1。Windows 11 x64 (build 26200)のR version 4.6.1で確認しています。

＜おすすめのRに関する書籍です＞

Rではじめるデータサイエンス 第2版 | Hadley Wickham, Mine Çetinkaya-Rundel, Garrett Grolemund, 大橋 真也

tidyverseの事実上の公式教科書。データの取り込み・整形・可視化・モデリング・レポート化までを一本の流れとして学べる。

パッケージのインストール

下記コマンドを実行してください。

# パッケージのインストール
install.packages("ggpp")

# パッケージの読み込み
library("ggpp")

# コマンド例の実行で必要なパッケージを読み込み
# install.packages("tidyverse")
library("tidyverse")

記事で使用するデータの作成

以降のコマンド例は、すべて下記のデータを使用します。

# 図全体の体裁を白背景に設定
theme_set(theme_bw())

# 野菜15品目の栄養価を模した架空のデータを作成
yasai <- data.frame(
  # 品目名
  name = c("にんじん", "だいこん", "ごぼう", "れんこん", "たまねぎ",
           "ほうれんそう", "キャベツ", "こまつな", "はくさい", "しゅんぎく",
           "トマト", "かぼちゃ", "ピーマン", "なす", "きゅうり"),
  # 分類（並び順を固定するため因子として作成）
  type = factor(rep(c("根菜", "葉菜", "果菜"), each = 5),
                levels = c("根菜", "葉菜", "果菜")),
  # 食物繊維量（g/100 g）
  fiber = c(2.8, 1.4, 5.7, 2.0, 1.5,
            2.8, 1.8, 1.9, 1.3, 3.2,
            1.0, 3.5, 2.3, 2.2, 1.1),
  # エネルギー（kcal/100 g）
  energy = c(35, 15, 58, 66, 33,
             20, 21, 13, 13, 20,
             20, 78, 20, 18, 13)
)

# 以降の作図で土台として使う散布図を作成
p <- ggplot(yasai, aes(x = fiber, y = energy)) +
  geom_point(size = 3) +
  labs(x = "食物繊維量（g/100 g）", y = "エネルギー（kcal/100 g）")

# 出荷量の前年からの増減を模した架空のデータを作成
shukka <- data.frame(
  # 増減量（t）で、マイナスは前年割れを表す
  diff = c(12, 5, -8, 20, -3),
  # 地域区分
  area = c("道央", "道央", "道南", "道北", "道南"),
  # 品目名
  item = c("だいこん", "にんじん", "かぼちゃ", "たまねぎ", "ブロッコリー")
)

コマンド例

詳細はコメント、パッケージのヘルプを確認してください。

図の任意の位置に文字・表・図形を注釈として追加する：annotateコマンド

# 散布図の空きスペースに文字の注釈を追加
p + annotate("text", x = 4.2, y = 72, size = 8,
             label = "からだにいいもの", colour = "red")

# 2か所に背景付きのラベルを追加
p + annotate("label", x = c(1.4, 5.2), y = c(70, 20),
             size = 5, label = c("繊維少なめ", "繊維多め"))

# 分類ごとの品目数をまとめた表を注釈として追加
p + annotate("table", x = 5.7, y = 78, size = 4, colour = "red",
             label = data.frame(分類 = c("根菜", "葉菜", "果菜"),
                                品目数 = c(5, 5, 5)))

# 全体を縮小した図を図中へ挿入
p + annotate("plot", x = 5.0, y = 70,
             label = p + theme_bw(9))

# 低エネルギーかつ低繊維の範囲を矩形で塗り分け
p + annotate("rect", xmin = 1.0, xmax = 2.5, ymin = 10, ymax = 25, alpha = 0.2)

# 2点の間を線分で結ぶ
p + annotate("segment", x = 2.0, xend = 5.0, y = 20, yend = 60, colour = "blue")

# エネルギーの中央値と範囲をポイントレンジで示す
p + annotate("pointrange", x = 2.3, y = 20, ymin = 13, ymax = 78,
             colour = "red", size = 1.2)

# 以下は npc 座標（描画領域を 0〜1 で表す座標）で位置を指定
# npc 座標を数値で指定して左下と右上にラベルを配置
p + annotate("label_npc", npcx = c(0.05, 0.95), npcy = c(0.05, 0.95),
             label = c("左下", "右上"))

# npc 座標を数値で指定して文字を配置
p + annotate("text_npc", npcx = 0.9, npcy = 0.9, label = "架空のデータ")

# npc 座標を文字列で指定して文字を配置
p + annotate("text_npc", npcx = "right", npcy = "bottom", label = "架空のデータ")

# npc 座標を指定して表を配置
p + annotate("table_npc", npcx = 0.05, npcy = 0.95,
             label = data.frame(分類 = c("根菜", "葉菜", "果菜"),
                                品目数 = c(5, 5, 5)))

# npc 座標を指定して図中へ図を挿入
p + annotate("plot_npc", npcx = 1, npcy = 1,
             label = p + theme_bw(9))

# 左下と右上の2か所へ、表示サイズを指定して図を挿入
p + annotate("plot_npc", npcx = c(0, 1), npcy = c(0, 1),
             label = list(p + theme_bw(9), p + theme_grey(9)),
             vp.width = 0.3, vp.height = 0.4)

棒グラフのラベルを振り分けて重なりを防ぐ：position_dodgenudgeコマンド

# 横棒グラフのラベルを 0 を境に左右へ振り分けて配置
ggplot(data = shukka, aes(diff, area, group = item)) +
  geom_col(aes(fill = item), width = 0.8,
           position = position_dodge()) +
  geom_vline(xintercept = 0) +
  geom_text(aes(label = item),
            position = position_dodgenudge(x = 1.5,
                                           direction = "split",
                                           width = 0.8),
            angle = 90, size = 4) +
  theme(legend.position = "none")

# 縦棒グラフのラベルを 0 を境に上下へ振り分けて配置
ggplot(data = shukka, aes(area, diff, group = item)) +
  geom_col(aes(fill = item), width = 0.75,
           position = position_dodge(width = 0.75)) +
  geom_hline(yintercept = 0) +
  geom_text(aes(label = item),
            position = position_dodgenudge(y = 2,
                                           direction = "split",
                                           width = 0.75),
            size = 4) +
  theme(legend.position = "none")

・横棒グラフのラベルを 0 を境に左右へ振り分けて配置

・縦棒グラフのラベルを 0 を境に上下へ振り分けて配置

データ座標を指定して図形を重ねる：geom_grobコマンド

# 図中へ挿入する図形（grob）と配置座標を格納したデータフレームを作成
zukei <- tibble(
  # 図形を置く食物繊維量の位置
  x = c(1.4, 5.2),
  # 図形を置くエネルギーの位置
  y = c(70, 25),
  # 黄色の円と緑色の四角を作成
  grob = list(grid::circleGrob(r = 0.3,
                               gp = grid::gpar(fill = "#FFD24D", col = NA)),
              grid::rectGrob(width = 0.6, height = 0.6,
                             gp = grid::gpar(fill = "#8CC63F", col = NA)))
)

# 位置をずらさない場合は移動線がプロットされない
p + geom_grob(data = zukei,
              aes(x, y, label = grob))

# 位置を右へずらすと、元の位置との間に移動線がプロットされる
p + geom_grob(data = zukei,
              aes(x, y, label = grob),
              nudge_x = 0.6,
              colour = "red",
              hjust = 0.5,
              vjust = 0.5)

# 移動線へ色を適用しない（colour.target = "none"）
p + geom_grob(data = zukei,
              aes(x, y, label = grob),
              nudge_x = 0.6,
              colour = "red",
              colour.target = "none",
              hjust = 0.5,
              vjust = 0.5)

# 位置をずらしても移動線をプロットしない（add.segments = FALSE）
p + geom_grob(data = zukei,
              aes(x, y, label = grob),
              add.segments = FALSE,
              nudge_x = 0.6,
              hjust = 0.5,
              vjust = 0.5)

・位置をずらさない場合は移動線がプロットされない

・位置を右へずらすと、元の位置との間に移動線がプロットされる

・移動線へ色を適用しない（colour.target = “none”）

・位置をずらしても移動線をプロットしない（add.segments = FALSE）

＜おすすめのRに関する書籍です＞

Rによる計量政治学 | 浅野正彦, 矢内勇生

政治現象を統計的に検証するための入門書。各章に練習問題があり、独学でも進めやすい構成。

主図の一部を拡大した図を挿入する：geom_plotコマンド

# 点が密集する低エネルギー帯を切り出した拡大図を作成
p.zoom <- p +
  coord_cartesian(xlim = c(1.0, 2.5), ylim = c(10, 25)) +
  labs(x = NULL, y = NULL) +
  theme_bw(9)

# 拡大図と npc 座標での配置位置を格納したデータフレームを作成
zoom.npc <- tibble(x = 0.95, y = 0.95, plot = list(p.zoom))

# npc 座標を使って拡大図を右上へ配置
p +
  geom_plot_npc(data = zoom.npc,
                aes(npcx = x, npcy = y, label = plot))

# 拡大図の表示サイズをaes()の中で指定
p +
  geom_plot_npc(data = zoom.npc,
                aes(npcx = x, npcy = y, label = plot,
                    vp.width = 1/2, vp.height = 1/4))

# 拡大図の表示サイズを引数で指定
p +
  geom_plot_npc(data = zoom.npc,
                aes(npcx = x, npcy = y, label = plot),
                vp.width = 1/4, vp.height = 1/4)

# 拡大図とデータ座標での配置位置を格納したデータフレームを作成
zoom.data <- tibble(x = 1.8, y = 18, plot = list(p.zoom))

# データ座標で配置し、拡大元の範囲へ矢印付きセグメントで結ぶ
p +
  geom_plot(data = zoom.data,
            aes(x = x, y = y, label = plot),
            nudge_x = 2.5, nudge_y = 45,
            hjust = 0.5, vjust = 0.5,
            arrow = arrow(length = unit(0.5, "lines")),
            colour = "red",
            vp.width = 1/4, vp.height = 1/4) +
  expand_limits(x = 7, y = 95)

集計結果の表を図中へ挿入する：geom_tableコマンド

# 分類ごとの平均値を集計し、表示用の桁数に整えて格納
shukei <- yasai |>
  group_by(type) |>
  summarize(fiber = mean(fiber), energy = mean(energy)) |>
  ungroup() |>
  mutate(fiber = sprintf("%.1f", fiber),
         energy = sprintf("%.0f", energy))

# 表として表示する列名を日本語へ変更
names(shukei) <- c("分類", "繊維", "熱量")

# 集計表と配置座標を格納したデータフレームを作成
tbl.df <- tibble(x = 5.7, y = 78, tb = list(shukei))

# 既定の設定で散布図に集計表を重ねる
ggplot(yasai, aes(fiber, energy, colour = type)) +
  geom_point(size = 3) +
  geom_table(data = tbl.df,
             aes(x = x, y = y, label = tb))

# 表の色・塗り・フォント・サイズ・角度を定数で指定
ggplot(yasai, aes(fiber, energy, colour = type)) +
  geom_point(size = 3) +
  geom_table(data = tbl.df,
             aes(x = x, y = y, label = tb),
             colour = "red",
             fill = "#FFCCCC",
             family = "serif", size = 4,
             angle = 90, vjust = 0)

# 縞模様のテーブルテーマを引数で渡す
ggplot(yasai, aes(fiber, energy, colour = type)) +
  geom_point(size = 3) +
  geom_table(data = tbl.df,
             aes(x = x, y = y, label = tb),
             table.theme = ttheme_gtstripes)

# 表全体へ透過度を適用
ggplot(yasai, aes(fiber, energy, colour = type)) +
  geom_point(size = 3) +
  geom_table(data = tbl.df,
             aes(x = x, y = y, label = tb),
             alpha = 0.5)

# 表の背景（table.canvas）だけへ透過度を適用
ggplot(yasai, aes(fiber, energy, colour = type)) +
  geom_point(size = 3) +
  geom_table(data = tbl.df,
             aes(x = x, y = y, label = tb),
             alpha = 0.5, alpha.target = "table.canvas")

# 集計表を1行ずつに分け、分類ごとの重心座標とあわせて格納
tbl.df2 <- tibble(
  # 図の右側に縦に並べるときの x 座標
  x = 5.7,
  # 図の右側に縦に並べるときの y 座標
  y = c(78, 62, 46),
  # 各分類のおおよその重心（食物繊維量）
  x1 = c(2.7, 2.2, 2.0),
  # 各分類のおおよその重心（エネルギー）
  y1 = c(41, 17, 30),
  # 主図と色を対応させるための分類
  type = factor(c("根菜", "葉菜", "果菜"),
                levels = c("根菜", "葉菜", "果菜")),
  # 1行ずつ切り出した集計表
  tb = list(shukei[1, ], shukei[2, ], shukei[3, ])
)

# 主図の色分けを引き継いで、分類ごとの表を配置
ggplot(yasai, aes(fiber, energy, colour = type)) +
  geom_point(size = 3) +
  geom_table(data = tbl.df2,
             inherit.aes = TRUE,
             mapping = aes(x = x, y = y, label = tb))

# 表の罫線（table.rules）へ色を適用
ggplot(yasai, aes(fiber, energy, colour = type)) +
  geom_point(size = 3) +
  geom_table(data = tbl.df2,
             inherit.aes = TRUE,
             colour.target = "table.rules",
             mapping = aes(x = x, y = y, label = tb))

# 重心から表をずらし、矢印付きセグメントで結ぶ
ggplot(yasai, aes(fiber, energy, colour = type)) +
  geom_point(size = 3, show.legend = FALSE) +
  geom_table(data = tbl.df2,
             inherit.aes = TRUE,
             mapping = aes(x = x1, y = y1, label = tb),
             nudge_x = 1.2, nudge_y = 18,
             vjust = 0.5, hjust = 0.5,
             arrow = arrow(length = unit(0.5, "lines"))) +
  expand_limits(x = 7, y = 95)

# 罫線とセグメントの両方へ色を適用
ggplot(yasai, aes(fiber, energy, colour = type)) +
  geom_point(size = 3, show.legend = FALSE) +
  geom_table(data = tbl.df2,
             inherit.aes = TRUE,
             mapping = aes(x = x1, y = y1, label = tb),
             nudge_x = 1.2, nudge_y = 18,
             vjust = 0.5, hjust = 0.5,
             arrow = arrow(length = unit(0.5, "lines")),
             colour.target = c("table.rules", "segment")) +
  expand_limits(x = 7, y = 95)

# データ座標ではなく npc 座標で配置するためのデータフレームを作成
tbl.npc <- tibble(x = 0.95, y = 0.95, tb = list(shukei))

# npc 座標を使って集計表を右上へ配置
ggplot(yasai, aes(fiber, energy, colour = type)) +
  geom_point(size = 3) +
  geom_table_npc(data = tbl.npc,
                 aes(npcx = x, npcy = y, label = tb))

描画領域を 0〜1 で表す座標にラベルを配置する：geom_label_npcコマンド

# npc 座標の指定方法を比較するためのデータフレームを作成
npc.df <- data.frame(
  # 数値で指定する x 位置（0〜1）
  x = c(0, 0, 1, 1, 0.5),
  # 文字列で指定する x 位置
  x.chr = c("left", "left", "right", "right", "center"),
  # 数値で指定する y 位置（0〜1）
  y = c(0, 1, 0, 1, 0.5),
  # 文字列で指定する y 位置
  y.chr = c("bottom", "top", "bottom", "top", "middle"),
  # 各位置に表示する文字列
  text = c("左下", "左上", "右下", "右上", "中央")
)

# npc 座標を数値で指定して文字を配置
ggplot(npc.df) +
  geom_text_npc(aes(npcx = x, npcy = y, label = text))

# npc 座標を文字列で指定して文字を配置
ggplot(npc.df) +
  geom_text_npc(aes(npcx = x.chr, npcy = y.chr, label = text))

# 文字を 90 度回転して配置
ggplot(npc.df) +
  geom_text_npc(aes(npcx = x.chr, npcy = y.chr, label = text),
                angle = 90)

# 散布図の四隅と中央へ文字を重ねる
p +
  geom_text_npc(data = npc.df,
                aes(npcx = x, npcy = y, label = text))

# 表示範囲を広げてから文字を重ねる
p +
  geom_text_npc(data = npc.df,
                aes(npcx = x, npcy = y, label = text)) +
  expand_limits(x = 7, y = 95)

# 背景付きのラベルを npc 座標へ配置
p +
  geom_label_npc(data = npc.df,
                 aes(npcx = x, npcy = y, label = text))

# 文字列で指定した npc 座標へラベルを配置し 90 度回転
p +
  geom_label_npc(data = npc.df,
                 aes(npcx = x.chr, npcy = y.chr, label = text),
                 angle = 90)

＜おすすめのRに関する書籍です＞

Rによる計量政治学 | 浅野正彦, 矢内勇生

政治現象を統計的に検証するための入門書。各章に練習問題があり、独学でも進めやすい構成。

2つの水準を結ぶ比較バーとラベルを描画する：geom_label_pairwiseコマンド

# 分類ごとのエネルギーの箱ひげ図を作成
p.box <- ggplot(yasai, aes(x = type, y = energy)) +
  geom_boxplot(width = 0.4) +
  labs(x = "分類", y = "エネルギー（kcal/100 g）") +
  expand_limits(y = 110)

# 比較する組み合わせと表示例のP値（架空の値）を格納
pair.df <- data.frame(
  # 比較する左側の水準番号
  A = 1:2,
  # 比較する右側の水準番号
  B = 2:3,
  # 比較バーを描く高さ
  bar = c(88, 100),
  # 表示するP値
  p.value = c(0.012, 0.048)
)

# 水準1-2、水準2-3の間に比較バーとP値を追加
p.box +
  geom_text_pairwise(data = pair.df,
                     aes(xmin = A, xmax = B, y = bar, label = p.value),
                     parse = TRUE)

# P値を数式として表示し、バーの両端に縦線を付ける
p.box +
  geom_text_pairwise(data = pair.df,
                     aes(xmin = A, xmax = B, y = bar,
                         label = sprintf("italic(P)~`=`~%.3f", p.value)),
                     arrow = grid::arrow(angle = 90,
                                         length = unit(1, "mm"),
                                         ends = "both"),
                     parse = TRUE)

# 文字とバーの両方を赤色にする
p.box +
  geom_text_pairwise(data = pair.df,
                     aes(xmin = A, xmax = B, y = bar,
                         label = sprintf("italic(P)~`=`~%.3f", p.value)),
                     colour = "red",
                     arrow = grid::arrow(angle = 90,
                                         length = unit(1, "mm"),
                                         ends = "both"),
                     parse = TRUE)

# 背景付きラベルでP値を表示
p.box +
  geom_label_pairwise(data = pair.df,
                      aes(xmin = A, xmax = B, y = bar,
                          label = sprintf("italic(P)~`=`~%.3f", p.value)),
                      colour = "red", size = 3,
                      arrow = grid::arrow(angle = 30,
                                          length = unit(1.5, "mm"),
                                          ends = "both"),
                      parse = TRUE)

# バーだけを赤色にする（colour.target = "segment"）
p.box +
  geom_text_pairwise(data = pair.df,
                     aes(xmin = A, xmax = B, y = bar,
                         label = sprintf("italic(P)~`=`~%.3f", p.value)),
                     colour = "red", colour.target = "segment",
                     arrow = grid::arrow(angle = 90,
                                         length = unit(1, "mm"),
                                         ends = "both"),
                     parse = TRUE)

# 文字だけを赤色にする（colour.target = "text"）
p.box +
  geom_text_pairwise(data = pair.df,
                     aes(xmin = A, xmax = B, y = bar,
                         label = sprintf("italic(P)~`=`~%.3f", p.value)),
                     colour = "red", colour.target = "text",
                     arrow = grid::arrow(angle = 90,
                                         length = unit(1, "mm"),
                                         ends = "both"),
                     parse = TRUE)

# 連続値の範囲に説明を付けるためのデータを作成
range.df <- data.frame(
  # 範囲の下限
  A = c(1.0, 3.0),
  # 範囲の上限
  B = c(2.5, 6.0),
  # 範囲バーを描く高さ
  bar = 5,
  # 範囲に付ける説明
  text = c("繊維少なめ", "繊維多め")
)

# 食物繊維量の2つの範囲に説明ラベルを配置
p +
  geom_text_pairwise(data = range.df,
                     aes(xmin = A, xmax = B, y = bar, label = text))

# ラベルを 90 度回転して配置
p +
  geom_text_pairwise(data = range.df,
                     aes(xmin = A, xmax = B, y = bar, label = text),
                     angle = 90, hjust = -0.1)

# 背景付きラベルを 90 度回転して配置
p +
  geom_label_pairwise(data = range.df,
                      aes(xmin = A, xmax = B, y = bar, label = text),
                      angle = 90, hjust = -0.1)

# 背景付きラベルをそのまま配置
p +
  geom_label_pairwise(data = range.df,
                      aes(xmin = A, xmax = B, y = bar, label = text))

# 範囲バーの両端に矢じりを付けて配置
p +
  geom_text_pairwise(data = range.df,
                     aes(xmin = A, xmax = B, y = bar, label = text),
                     arrow = grid::arrow(ends = "both",
                                         length = unit(2, "mm")))

# 縦軸を分類にした箱ひげ図を作成
p.box.y <- ggplot(yasai, aes(x = energy, y = type)) +
  geom_boxplot(width = 0.4) +
  labs(x = "エネルギー（kcal/100 g）", y = "分類") +
  expand_limits(x = 110)

# 横向きの箱ひげ図に比較バーとP値を重ねる
p.box.y +
  geom_text_pairwise(data = pair.df,
                     aes(ymin = A, ymax = B, x = bar, label = p.value))

# 横向きの箱ひげ図に背景付きラベルを重ねる
p.box.y +
  geom_label_pairwise(data = pair.df,
                      aes(ymin = A, ymax = B, x = bar, label = p.value))

コマンド例から一部抜粋し紹介。

・水準1-2、水準2-3の間に比較バーとP値を追加

・P値を数式として表示し、バーの両端に縦線を付ける

・食物繊維量の2つの範囲に説明ラベルを配置

・横向きの箱ひげ図に比較バーとP値を重ねる

ずらしたラベルを線分や矢印で元の位置と結ぶ：geom_label_sコマンド

# 品目名をラベルに割り当てた散布図を作成
p.name <- ggplot(yasai, aes(fiber, energy, label = name)) +
  geom_point(size = 2) +
  labs(x = "食物繊維量（g/100 g）", y = "エネルギー（kcal/100 g）")

# 位置をずらさずに品目名を表示
ggplot(yasai, aes(fiber, energy, label = name)) +
  geom_text_s() +
  expand_limits(x = c(0.5, 6.5))

# 品目名を右へずらして表示
p.name +
  geom_text_s(nudge_x = 0.2) +
  expand_limits(x = 6.5)

# 品目名を左へずらして表示
p.name +
  geom_text_s(nudge_x = -0.2) +
  expand_limits(x = 0.3)

# ずらした品目名を矢印で結び、点の周囲に余白を設ける
p.name +
  geom_text_s(nudge_x = 0.2,
              arrow = arrow(length = grid::unit(1.5, "mm")),
              point.padding = 0.4) +
  expand_limits(x = 6.5)

# 品目名を右上へ少しずらして表示
p.name +
  geom_text_s(nudge_y = 3, nudge_x = 0.12) +
  expand_limits(x = 6.5)

# 品目名を上へずらして 90 度回転
p.name +
  geom_text_s(nudge_y = 5, angle = 90) +
  expand_limits(y = 110)

# セグメントだけを赤色にして矢印で結ぶ
p.name +
  geom_text_s(angle = 90, nudge_y = 5,
              arrow = arrow(length = grid::unit(1.5, "mm")),
              colour.target = "segment", colour = "red") +
  expand_limits(y = 110)

# 分類で色分けし、セグメントだけを半透明にする
p.name +
  geom_text_s(aes(colour = type),
              angle = 90, nudge_y = 5,
              arrow = arrow(length = grid::unit(1.5, "mm")),
              alpha.target = "segment", alpha = 0.3) +
  expand_limits(y = 110)

# 背景付きラベルを右へずらして表示
p.name +
  geom_label_s(nudge_x = 0.2) +
  expand_limits(x = 6.5)

# ラベルの枠線を点線にし、線幅を細くする
p.name +
  geom_label_s(nudge_x = 0.2, linetype = "dotted", linewidth = 0.3) +
  expand_limits(x = 6.5)

# 分類で色分けし、枠（box）へ色を適用して角を直角にする
p.name +
  geom_label_s(aes(colour = type),
               nudge_x = 0.2,
               colour.target = "box",
               linewidth = 0.5,
               label.r = unit(0, "lines")) +
  expand_limits(x = 6.5)

# ラベルの枠線を消す（linewidth = 0）
p.name +
  geom_label_s(nudge_x = 0.2, linewidth = 0) +
  expand_limits(x = 6.5)

# セグメントの線幅を 0 にして結ぶ線を隠す
p.name +
  geom_label_s(nudge_x = 0.1, segment.linewidth = 0) +
  expand_limits(x = 6.5)

# 食物繊維量 1.0 を基準に、ラベルを外側へ配置
p.name +
  geom_label_s(hjust = "outward_1", nudge_x = 0.2) +
  expand_limits(x = 6.5)

# 食物繊維量 3.0 を基準に、ラベルを内側へ配置
p.name +
  geom_label_s(hjust = "inward_3", nudge_y = 4) +
  expand_limits(y = 95)

# 背景付きラベルを上へずらして 90 度回転
p.name +
  geom_label_s(nudge_y = 5, angle = 90) +
  expand_limits(y = 110)

# 分類で色分けし、閉じた形状の矢じりを付ける
p.name +
  geom_text_s(aes(colour = type),
              angle = 90,
              nudge_y = 5,
              arrow = arrow(angle = 20,
                            length = grid::unit(1.5, "mm"),
                            ends = "first",
                            type = "closed")) +
  scale_colour_discrete(l = 40) +
  expand_limits(y = 110)

# 枠と文字（box・text）へ色を適用し、矢印で結ぶ
p.name +
  geom_label_s(aes(colour = type),
               colour.target = c("box", "text"),
               nudge_x = 0.4,
               arrow = arrow(angle = 20,
                             length = grid::unit(1/3, "lines"))) +
  scale_colour_discrete(l = 40) +
  expand_limits(x = 7)

# 枠とセグメント（box・segment）へ色を適用し、矢印で結ぶ
p.name +
  geom_label_s(aes(colour = type),
               nudge_x = 0.4,
               colour.target = c("box", "segment"),
               linewidth = 0.5,
               arrow = arrow(angle = 20,
                             length = grid::unit(1/3, "lines"))) +
  scale_colour_discrete(l = 40) +
  expand_limits(x = 7)

# 枠（box）だけを半透明にして矢印で結ぶ
p.name +
  geom_label_s(aes(colour = type, fill = type),
               nudge_x = 0.4,
               alpha.target = "box",
               alpha = 0.1,
               linewidth = 0.5,
               arrow = arrow(angle = 20,
                             length = grid::unit(1/3, "lines"))) +
  scale_colour_discrete(l = 40) +
  expand_limits(x = 7)

# エネルギーの大きさで文字サイズを変え、左へずらす
p.name +
  geom_text_s(aes(size = energy), nudge_x = -0.15) +
  scale_radius(range = c(3, 6)) +
  expand_limits(x = c(0.3, 6.5))

＜おすすめのRに関する書籍です＞

Rで楽しむ統計 (Wonderful R 1)

検定や信頼区間、回帰といった基本を、Rで手を動かしながら確認していく一冊。

www.amazon.co.jp

この記事が誰かの役に立ちますように。