折线图-R语言

最新推荐文章于 2024-10-13 01:00:00 发布
最新推荐文章于 2024-10-13 01:00:00 发布
阅读量1.4k 收藏 13
点赞数 1
文章标签： r语言 人工智能 健康医疗 学习
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/WLPWL/article/details/133417147
版权

欢迎关注微信公众号（医学生物信息学)，医学生的生信笔记，记录学习过程。

折线图主要应用于时间序列数据的可视化。在折线图中，X 轴包括类别型或者序数型变量，分别对应文本坐标轴和序数坐标轴（如日期坐标轴）两种类型；Y 轴为数值型变量。

面积图是在折线图的基础之上形成的，它将折线图中的折线与自变量坐标轴之间的区域使用颜色填充，这样可以更好地突出趋势信息。跟折线图一样，面积图可显示某时间段内量化数值的变化和发展，最常用来显示趋势，而非表示具体数值。

ggplot2包的geom_line()函数可以绘制折线图,geom_area()函数可以绘制面积图,使用geom_bar()函数结合geom_line()函数可以绘制颜色映射填充的面积图。

折线图

library(ggplot2)
library(RColorBrewer)
library(reshape2)

mydata<-read.csv("Line_Data.csv",stringsAsFactors=FALSE) 


mydata$date<-as.Date(mydata$date)


mydata<-melt(mydata,id="date")


ggplot(mydata, aes(x =date, y = value,color=variable) )+
  #geom_area(fill="#FF6B5E",alpha=0.75)+ 
  geom_line(linewidth=1)+
  scale_x_date(date_labels = "%Y",date_breaks = "2 year")+
  xlab("Year")+ 
  ylab("Value")+
  theme( axis.title=element_text(size=10,face="plain",color="black"),
         axis.text = element_text(size=10,face="plain",color="black"),
         legend.position = c(0.15,0.8),
         legend.background = element_blank())

面积图

library(ggplot2)
library(RColorBrewer)
library(reshape2)

mydata<-read.csv("Line_Data.csv",stringsAsFactors=FALSE) 


mydata$date<-as.Date(mydata$date)


mydata<-melt(mydata,id="date")


ggplot(mydata, aes(x =date, y = value,group=variable) )+
  geom_area(aes(fill=variable),alpha=0.5,position="identity")+ 
  geom_line(aes(color=variable),size=0.75)+#color="black",
  scale_x_date(date_labels = "%Y",date_breaks = "2 year")+
  xlab("Year")+ 
  ylab("Value")+
  theme( axis.title=element_text(size=10,face="plain",color="black"),
         axis.text = element_text(size=10,face="plain",color="black"),
         legend.position = c(0.15,0.8),
         legend.background = element_blank()) 


mydata<-read.csv("Area_Data.csv",stringsAsFactors=FALSE) 
mydata$date<-as.Date(mydata$date)


ggplot(mydata, aes(x =date, y = value) )+
  geom_area(fill="#FF6B5E",alpha=0.75)+ 
  geom_line(color="black",size=0.75)+
  scale_x_date(date_labels = "%Y",date_breaks = "2 year")+
  xlab("Year")+ 
  ylab("Value")+
  theme( axis.title=element_text(size=10,face="plain",color="black"),
         axis.text = element_text(size=10,face="plain",color="black"))


newdata<-data.frame(spline(as.numeric(mydata$date),mydata$value,n=1000,method= "natural"))

newdata

newdata$date<-as.Date(newdata$x,origin = "1970-01-01")

newdata

ggplot(newdata, aes(x =date, y = y) )+
 geom_bar(aes(fill=y,colour=y),stat = "identity",alpha=1,width = 1)+ 
 geom_line(color="black",size=0.5)+
 scale_color_gradientn(colours= brewer.pal(9,'Reds'),name = "Value")+
 scale_x_date(date_labels = "%Y",date_breaks = "2 year")


ggplot(newdata, aes(x =date, y = y) )+ #geom_area(fill="#FF6B5E",alpha=0.75)
  geom_bar(aes(fill=y,colour=y),stat = "identity",alpha=1,width = 1)+ 
  geom_line(color="black",size=0.5)+
  scale_color_gradientn(colours=brewer.pal(9,'Reds'),name = "Value")+
  scale_x_date(date_labels = "%Y",date_breaks = "2 year")+
  xlab("Year")+ 
  ylab("Value")+
  guides(fill=FALSE)+
  theme( axis.title=element_text(size=10,face="plain",color="black"),
         axis.text = element_text(size=10,face="plain",color="black"),
         legend.position = c(0.12,0.75),
         legend.background = element_blank() )

夹层填充面积图

mydata<-read.csv("Line_Data.csv",stringsAsFactors=FALSE) 
mydata$date<-as.Date(mydata$date)
mydata1<-mydata
mydata1$ymin<-apply(mydata1[,c(2,3)], 1, min)
mydata1$ymax<-apply(mydata1[,c(2,3)], 1, max)


ggplot(mydata1, aes(x =date))+
  geom_ribbon( aes(ymin=ymin, ymax=ymax),alpha=0.5,fill="white",color=NA)+
  #geom_area(aes(fill=variable),alpha=0.5,position="identity")+ 
  geom_line(aes(y=AMZN,color="#FF6B5E"),size=0.75)+#color="black",
  geom_line(aes(y=AAPL,color="#00B2F6"),size=0.75)+#color="black",
  scale_x_date(date_labels = "%Y",date_breaks = "2 year")+
  xlab("Year")+ 
  ylab("Value")+
  scale_colour_manual(name = "Variable", 
                      labels = c("AMZN", "AAPL"),
                      values = c("#FF6B5E", "#00B2F6"))+
  theme( axis.title=element_text(size=10,face="plain",color="black"),
         axis.text = element_text(size=10,face="plain",color="black"),
         legend.position = c(0.15,0.8),
         legend.background = element_blank())


mydata1$ymin<-apply(mydata1[,c(2,3)], 1, min)
mydata1$ymax<-apply(mydata1[,c(2,3)], 1, max)
mydata1$ymin1<-mydata1$ymin
mydata1$ymin1[as.integer((mydata1$AAPL-mydata1$AMZN)>0)]=NA
mydata1$ymax1<-mydata1$ymax
mydata1$ymax1[as.integer((mydata1$AAPL-mydata1$AMZN)>0)==0]=NA
mydata1$ymin2<-mydata1$ymin
mydata1$ymin2[as.integer((mydata1$AAPL-mydata1$AMZN)<=0)==0]=NA
mydata1$ymax2<-mydata1$ymax
mydata1$ymax2[as.integer((mydata1$AAPL-mydata1$AMZN)<=0)==0]=NA


ggplot(mydata1, aes(x =date))+
  geom_ribbon( aes(ymin=ymin1, ymax=ymax1),alpha=0.5,fill="#FF6B5E",color=NA)+#,fill = AMZN > AAPL
  geom_ribbon( aes(ymin=ymin2, ymax=ymax2),alpha=0.5,fill="#00B2F6",color=NA)+#,fill = AMZN > AAPL
  #geom_area(aes(fill=variable),alpha=0.5,position="identity")+ 
  geom_line(aes(y=AMZN,color="#FF6B5E"),size=0.75)+#color="black",
  geom_line(aes(y=AAPL,color="#00B2F6"),size=0.75)+#color="black",
  scale_x_date(date_labels = "%Y",date_breaks = "2 year")+
  xlab("Year")+ 
  ylab("Value")+
  scale_colour_manual(name = "Variable", 
                      labels = c("AMZN", "AAPL"),
                      values = c("#FF6B5E", "#00B2F6"))+
  theme( axis.title=element_text(size=10,face="plain",color="black"),
         axis.text = element_text(size=10,face="plain",color="black"),
         legend.position = c(0.15,0.8),
         legend.background = element_blank())


library(ggridges)
ggplot(mydata1, aes(x=date)) +
  geom_ridgeline_gradient( aes(y=ymin, height = ymax-ymin,  fill = ymax-ymin)) +
  geom_line(aes(y=AMZN),color="black",size=0.75)+#color="black",
  geom_line(aes(y=AAPL),color="black",size=0.75)+#color="black",
  scale_fill_gradientn(colours= brewer.pal(9,'RdBu'),name = "Value")+
  theme(legend.position = c(0.15,0.8),
        legend.background = element_blank())

堆积面积图

堆积柱形图和堆积面积图的差别在于，堆积面积图的 X 轴上只能表示连续数据（时间或者数值），堆积柱形图的 X 轴上只能表示分类数据。

ggplot2包的geom_area()函数可以绘制面积图系列。position="stack"表示多数据系列的堆叠，position="full"表示多数据系列以百分比的形式堆叠。

library(ggplot2)
mydata<-read.csv("StackedArea_Data.csv",stringsAsFactors=FALSE) 
mydata$Date<-as.Date(mydata$Date)


mydata<-melt(mydata,id="Date")


ggplot(mydata, aes(x =Date, y = value,fill=variable) )+
  geom_area(position="stack",alpha=1)+ 
  geom_line(position="stack",size=0.25,color="black")+
  scale_x_date(date_labels = "%Y",date_breaks = "2 year")


ggplot(mydata, aes(x =Date, y = value,fill=variable) )+
  geom_area(position="stack",alpha=1)+ 
  geom_line(position="stack",size=0.25,color="black")+
  scale_x_date(date_labels = "%Y",date_breaks = "2 year")+
  xlab("Year")+ 
  ylab("Value")+
  theme( axis.title=element_text(size=10,face="plain",color="black"),
         axis.text = element_text(size=10,face="plain",color="black"),
         legend.position = "right",
         legend.background = element_blank()) 


ggplot(mydata, aes(x =Date, y = value,fill=variable) )+
  geom_area(position="fill",alpha=1)+ 
  geom_line(position="fill",size=0.25,color="black")+
  scale_x_date(date_labels = "%Y",date_breaks = "2 year")+
  xlab("Year")+ 
  ylab("Value")+
  theme( axis.title=element_text(size=10,face="plain",color="black"),
         axis.text = element_text(size=10,face="plain",color="black"),
         legend.position = "right",
         legend.background = element_blank()) 


library(gcookbook)
ggplot(uspopage, aes(x = Year, y = Thousands, fill = AgeGroup)) +
  geom_area(colour = "black", size = .2, alpha = .4) +
  scale_fill_brewer(palette = "Blues")


ggplot(uspopage, aes(x = Year, y = Thousands, fill = AgeGroup, order = dplyr::desc(AgeGroup))) +
  geom_area(colour = NA, alpha = .4) +
  scale_fill_brewer(palette = "Blues") +
  geom_line(position = "stack", size = .2)


ggplot(uspopage, aes(x = Year, y = Thousands, fill = AgeGroup)) +
  geom_area(position = "fill", colour = "black", size = .2, alpha = .4) +
  scale_fill_brewer(palette = "Blues")

With position="fill", the y values will be scaled to go from 0 to 1. To print the labels as percentages, use scale_y_continuous(labels = scales::percent):

ggplot(uspopage, aes(x = Year, y = Thousands, fill = AgeGroup)) +
  geom_area(position = "fill", colour = "black", size = .2, alpha = .4) +
  scale_fill_brewer(palette = "Blues") +
  scale_y_continuous(labels = scales::percent)

在这里插入图片描述

参考资料

[1] https://r-graphics.org/recipe-bar-graph-labels
[2] https://github.com/EasyChart/Beautiful-Visualization-with-R
[3] R语言数据可视化之美：专业图表绘制指南（增强版） (张杰)

萍智医信
关注
R语言，同一张图中绘制多个折线 multi-line plot
waterHBO的博客
07-14 244
R语言代码，一般比较简短，而且大多数都是单文件，直接复制到 ai 搜索框，然后每一行自动添加注释，便于理解。这个事情比较简单，就是单纯记录一下过程，因为我好久没写R代码了，很多东西都忘了。1. 先看一下数据， 就4列。
科研绘图系列：R语言折线图（linechart plots）
专注生信领域
09-05 790
科研绘图系列：R语言折线图（linechart plots）
使用R语言绘制折线图
qq_63606575的博客
05-11 4372
geom_point(size=3) size 设置点的大小。weight 就是pg_mean中weight的最大值。这里设置Y轴区间范围为 4 到 max(pg_mean。0.5、1.0 ——>X轴刻度标签。geom_point() 这里是点。linetype将线条映射给变量。（要先下载安装bruceR）查看观测值的数量、数据类型。color将颜色映射给变量。dose——>X轴标签。lwd 设置线条的宽度。size设置点的大小。
R语言基础图形绘制——折线图
热门推荐
卫博
08-17 6万+
折线图简介1. 基础函数2. ggplot()函数3. 实践参考书籍 简介 折线图通常用来对两个连续变量之间的相互依存关系进行可视化。x轴可以是连续型变量，也可以是离散型变量。生物学中，通常用来表示不同药物剂量下实验对象的变化，或者是基因在不同类型组织或细胞中的表达模式。 1. 基础函数 简单示例：使用plot()函数，改变参数type，更多类型请查看帮助文档。 # 查看作图数据 BOD # Time demand # 1 1 8.3 # 2 2 10.3 # 3 3 .
R语言统计分析——折线图
最新发布
maizeman126的博客
10-13 760
因此，lines()函数通常是在plot()函数生成一幅图形之后再被调用。如果对图形有要求，我们可以先通过plot()函数中的type="n"选线来创建坐标轴、标题和其他图形特征，然后再使用lines()函数添加各种需要绘制的曲线。type="s"和type="S"都是生成阶梯线，但第一种类型是先横线再上升，而第二种类型是先上升再横线。其中，x和y是要连接的(x,y)点的数值型向量。注意，plot()和lines()函数工作原理不同。type="b"生成最常见的折线图。type="p"生成典型的散点图。
R绘制折线图
github_62245663的博客
02-01 1万+
R绘制折线图 参考资料： 《R语言数据分析与可视化从入门到精通》 《R数据可视化手册》 基本图形 R基础函数 使用plot()函数绘制折线图时需向其传递一个包含x值的向量和一 个包含y值的向量，并使用参数type="l"： plot(pressure$temperature, pressure$pressure, type="l") 若要向图形中添加数据点或者多条折线，则需先用plot()函数绘制第一条折线，再通过points()函数和lines()函数分别添加数据点和更多折线： plot(pr
R绘制折线图 geom_line and geom_ribbon
weixin_45694863的博客
09-14 9092
R绘制折线图 geom_line and geom_ribbon
R折线图（自备）
hx2024的博客
03-26 1790
从四个独立的重复序列中汇总的结果。最后一天，进行单因素方差分析（ANOVA）和Sidak校正;插图显示了烟雾暴露（暴露）或停止烟雾暴露（停止）会话、单因素方差分析和 Sidak 校正时的曲线下面积 （iAUC） 权重变化增量。折线图绘制参数：plot(x,y,type=) lines(x,y,type=)接受不同处理的HFD喂养小鼠的体重变化：非SMK（= 38），非SMK + abx（= 40）和SMK + abx（1：《R语言实战手册》
自定义不同分组折线图的颜色 - R语言实现
ByteWhizX的博客
08-28 425
当我们有多个分组的数据需要呈现时，为了更好地区分不同的组别，我们可以自定义每个组别折线的颜色。参数接受一个命名的颜色向量，其中每个分组对应一个颜色。在上述示例中，我们将分组A的折线颜色设置为红色，分组B的折线颜色设置为蓝色，分组C的折线颜色设置为绿色。假设我们有三个分组（A、B和C），每个分组都有一系列的数据点。每个分组的折线将以指定的颜色呈现，从而更好地区分不同的组别。的数据框，其中包含了三个分组（A、B和C）的数据。包来创建折线图，并自定义每个分组折线的颜色。函数来自定义每个分组折线的颜色。
R语言绘制折线图的代码及实例
06-03
在R语言中，绘制折线图是一种常见的数据可视化方法，它可以帮助我们理解数据随时间变化的趋势或者不同变量之间的关系。本篇文章将深入探讨如何在R语言中创建折线图，并通过具体的代码实例来演示这一过程。 首先，...
折线图_折线图_
10-01
本文将针对R语言的新手和小白，详细介绍如何使用R语言绘制出美观且具有信息量的折线图。 首先，我们需要了解R语言中的基本绘图库`ggplot2`，它是R中用于数据可视化的重要包。`ggplot2`遵循一种称为“Grammar of ...
R语言 折线图
KopWelkin的博客
04-12 4万+
折线图是通过在它们之间绘制线段来连接一系列点的图。 这些点在它们的坐标（通常是x坐标）值之一中排序。 折线图通常用于识别数据中的趋势。 R语言中的plot()函数用于创建折线图。 语法 在R语言中创建折线图的基本语法是 - plot(v,type,col,xlab,ylab) 以下是所使用的参数的描述 - v是包含数值的向量。 类型采用值“p”仅绘制点，“l”仅绘制线和“o...
R语言绘制折线图
zegeai的博客
10-04 1063
折线图是实用的数据可视化工具，通过连接数据点的线段展示数据随时间或变量的变化趋势。在经济、科学、销售及天气预报等领域广泛应用，为决策和分析提供依据。它能清晰呈现经济数据动态、助力科学研究、反映企业销售情况、预告天气变化，以简洁直观和信息丰富的特点发挥重要作用。
R语言实现平滑折线图绘制指南
weixin_35756130的博客
10-02 1018
本文还有配套的精品资源，点击获取 简介：折线图是展示数据随时间变化趋势的有效工具。在数据波动较大时，平滑技术能够去除短期波动，帮助揭示数据的长期趋势。R语言中的 ggplot2 库提供了丰富的功能，包括绘制多条平滑折线图，通过使用 geom_smooth() 函数和多种平滑方法如局部多项式回归（loess）、广义可加模型（gam）等。文章解释了如...
R语言绘图 | 折线图画法，如何画出你满意的图？
CDA数据分析师
10-27 2652
作者：丁点helper 来源：丁点帮你 上篇文章中，我们用世界银行的例子给大家介绍了散点图怎么画，那折线图呢？ 绘制折线图 如果将散点图上的点从左往右连接起来，就会得到一个折线图。今天我们以R中自带的Orange 数据集为例，来学习折线图的画法，该数据集中包含五种橘树的树龄和年轮数据。要考察橘树的年轮如何随着树龄变化，先画个散点图看看： #先看第一种橘树，提取第一种树的数据，保存在t1中 t1<-subset(Orange,Tree==1) 戳此复习subset()函数的功能...
R语言入门之折线图
BitSlinger的博客
08-19 2126
函数创建一个空白的绘图区域，并设置 x 轴标签为 “Month”，y 轴标签为 “Sales”，主标题为 “Monthly Sales”。本文将介绍如何使用R语言创建折线图，并提供相应的源代码示例。函数设置 x 轴标签为 “Month”，y 轴标签为 “Sales”，主标题为 “Monthly Sales”。ggplot2是一个功能强大且灵活的数据可视化包，在创建折线图时提供了更多的自定义选项。运行上述代码，即可生成一张使用ggplot2包创建的折线图。运行上述代码，即可生成一张包含折线图的图像。
R语言入门：R的基本绘图功能(柱状图、散点图、折线图、直方图和饼图)及其参数设置汇总
泥木的博客
04-12 6363
包括了R中的基础图形绘制，及其参数解释，参数包括：main、col、breaks、bg、pch等等。
R语言作图——line plot
生信了
12-11 1万+
原创:黄小仙 最近小仙同学在Nature Cell Biology上看到了这样一张图，很常见的折线图画成这个样子——原来很常见的图标类型也可以“焕发新春”！ 今天小仙同学就尝试用R复刻一张类似的折线图。 Step1. 绘图数据的准备 首先要把你想要绘图的数据调整成R语言可以识别的格式，建议大家在excel中保存成csv格式。 数据的格式如下图：一列表示一种变量，最后一列是每一行的行名。 假设我们...
R语言入门：ggplot2折线图与RStudio基础操作
本文档是一份针对R语言初学者编写的详细笔记，重点介绍了如何利用ggplot2库创建折线图和RStudio的工作环境与常用功能。首先，关于ggplot2，它是一种强大的数据可视化工具，在R语言中用于绘制统计图形。在创建折线图...
评论 1
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