20180423-C · Australian Salaries by Gender · ggplot2 geom_point 散点图 图例 theme 主题 画图 · R 语言数据可视化 案例 源码

最新推荐文章于 2024-05-20 19:47:31 发布
最新推荐文章于 2024-05-20 19:47:31 发布
阅读量150 收藏
点赞数
分类专栏： # Tidy Tuesday (2018) 文章标签： r语言 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Albert_XN/article/details/127483006
版权

所有作品合集传送门： Tidy Tuesday

2018 年合集传送门： 2018

Australian Salaries by Gender


欢迎来到ggplot2的世界！

ggplot2是一个用来绘制统计图形的 R 软件包。它可以绘制出很多精美的图形，同时能避免诸多的繁琐细节，例如添加图例等。

用 ggplot2 绘制图形时，图形的每个部分可以依次进行构建，之后还可以进行编辑。ggplot2 精心挑选了一系列的预设图形，因此在大部分情形下可以快速地绘制出许多高质量的图形。如果在格式上还有额外的需求，也可以利用 ggplot2 中的主题系统来进行定制, 无需花费太多时间来调整图形的外观，而可以更加转注地用图形来展现你的数据。


在这里插入图片描述



1. 一些环境设置

# 设置为国内镜像, 方便快速安装模块
options("repos" = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))

2. 设置工作路径

wkdir <- '/home/user/R_workdir/TidyTuesday/2018/2018-04-23_Australian_Salaries_by_Gender/src-c'
setwd(wkdir)

3. 加载 R 包

library(tidyverse)

# 导入字体设置包
library(showtext) 
# font_add_google() showtext 中从谷歌字体下载并导入字体的函数
# name 中的是字体名称, 用于检索, 必须严格对应想要字体的名字 
# family 后面的是代码后面引用时的名称, 自己随便起
# 需要能访问 Google, 也可以注释掉下面这行, 影响不大
# font_families_google() 列出所有支持的字体, 支持的汉字不多
# http://www.googlefonts.net/
font_add_google(name = "Merienda", family =  "Merienda")
font_add_google(name = "Gochi Hand", family =  "gchi")
font_add_google(name = "ZCOOL XiaoWei", family =  "zxw")

# 后面字体均可以使用导入的字体
showtext_auto()

4. 加载数据

df_input <- read.csv("../data/week4_australian_salary.csv", header = TRUE, sep = ',', row.names = 1)

# 简要查看数据内容
glimpse(df_input)

## Rows: 2,197
## Columns: 5
## $ gender_rank            <int> 795, 881, 699, 828, 641, 760, 200, 136, 157, 99…
## $ occupation             <chr> "Abattoir process worker; Meat process worker; …
## $ gender                 <chr> "Female", "Male", "Female", "Male", "Female", "…
## $ individuals            <int> 5961, 17241, 1386, 636, 1878, 903, 78380, 77112…
## $ average_taxable_income <int> 36359, 40954, 40926, 44077, 43545, 47833, 71552…

# 检查数据的列名
colnames(df_input)

## [1] "gender_rank"            "occupation"             "gender"                
## [4] "individuals"            "average_taxable_income"

5. 数据预处理

# 按性别选择前10名的职业
top.10 <- df_input %>% 
  # select() 选择需要使用的列
  select(occupation, gender, average_taxable_income, individuals) %>% 
  # group_by() 以指定的列进行分组
  group_by(gender) %>% 
  # top_n() 表示选择前多少个观测
  top_n(n = 10, wt = individuals) %>% 
  # arrange() 根据 change 列进行排序, 默认是升序; arrange + desc() 表示改为降序排列
  arrange(desc(individuals))

# 将职业的名称简化一下一下, sub() 字符串替换
top.10$job <- sub(';.*$', '', top.10$occupation)

# 文件中有些字符不兼容, 防止报错, 我们也提前替换掉, stringr::str_replace() 也可以用于字符串替换
top.10$job <- stringr::str_replace(top.10$job, "<96>", "")

# 简要查看数据内容
glimpse(top.10)

## Rows: 20
## Columns: 5
## Groups: gender [2]
## $ occupation             <chr> "Administration assistant; Office worker", "Bot…
## $ gender                 <chr> "Female", "Female", "Female", "Male", "Male", "…
## $ average_taxable_income <int> 43604, 27979, 52565, 62350, 54081, 122695, 3728…
## $ individuals            <int> 293738, 191711, 153207, 143209, 139939, 136047,…
## $ job                    <chr> "Administration assistant", "Bottle shop attend…

6. 利用 ggplot2 绘图

# PS: 方便讲解, 我这里进行了拆解, 具体使用时可以组合在一起
gg <- ggplot(top.10, aes(job, individuals, color = gender, size = average_taxable_income))
# geom_point() 绘制散点图, 上面一步将性别映射给了颜色, 平均收入映射给了大小
gg <- gg + geom_point()
# coord_flip() 横纵坐标位置转换
gg <- gg + coord_flip()
# guides() 设置图例信息
gg <- gg + guides(size = guide_legend("薪资水平（澳元）"), color = guide_legend("性别"))
# labs() 对图形添加注释和标签（包含标题 title、子标题 subtitle、坐标轴 x & y 和引用 caption 等注释)
gg <- gg + labs(title = "2013-2014年平均应税收入（澳元）中的性别工资差距",
                subtitle = "在澳大利亚薪酬最高的工作中，女性收入低于男性（横坐标为人数, 纵坐标为职业）",
                x = NULL,
                y = NULL,
                caption = "资料来源: data.gov.au · graph by 数绘小站 · 2022-10-23")
# theme_minimal() 去坐标轴边框的最小化主题
gg <- gg + theme_minimal()
# theme() 实现对非数据元素的调整, 对结果进行进一步渲染, 使之更加美观
gg <- gg + theme(
  # plot.margin 调整图像边距, 上-右-下-左
  plot.margin = margin(12, 20, 2, 0), 
  # panel.grid.major 主网格线, 这一步表示删除主要网格线
  panel.grid.major = element_blank(),
  # panel.grid.minor 次网格线, 这一步表示删除次要网格线
  panel.grid.minor = element_blank(),
  # panel.background 面板背景 数据下面
  panel.background = element_rect(fill = '#FFFFE0', color = '#FFFFE0', size = 0),
  # plot.background 图片背景 
  plot.background = element_rect(fill = '#FFFFE0', color = '#FFFFE0', size = 0),
  # axis.text.x X-坐标轴文本
  axis.text.x = element_text(color = "black", size = 12, family =  "gchi", face = "bold"),
  # axis.text.y Y-坐标轴文本
  axis.text.y = element_text(color = "black", size = 10, family =  "Merienda", face = "bold"),
  # plot.title 主标题
  plot.title = element_text(color = "black", size = 18, family = "zxw", face = "bold", hjust = -1.0),
  # plot.subtitle 次要标题
  plot.subtitle = element_text(color = "red", size = 10, vjust = -1.2),
  # plot.caption 说明文字
  plot.caption =  element_text(hjust = 0.85, vjust = 30.2),
  # legend.position 设置图例位置, 这里指定图例摆放的绝对位置
  legend.position = c(.8, 0.56))

7. 保存图片到 PDF 和 PNG

gg

在这里插入图片描述

filename = '20180423-C-01'
ggsave(filename = paste0(filename, ".pdf"), width = 9.2, height = 6.0, device = cairo_pdf)
ggsave(filename = paste0(filename, ".png"), width = 9.2, height = 6.0, dpi = 100, device = "png", bg = '#FFFFE0')

8. session-info

sessionInfo()

## R version 4.2.1 (2022-06-23)
## Platform: x86_64-pc-linux-gnu (64-bit)
## Running under: Ubuntu 20.04.5 LTS
## 
## Matrix products: default
## BLAS:   /usr/lib/x86_64-linux-gnu/openblas-pthread/libblas.so.3
## LAPACK: /usr/lib/x86_64-linux-gnu/openblas-pthread/liblapack.so.3
## 
## locale:
##  [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C              
##  [3] LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
##  [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8   
##  [7] LC_PAPER=en_US.UTF-8       LC_NAME=C                 
##  [9] LC_ADDRESS=C               LC_TELEPHONE=C            
## [11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       
## 
## attached base packages:
## [1] stats     graphics  grDevices utils     datasets  methods   base     
## 
## other attached packages:
##  [1] showtext_0.9-5  showtextdb_3.0  sysfonts_0.8.8  forcats_0.5.2  
##  [5] stringr_1.4.1   dplyr_1.0.10    purrr_0.3.4     readr_2.1.2    
##  [9] tidyr_1.2.1     tibble_3.1.8    ggplot2_3.3.6   tidyverse_1.3.2
## 
## loaded via a namespace (and not attached):
##  [1] lubridate_1.8.0     assertthat_0.2.1    digest_0.6.30      
##  [4] utf8_1.2.2          R6_2.5.1            cellranger_1.1.0   
##  [7] backports_1.4.1     reprex_2.0.2        evaluate_0.16      
## [10] highr_0.9           httr_1.4.4          pillar_1.8.1       
## [13] rlang_1.0.6         curl_4.3.3          googlesheets4_1.0.1
## [16] readxl_1.4.1        rstudioapi_0.14     jquerylib_0.1.4    
## [19] rmarkdown_2.16      textshaping_0.3.6   labeling_0.4.2     
## [22] googledrive_2.0.0   munsell_0.5.0       broom_1.0.1        
## [25] compiler_4.2.1      modelr_0.1.9        xfun_0.32          
## [28] systemfonts_1.0.4   pkgconfig_2.0.3     htmltools_0.5.3    
## [31] tidyselect_1.1.2    fansi_1.0.3         crayon_1.5.2       
## [34] tzdb_0.3.0          dbplyr_2.2.1        withr_2.5.0        
## [37] grid_4.2.1          jsonlite_1.8.2      gtable_0.3.1       
## [40] lifecycle_1.0.3     DBI_1.1.3           magrittr_2.0.3     
## [43] scales_1.2.1        cli_3.4.1           stringi_1.7.8      
## [46] cachem_1.0.6        farver_2.1.1        fs_1.5.2           
## [49] xml2_1.3.3          bslib_0.4.0         ragg_1.2.3         
## [52] ellipsis_0.3.2      generics_0.1.3      vctrs_0.4.2        
## [55] tools_4.2.1         glue_1.6.2          hms_1.1.2          
## [58] fastmap_1.1.0       yaml_2.3.5          colorspace_2.0-3   
## [61] gargle_1.2.1        rvest_1.0.3         knitr_1.40         
## [64] haven_2.5.1         sass_0.4.2

测试数据

配套数据下载：week4_australian_salary.csv

数绘小站
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Australian Power System _PSSE_奥大利亚电网数据PSSE格式_源码
10-02
一个完整的电网数据
R语言数据可视化教程（ggplot2）_其他图形
小哲的博客
06-01 6197
# 13.其他图形# 13.1 绘制相关矩阵图mtcarsmcor &lt;- cor(mtcars)# 输出mcor,保留两位小数round(mcor,digits = 2)# 如果数据含有不能用来计算系统的任何列，应该先将这些列剔除。# 如果在原始数据中存在缺失值（NA)，得到的相关矩阵中也会有缺失值。# 可以使用函数选项use="complete.obs"或者use="pairwise.co...
R语言geom_tile绘制热图
qq_27390023的博客
11-13 4182
【代码】R语言geom_tile绘制热图。
pheatmap, gplots heatmap.2和ggplot2 geom_tile实现数据聚类和热图plot
weixin_34320724的博客
06-21 2258
主要步骤 pheatmap 数据处理成矩阵形式，给行名列名 用pheatmap画热图（pheatmap函数内部用hclustfun 进行聚类） ggplot2 数据处理成矩阵形式，给行名列名 hclust聚类，改变矩阵行列顺序为聚类后的顺序 melt数据，处理成ggplot2能够直接处理的数据结构，并加上列名 ggplot_tile进行画图 gplots 数据处理成矩阵形式，给行名列名 ...
R中绘图包ggplot2的用法
Guo_Jiliang1的博客
04-04 5524
一.ggplot2简介 ggplot2是基于R语言下图形语法的一个绘图包。在这个绘图包下，我们可以通过用符号对data, transformation, scale, coordinates, elements, guides, display等一系列独立的步骤的搭配叠加，来实现高质量的统计绘图。 另外，ggplot2也有将绘制的图形与数据分离，数据相关的绘图与数据无关的绘图分离的特点，它是按图层...
R语言可视化 ggplot2—工具箱（基本图形类型）
Plum
03-29 2867
基本图形类型载入所需包基本图形类型简述实践例子点图+标题条形图+标题+对“值”进行计数折线图+标题面积图（在普通线图的基础上，填充了线下方的面积）路径图（按照数据出现的顺序连接）含标签的散点图（指定点添加标签）色深图或水平图绘制多边形，即填充后的路径 载入所需包 library(effects) library(ggplot2) 基本图形类型简述 以下几何对象是ggplot2图形的基本组成部分。...
Australian National Corpus:一个正在进行的项目，用于整理和提供对语言数据的访问-开源
04-25
包括•用于开发的程序/代码的脚本•高层体系结构图•开发人员的安装指南•AusNC网站上的最终用户文档的链接注：BSD许可证适用于由AusNC项目开发的自定义插件，脚本和摄取程序团队。 AusNC解决方案使用的其他开源第三...
Australian Average Daily Maximum Temperature 澳大利亚平均日最高气温-数据集
03-04
澳大利亚112个气象站的天气 AustralianAverageMaxTemp.csv
迈向统一和协调公共合同元数据中公司名称的逐步方法：CORFU 技术-研究论文
06-10
本文介绍了一种在公共采购元数据背景下处理公司名称异质性的技术。 公共机构目前正面临着试图提高行政流程的绩效和透明度的巨大挑战。 电子政务和开放关联数据举措的出现是为了解决基于 ICT 的系统之间现有的互操作...
grunt-australian-stylesheets:编译澳大利亚CSS
06-05
grunt-australian-stylesheets 使用编译澳大利亚 CSS入门这个插件需要 Grunt ~0.4.5 如果您以前没有使用过 ，请务必查看指南，因为它解释了如何创建以及安装和使用 Grunt 插件。 熟悉该过程后，您可以使用以下命令...
ggplot2学习第五章
何成俭的博客
04-26 5616
5.2 首先说下图层的三种用途 1. 用以展示数据本身 2. 用以展示数据的统计摘要 3. 用以添加额外的元数据（metadata） 5.3 关于基本的图形类型 geom_area() 用于绘制面积图 geom_bar(stat = "identity") 用于绘制条形图 geom_line()绘制线条图 geom_point() 绘制散点图 geom_polygon()
R语言数据分析案例-巴西固体燃料排放量预测与分析
m0_62638421的博客
05-13 434
R语言数据分析案例-巴西固体燃料排放量预测与分析
【成功案例】RDP暴露引发的蝴蝶效应：LockBit组织利用MSF工具及永恒之蓝漏洞进行勒索入侵
2401_83062893的博客
05-20 656
LockBit 已成为全球网络安全领域的重大威胁，对包括全球医院和企业在内的关键基础设施发起了一系列严重的勒索软件攻击。该组织的勒索病毒对受害者的数据进行加密，使其无法访问，然后要求支付巨额赎金进行解密。LockBit 3.0是LockBit勒索软件家族的最新版本，它在网络安全威胁中占据重要地位。LockBit初版（2019年）首次出现：LockBit首次在2019年被发现，当时它被称为“ABCD”勒索软件。其设计目标是通过快速加密受害者的文件来勒索赎金。传播方式：主要通过钓鱼邮件和利用漏洞进行传播。
R实验 基础（四）
Jiangxia13的博客
05-18 953
实验目的： 掌握R对数据文件的读、写操作； 了解R基础包中的数据集及相关的操作。
yolov8seg 瑞芯微RKNN、地平线Horizon芯片部署、TensorRT部署，部署工程难度小、模型推理速度快
zhangqian_1的博客
05-20 307
之前写过yolov8seg部署，但在实际项目中没有真正的用，最近有项目尝试使用yolov8seg，把之前的yolov8目标检测的优化给同步到yolov8seg中。模型和完整仿真测试代码，放在github上参考链接。
异众比率（variation ratio）
2202_76035290的博客
05-17 249
异众比率主要用于衡量众数对一组数据的代表程度。异众比率越大，说明非众数组的频数占总频数的比重越大，众数的代表性越差；异众比率越小，说明非众数组的频数占总频数的比重越小，众数的代表性越好。异众比率主要适合测度分类数据的离散程度，对于顺序数据以及数值型数据也可以计算异众比率。其中，为众数组的频数。
在Windows环境下的rknn-toolkit环境搭建
qq_43608728的博客
05-14 378
最近需要使用RK3566来跑YOLOv5。想要实现目标就需要使用rknn-toolkit工具将模型转化成可以运行在rk3588的NPU上的模型。只是转换模型的话，没有必要使用GPU，所以我这里安装的是CPU版的，所需的组件按照requirements-cpu.txt中的要求安装。
R语言：单细胞pcoa降维和去批次
最新发布
weixin_69558614的博客
05-20 770
DimPlot(seurat, reduction = "tsne",pt.size = 0.5)+theme_classic()+theme(panel.border = element_rect(fill=NA,color="black", size=0.5, linetype="solid"),legend.position = "right") #top为图列位置最上方，除此之外还有right、left、bottom(意思同英文)#绘制去批次后tsne单样本分布图。# 提取前10的高变基因。
RPA(机器人流程自动化)技术解读
Admans的专栏
05-20 328
RPA（Robotic Process Automation），译为。
用澳大利亚信贷批准数据集中的690个样本作为数据集，编写python代码分别用逻辑回归模型和随机森林模型，向量机模型构建识别模型，特征选择并用准确度召回率F1和混淆矩阵可视化等指标分别对不同模型进行评估
06-07
好的，我可以帮你完成这个任务。下面是完整的Python代码，包括数据预处理、特征选择、模型构建和评估： ```python # 导入必要的库 import pandas as pd import numpy as np from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.linear_model import LogisticRegression from sklearn.ensemble import RandomForestClassifier from sklearn.svm import SVC from sklearn.feature_selection import SelectKBest, chi2 from sklearn.metrics import accuracy_score, recall_score, f1_score, confusion_matrix import seaborn as sns import matplotlib.pyplot as plt # 加载数据集 data = pd.read_csv('australian.csv', header=None) # 数据预处理 # 将分类变量转换为数值变量 data[8] = data[8].map({0: -1, 1: 1}) # 将数据集分为特征和标签 X = data.iloc[:, :-1] y = data.iloc[:, -1] # 将数据集分为训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 数据标准化 scaler = StandardScaler() X_train = scaler.fit_transform(X_train) X_test = scaler.transform(X_test) # 特征选择 selector = SelectKBest(chi2, k=5) X_train = selector.fit_transform(X_train, y_train) X_test = selector.transform(X_test) # 逻辑回归模型 lr_model = LogisticRegression() lr_model.fit(X_train, y_train) lr_y_pred = lr_model.predict(X_test) lr_accuracy = accuracy_score(y_test, lr_y_pred) lr_recall = recall_score(y_test, lr_y_pred) lr_f1 = f1_score(y_test, lr_y_pred) lr_cm = confusion_matrix(y_test, lr_y_pred) # 随机森林模型 rf_model = RandomForestClassifier(random_state=42) rf_model.fit(X_train, y_train) rf_y_pred = rf_model.predict(X_test) rf_accuracy = accuracy_score(y_test, rf_y_pred) rf_recall = recall_score(y_test, rf_y_pred) rf_f1 = f1_score(y_test, rf_y_pred) rf_cm = confusion_matrix(y_test, rf_y_pred) # 向量机模型 svm_model = SVC(random_state=42) svm_model.fit(X_train, y_train) svm_y_pred = svm_model.predict(X_test) svm_accuracy = accuracy_score(y_test, svm_y_pred) svm_recall = recall_score(y_test, svm_y_pred) svm_f1 = f1_score(y_test, svm_y_pred) svm_cm = confusion_matrix(y_test, svm_y_pred) # 输出评估结果 print('逻辑回归模型评估结果：') print(f'准确度：{lr_accuracy}') print(f'召回率：{lr_recall}') print(f'F1值：{lr_f1}') print(f'混淆矩阵：\n{lr_cm}') print('随机森林模型评估结果：') print(f'准确度：{rf_accuracy}') print(f'召回率：{rf_recall}') print(f'F1值：{rf_f1}') print(f'混淆矩阵：\n{rf_cm}') print('向量机模型评估结果：') print(f'准确度：{svm_accuracy}') print(f'召回率：{svm_recall}') print(f'F1值：{svm_f1}') print(f'混淆矩阵：\n{svm_cm}') # 可视化混淆矩阵 sns.heatmap(lr_cm, annot=True, cmap='Blues') plt.title('Confusion Matrix - Logistic Regression') plt.show() sns.heatmap(rf_cm, annot=True, cmap='Blues') plt.title('Confusion Matrix - Random Forest') plt.show() sns.heatmap(svm_cm, annot=True, cmap='Blues') plt.title('Confusion Matrix - SVM') plt.show() ``` 这段代码做了以下几件事情： 1. 加载数据集并进行数据预处理，包括将分类变量转换为数值变量、将数据集分为特征和标签、将数据集分为训练集和测试集、数据标准化等。 2. 进行特征选择，使用卡方检验选择5个最重要的特征。 3. 使用逻辑回归、随机森林和支持向量机模型构建识别模型。 4. 对不同模型进行评估，包括计算准确度、召回率、F1值和混淆矩阵，并将混淆矩阵可视化。 最后，运行这段代码，你将得到逻辑回归、随机森林和支持向量机模型的评估结果和混淆矩阵可视化。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值