"一张统计图形就是从数据到几何对象(geometric object, 缩写为geom, 包括点、线、条形等)的图形属性(aesthetic attributes, 缩写为aes, 包括颜色、形状、大小等)的一个映射。此外, 图形中还可能包含数据的统计变换(statistical transformation, 缩写为stats), 最后绘制在某个特定的坐标系(coordinate system, 缩写为coord)中, 而分面(facet, 指将绘图窗口划分为若干个子窗口)则可以用来生成数据中不同子集的图形。" 源自ggplot2的作者[Hadley Wickham]。
1.数据data和映射mapping
将数据中的变量映射到图形属性,映射控制了两者之间关系。
设置完成后使用 myeheme
9.存储和输出
在ggplot2中,有更简单的保存方法,ggsave()能更方便保存
选项包括保存哪副图形,保存在哪里,以什么形式保存。
即将myplot保存为名为mygraph.png的5英寸*4英寸PNG格式的图片
如果忽略plot=选项,最近创建的图形会被保存。
1.数据
在ggplot2中, 所接受的数据集必须为数据框(data.frame)格式
注1:2、3步可合并为
注2:改变横纵坐标名称
注3:geom_point()中参数的用法
4.将年份映射到颜色/形状/大小属性(按年份分组)
将分组变量(因子或字符变量,可通过factor()强制性将非因子变量转为因子变量)赋值给颜色或形状或大小属性(变量赋值必须在aes里面),实现分组散点图的绘制。
①颜色
5.增加平滑曲线
geom_smooth可以增加一条线,而stat_smooth是可以添加一个置信区间范围的(利用方差值)。
①stat_smooth
ggplot函数中赋予的值是全局性质的,如果不希望全局生效,放到后面+对应的图层中去。
如:
CASE1:stat_smooth对不同颜色的点,各自拟合曲线
CASE2:stat_smooth对所有点,拟合一条曲线
更改平滑曲线为一条红色虚线
其中linetype依次为1=实线,2=虚线,3=点,4=点破折号,5=长破折号,6=双破折号
6.自定义颜色/形状
scale_color_brewer()或者scale_color_manual()函数自定义点的颜色;scale_shape_manual()函数自定义点的形状;
下面我们将分组变量year同时赋值给颜色和形状属性。
①改变颜色
7.将连续型变量(排量)映射到颜色/大小属性
①大小
8.分面facet
分面设置在ggplot2应该也是要经常用到的一项画图内容,在数据对比以及分类显示上有着极为重要的作用。
facet_wrap和facet_grid不同在于facet_wrap是基于一个因子进行设置,facets表示形式为:~ 变量
而facet_grid是基于两个因子进行设置,facets表示形式为:变量 ~ 变量(行 ~ 列),如果把一个因子用点表示,也可以达到facet_wrap的效果,也可以用加号设置成两个以上变量
例如:变量+变量~变量 的形式,表示对三个变量设置分面。
①facet_wrap
下面对参数进行说明:
· nrow,ncol : 分面所设置成的行和列,参数为数值,表示几行或者几列
· scales : 参数fixed表示固定坐标轴刻度,free表示反馈坐标轴刻度,也可以单独设置成free_x或free_y(把scales 设置成free之后,可以看出每个分面都有自己的坐标刻度,当然我们也可以单独对x轴或y轴设置)
· shrink : 也和坐标轴刻度有关,如果为TRUE(默认值)则按统计后的数据调整刻度范围,否则按统计前的数据设定坐标
· drop : 表示是否去掉没有数据的分组,默认情况下不显示,逻辑值为FALSE
CASE1:
facet_wrap()是关键,facet与wrap两个词组合,就是逐面地包起来。里面我们选择按照year这个变量来分层,就可以将1999与2008分开。一定要注意!这里在year前面有个~,回归中的用法。而最后的ncol = 1代表着我们的小窗口是1列,指定了1列之后,默认就是两行(因为年份一共只有两种)。
colour = class。class也是数据集中的一个变量,代表不同种类的汽车,而因为汽车的种类非常多,所以颜色也就变的很多。
CASE2:
如果不加ncol=1,会默认横着排列
CASE3:
下面对参数进行说明:
· scales 、shrink、drop 同上
· as.table :和小图排列顺序有关的选项。如果为TRUE(默认)则按表格方式排列,即最大值(指分组level值)排在表格最后即右下角,否则排在左上角
· margins :通过TRUE或者FALSE表示否设置而一个总和的分面变量,默认情况为FALSE,即不设置
· space :表示分面空间是否可以按数据进行缩放,参数和scales一样
CASE1:
一行多列
CASE2:
一列多行
9.其他调整
①更改透明度alpha
当数据量非常大时,会导致数据重叠点非常严重,可通过使用半透明的点避免。alpha参数控制点的透明度。从0(完全透明)到1(不透明)。
CASE2:转换为极坐标系coord_polar()
CASE2:使用ggtitle,并居中hjust
hjust 其实就是左右移动的意思,0.5
CASE3:使用labs
等价形式
1.一般形式
2.内置的统计变换
geom_histogram()默认使用stat_bin(按照区间统计频数)这个统计变换, 而这个统计变换会生成(1)count:每个组里观测值的数目, (2)density:每个组里观测值的密度和(3)x:组的中心位置这三个变量
①调整分箱(bin),即直方图的宽度binwidth
3.调整每个年份对应一个直方图facet_wrap
CASE1:
CASE2:
注:这里的year如果改成factor(year),会报错
4.元素位置的调整
元素位置的调整共有5种包括了(1)dodge:并排方式(2)fill:堆叠图像元素, 并将高度标准化为1,(3)identity:不做任何调整(4)jitter:给点增加扰动避免重合和(5)stack:堆叠图像元素。
①fill=factor(year)
fill=factor(year)表示按年进行填充颜色。为什么不用前面说到的colour = ?这是ggplot绘图中,对于线与点这种面积为0的结构,它的颜色就直接使用colour =进行指定,而对条形和密度区域,例如条形图,柱状图,扇形图(特殊的柱状图),箱线图等等有面积的图形,其面积的颜色,我们需要用fill =来指定。
R 有几种用于制作图形的系统,但 ggplot2 是最优雅和最通用的系统之一。与大多数其他图形包不同,ggplot2 具有基于图形语法的底层语法,它允许您通过组合独立组件来组合图形。如果想要更加了解ggplot2,请阅读 ggplot2: Elegant Graphics for Data Analysis ,可以从 https://ggplot2-book.org/getting-started.html 学习本书
所有的图都由数据data,想要可视化的信息,映射mapping(即数据变量如何映射到美学属性的描述)组成
1. 图层(layers) 是几何元素和统计变换的集合。几何对象,简称 geoms ,代表你在图中实际看到的东西:点、线、多边形等等。 统计转换,简称 stats ,总结数据:例如,装箱和计数观察,以创建一个直方图,或拟合一个线性模型。
2. Scales 将数据空间中的值映射到美学空间中的值。这包括颜色、形状和大小的使用。Scale还绘制图例和轴,这使得从图中读取原始数据值成为可能(反向映射)。
3. 坐标(coords) 或坐标系统描述如何将数据坐标映射到图形的平面。它还提供了轴和网格线来帮助读取图形。我们通常使用笛卡尔坐标系,但也可以使用其他一些坐标系,包括极坐标和地图投影。
4. 刻面(facet) 指定如何拆分数据子集并将其显示为小倍数。这也被称为条件反射或网格/格子。
5. theme 控制更精细的显示点,如字体大小和背景颜色。
ggplot2有许多参数,可根据需求自行选取,具体参数详情可见 https://ggplot2.tidyverse.org/reference/index.html
基础绘图:由 ggplot(data,aes(x,y))+geom_ 开始,至少包含这三个组件,可以通过"+"不断的添加layers, scales, coords和facets。
Geoms :几何对象,通常,您将使用geom_函数创建层,以下为常用的图形:
geom_bar() :直方图,条形图
geom_boxplot() :box图
geom_density() :平滑密度估计曲线
geom_dotplot() :点图
geom_point() :点图
geom_violin() :小提琴图
aes(),颜色、大小、形状和其他审美属性
要向绘图添加其他变量,我们可以使用其他美学,如颜色、形状和大小。
按照属性定义
它们的工作方式与 x 和 y 相同,aes():
aes(displ, hwy, colour = class) #按照某个属性着色
aes(displ, hwy, shape = drv) #按照某个属性定义
aes(displ, hwy, size = cyl) #按照某个属性定义
整体自定义
geom_xxx(colour =自定义颜色)
geom_xxx(shape=形状编号)
geom_xxx(size =编号大小定义 0-10)
注意根据需求按照aes()还是geom进行添加属性
以下为R语言中各shape形状编号
scale控制如何将数据值转换为视觉属性的细节。
labs()和lims() 是对标签和限制进行最常见调整。
labs() ,主要对图形进行调整,注释等
labs()括号内参数:title主标题,subtitle副标题,caption右下角描述,tag左上角
xlab() ,x轴命名
ylab() ,y轴命名
ggtitle() ,标题
lims()
xlim() , xlim(a,b) 限制坐标(a,b)
ylim() , ylim(a,b) 限制坐标(a,b)
scale_alpha() 透明度尺度
scale_shape() , 搭配aes(shape=某个属性)使用
参数:name ,solid =T/F是否填充
scale_size()搭配aes(size=某个属性)使用
参数:name,range =c(0, 10)
1.适用于发散和定性的数据
a. scale_colour_brewer() ,scale_colour_brewer(palette =" "),scale_colour_brewer(palette ="Green ")
palette来自RcolorBrewer包,所有面板:
b. scale_colour_manual()
scale_colour_manual(values=c( )) 可以 自定义颜色 ,常用的参数
values可直接定义颜色,但是建议使用命名向量,例如
values=c("8" = "red", "4" = "blue", "6" = "darkgreen", "10" = "orange")
PS:注意在aes(colour=factor()),一定要把因素转换为factor型,否则无效
2.适用于连续的值,渐变颜色
a. scale_colour_gradient()
scale_colour_gradient (low =" ",high=" "),根据值大小定义颜色,创建两个颜色梯度(低-高),
b. scale_colour_gradient2()
scale_colour_gradient2(low = " ",mid = " ",high = " ")创建一个发散的颜色梯度(低-中-高)
c. scale_colour_gradientn()
创建一个n色渐变,scale_colour_gradientn(colours =许多R语言中的颜色面板),
默认坐标系是笛卡尔 coord_cartesian()
一般不会修改
facet_grid() ,在网格中布置面板
facet_grid(rows = vars() ) cols或rows = vars(因素),图形按列或行分割
facet_wrap()
facet_wrap(vars( ), ncol =n) , ncol或者nrow,分为多少行多少列
theme_bw() ,可以覆盖所有主题,背景变为白色,我们在文章中所用的图片大都需要该背景。
或者用 theme_classic() ,同时去除了网格线
theme() ,修改主题的组件,里面涉及多个参数,根据需求调整
常见参数:
legend.position,图例的位置,包括 "left" 左, "right" 右, "bottom" 下, "top" 上和"none",不显示
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)