用R的基础作图系统和ggplot2做常用图

https://github.com/gaorongchao/R_Course/blob/master/0_4_1_plot_qplot_ggplot_base/R_ggplot2_qplot.md

课程目的

• 复习基础作图命令
• 学习基本的ggplot作图命令

这里我们会用R语言中的基础作图系统和ggplot2中的qplot以及ggplot作常见的图。

下面是几种常见的图：

• 散点图
• 线图
• 条形图
• 直方图,和密度图
• 箱线图
• 饼图
• 扇形图 常见的图形的代码都在下面的网站里。 http://docs.ggplot2.org/current/

命令简介

• plot: 是R基础作图的命令
• qplot:quick plot,是ggplot2中的简易作图系统。
• ggplot:是ggplot2的作图命令

ggplot2的安装,和载入

# install.packages('ggplot2')
library(ggplot2)

散点图

plot

# 使用的数据集
head(mtcars)

##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

plot(mtcars$wt, mtcars$mpg, col = "red")

plot后面必须要有横坐标的数据和纵坐标的数据， col控制的是颜色 如果我们要指定图形的其他属性，那么要添加其他的参数

plot(mtcars$wt, mtcars$mpg, col = "red", cex = 2, pch = 25)

pch控制点的符号，cex控制符号的大小，具体请看帮助文档。

qplot

qplot与plot非常相似 这里用colour控制颜色,意思更明显

qplot(mtcars$wt, mtcars$mpg, colour = "red", size = 2)

geom：geometric object几何对象 也就是我们可以控制geom来绘制不同的图形 比如我们现在的散点图，我们把geom的参数设置为point,也就是散点图的意思

qplot(mtcars$wt, mtcars$mpg, geom = "point", colour = "red", size = 2)

另外一种方式，通过data来控制数据集，和上面是一样的效果。

qplot(wt, mpg, data = mtcars, geom = "point", colour = "red", size = 2)

ggplot

我们再来用ggplot画散点图。这里形式就稍微不同。 用ggplot命令来画图，可以分成两部分：

第一:数据集，ggplot(mtcars,aes(x=wt,y=mpg)),通过这一句设置画图需要用的数据。

第二：图的类型，这里用geom_point,geom_line等。

ggplot(mtcars, aes(x = wt, y = mpg)) + geom_point(colour = "red", size = 3)

线图

plot

线条的添加其实在plot上用type=“l”,也就是line的意思

x = c(1, 3, 4, 9, 11, 17, 3, 4)
y = c(2, 5, 9, 12, 15, 19, 6, 8)
data1 = data.frame(x, y)
plot(x, y, type = "l")
# 在线上添加点
points(x, y)
y1 = y * 0.9
# 添加一条线
lines(x, y1, col = "red")
points(x, y1)
# 添加平滑曲线 用spline来添加
lines(spline(x, y, n = 20), col = 454, lwd = 2)
# n越大曲线越平滑
lines(spline(x, y, n = 201), col = 454, lwd = 2)
lines(spline(x, y1, n = 201), col = 454, lwd = 2)

qplot

geom可以通过不同的设置来添加不同的曲线。 并且可以给geom赋多个值。如下：

# 折线图
qplot(data1$x, data1$y, geom = "line")

# 折线+点图
qplot(x, y, data = data1, geom = c("line", "point"), colour = "red")

# 折线+点+平滑的模拟曲线 阴影表示的是95%的置信区间
qplot(x, y, data = data1, geom = c("line", "point", "smooth"))

## geom_smooth: method="auto" and size of largest group is <1000, so using loess. Use 'method = x' to change the smoothing method.

ggplot

ggplot(data1, aes(x = x, y = y)) + geom_line()

ggplot(data1, aes(x = x, y = y)) + geom_line() + geom_point() + geom_smooth()

## geom_smooth: method="auto" and size of largest group is <1000, so using loess. Use 'method = x' to change the smoothing method.

条形图

barplot

# 用mtcar的数据
data2 = table(mtcars$cyl)
data2

## 
##  4  6  8 
## 11  7 14

barplot(table(mtcars$cyl))

# names.arg 来设置横坐标的名称
BOD

##   Time demand
## 1    1    8.3
## 2    2   10.3
## 3    3   19.0
## 4    4   16.0
## 5    5   15.6
## 6    7   19.8

barplot(BOD$demand, names.arg = BOD$Time)

qplot

# stat 是统计方式，默认为bin，
# bin的统计方式是对所有的提供的变量的数据进行统计，然后统计的数目作为y轴
qplot(mtcars$cyl)

## stat_bin: binwidth defaulted to range/30. Use 'binwidth = x' to adjust this.

# 我们看图会发现虽然没有5和7这个点，但是依然空出来位置。
# 如果我们不想要这个位置，我们首先要把x轴的元素编程因子（factor）
qplot(factor(mtcars$cyl))

# 如果数据是已经统计好的，那么我们需要改变统计的方式
# 这里我们修改为identity,这里提供两个参数
qplot(BOD$Time, BOD$demand, geom = "bar", stat = "identity")

qplot(factor(BOD$Time), BOD$demand, geom = "bar", stat = "identity")

ggplot

ggplot(BOD, aes(x = Time, y = demand)) + geom_bar(stat = "identity")

ggplot(BOD, aes(x = factor(Time), y = demand)) + geom_bar(stat = "identity")

直方图-核密度图

hist

直方图涉及到一个分组的数量，不如，你把所有的数据分成两组， 就只有2个，分成10个，就有10个,分的越多，越精细。

hist(mtcars$mpg, breaks = 3)

hist(mtcars$mpg, breaks = 10)
# 添加核密度曲线
lines(density(mtcars$mpg), col = "blue")

# 这里我们用density统计了密度，但是我们要知道，在一个整体中，任何一个个体的比重是小于1的
# 如果我们要正确的表现需要做一下修正
hist(mtcars$mpg, breaks = 10, freq = FALSE)
lines(density(mtcars$mpg), col = "blue")

qplot

这里和hist有所不同，hist是确定分割的份数，而，qplot确定的是分割的宽度，也就是一份的宽度是多少。 同样道理，宽度越窄，也是越精细的。

qplot(mpg, data = mtcars, geom = "histogram", binwidth = 2)

qplot(mpg, data = mtcars, geom = "histogram", binwidth = 1)

qplot(mpg, data = mtcars, geom = "density")

ggplot

ggplot的一大特点是图层

# 数据
first = ggplot(mtcars, aes(x = mpg))
# 直方图
first + geom_histogram(binwidth = 2, fill = "red", colour = "black")

# 密度图
first + geom_density(fill = "red", colour = "black")

# 直方图和密度图
first = ggplot(mtcars, aes(x = mpg, y = ..density..))
# 上面的纵坐标表示的是频数，这里..density..把频率转化成频率
first + geom_histogram(binwidth = 2) + geom_density()

箱线图

boxplot

# 单个箱线图
boxplot(mtcars$mpg)

# 并列箱线图
boxplot(mpg ~ cyl, data = mtcars)

qplot

qplot(x = cyl, y = mpg, data = mtcars, geom = "boxplot")

qplot(x = factor(cyl), y = mpg, data = mtcars, geom = "boxplot")

ggplot

ggplot(mtcars, aes(x = cyl, y = mpg)) + geom_boxplot()

ggplot(mtcars, aes(x = factor(cyl), y = mpg)) + geom_boxplot()