笔者在工作中经常会遇见各种各样重复的数据或者分析需求，因此学会封装常用的分析代码，将它们封装成函数的形式可以大大减少工作耗时，提高工作效率。下面笔者以可视化的代码为例，展示函数封装的方法。示例代码具体如下：

---

> fun1 <- function(data, xlab, ylab, xname, yname) {
    ggplot(data, aes(xlab, ylab)) +
        geom_bar(aes(fill = xlab), stat = 'identity') +
        labs(x = xname, y = yname) +
        geom_text(aes(label = ylab), hjust = 1, colour = 'white') +
        coord_flip() +
        theme_minimal() +
        theme(legend.position = 'none')
}

---

函数封装好后，接下来将需要分析的数据代入函数当中即可，实现代码具体如下：

---

> data <- head(df_country_age, 10)
> xname <- 'Country'
> yname <- 'AgeMedian'
> fun1(data, reorder(data$Country, data$AgeMedian), data$AgeMedian, xname, yname)

---

上述代码的可视代结果如图7-3所示。