01. Violin Chart小提琴图

1.1 定义

小提琴图可以可视化一个或多个组的数值变量的分布。非常适合大型数据集，可用于替换箱线图。
每个“小提琴”代表一个组或一个变量。该形状表示变量的密度估计值：特定范围内的数据点越多，该范围内的小提琴就越宽。它非常接近箱线图，但可以更深入地了解分布。
https://www.data-to-viz.com/graph/violin.html

1.2 实现

1.2.1 ggplot2

ggplot2-geom_violin()

library(ggplot2)
# create a dataset
data <- data.frame(
  name=c( rep("A",500), rep("B",500), rep("B",500), rep("C",20), rep('D', 100)  ),
  value=c( rnorm(500, 10, 5), rnorm(500, 13, 1), rnorm(500, 18, 1), rnorm(20, 25, 4), rnorm(100, 12, 1) )
)

# Most basic violin chart
p <- ggplot(data, aes(x=name, y=value, fill=name)) + # fill=name allow to automatically dedicate a color for each group
  geom_violin()
#p 

关于输入格式的说明
long format：一行代表一次观测，对一个对象不同时刻的观测分布在不同的行之中
X axis: it needs to be have the class factor
Y axis: it needs to have the class numeric

# Basic violin
ggplot(data, aes(x=name, y=value, fill=name)) + 
  geom_violin()

wide format：一行不代表一次观测，对一个对象不同时刻的观测集中在同一行之中
需要用tidyr 库的 gather（） 函数转换

data_wide <- iris[ , 1:4]
#R内置数据集Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。
#其它比较流行的数据集还有Adult,Wine,Car Evaluation等。
Sepal.Length	Sepal.Width	Petal.Length	Petal.Width
5.1	3.5	1.4	0.2
4.9	3.0	1.4	0.2
4.7	3.2	1.3	0.2
4.6	3.1	1.5	0.2
library(tidyr)
library(ggplot2)
library(dplyr)
data_wide %>% 
  gather(key="MesureType", value="Val") %>%
  ggplot( aes(x=MesureType, y=Val, fill=MesureType)) +
    geom_violin()
#%>% （向右操作符，forward-pipe operator）是最常用的一种操作符，就是把左侧准备的数据或表达式，传递给右侧的函数调用或表达式进行运行，可以连续操作就像一个链条一样。现实原理如下图所示，使用%>%把左侧的程序的数据集A传递右侧程序的B函数，B函数的结果数据集再向右侧传递给C函数，最后完成数据计算。
#gather在这的功能是行列转置，即将行名转置为第一列"MesureType"，其他测量数值转化为第二列"Val"
#简单看一下数据情况
dd1 <- data_wide %>% 
  gather(key="MesureType", value="Val")
head(dd1)
    MesureType Val
1 Sepal.Length 5.1
2 Sepal.Length 4.9
3 Sepal.Length 4.7
4 Sepal.Length 4.6
5 Sepal.Length 5.0
6 Sepal.Length 5.4
#ggplot2的简单用法
#aes 指定参与作图的每个变量分别映射到哪些图形特性， 比如映射为x坐标、y坐标、颜色、形状等。 这些映射称为aesthetic mappings或aesthetics，fill一般是填颜色，这个时候就参数应该是分组。

后续会不定时更新，关注不迷路~