04# 数据分析 学习笔记（二）

四、R的数据可视化

基础绘图包

---lattice包

---ggplot2包

---其他图形

1、具体目标

   ~探索型

   ~接受型 

2、数据和受众的特点

   ~哪些变量最重要

   ~受众的角色

   ~合适的映射方式

映射的图形元素

  # 1、坐标位置

  # 2、线条

  # 3、尺寸

  # 4、色彩

  # 5、形状

  # 6、文字

数据可视化元素

 graphics(自带绘图包 plot)

plot(cars$dist~cars$speed)  #点图

plot(cars$dist,type = 'l')  #折线图

plot(cars$dist,type='h')   #线直方图

hist(cars$dist)             #直方图

lattice包

library(lattice)

num <- sample(1:3,size=50,replace=T)  #1-3随机生成50次 有放回

barchart(table(num))  #barchart  柱形图     

qqmath(rnorm(100))  #qqmath 查看数据是否符合正态分布

关于分组

stripplot(~Sepal.Length|Species,data = iris,layout=c(1,3))

#长度 和种类分布；点图

densityplot(~Sepal.Length,groups = Species,data=iris,

            plot.points=F)

densityplot(~Sepal.Length|Species,data=iris,

            plot.points=F,

            layout=c(1,3))

bwplot 箱线图

bwplot(Species~Sepal.Length,data = iris)

#两个变量之间的关系

xyplot(Sepal.Width~Sepal.Length,groups = Species,data=iris)

#splom两个变量之间的关系

splom(iris[1:4])

histogram(~Sepal.Length | Species,data=iris,

          layout=c(1,3))

三维图形

library(plyr)

func3d <- function(x,y){

  sin(x^2/2 - y^2/4)*cos(2*x - exp(y))

}

vec1 <- vec2 <- seq(0,2,length=0)

para <- expand.grid(x=vec1,y=vec2)

result6 <- mdply(.data = para,.fun = func3d)

wireframe(V1~x*y,data=result6,scales = list(arrows = FALSE),

          drape = TRUE, colorkey = F)

ggplot2包

Data和Mapping以及几何对象Geom

library(ggplot2)

p <- ggplot(data = mpg,  #内置mpg数据

            mapping = aes(x=cty,y=hwy)) + geom_point()

print(p)

geom_point() 绘制散点图

#基础修改 

p <- ggplot(data = mpg,  #内置mpg数据

            mapping = aes(x=cty,y=hwy,

                          color=factor(year))) 

p <- p + geom_point()  #绘制散点图

p

增加统计变换Stat

p <- ggplot(data = mpg,  #内置mpg数据

            mapping = aes(x=cty,y=hwy,

                          color=factor(year))) 

p <- p + stat_smooth()  #统计变换 做光滑曲线

p

在图层layer中增加点和平滑线

p <- ggplot(data = mpg,  

            mapping = aes(x=cty,y=hwy))+

     geom_point(aes(color=factor(year)))+

    stat_smooth()

p <- ggplot(data = mpg,  

            mapping = aes(x=cty,y=hwy,color=factor(year)))+

  geom_point()+

  stat_smooth()

标度Scale控制

p <- ggplot(data=mpg,mapping=aes(x=cty,y=hwy)) +

  geom_point(aes(colour=factor(year))) + 

  stat_smooth()+

  scale_color_manual(values=c('blue2','red4')) #标度控制

分面face控制

p <- ggplot(data=mpg,mapping=aes(x=cty,y=hwy)) +

  geom_point(aes(colour=factor(year))) + 

  stat_smooth()+

  scale_color_manual(values=c('blue2','red4'))+

  facet_wrap(~ year,ncol=1)

精雕细琢

p <- ggplot(data=mpg, mapping=aes(x=cty,y=hwy))+

  geom_point(aes(colour=class,size=displ),

             alpha=0.5,position = "jitter")+

  stat_smooth()+

  scale_size_continuous(range = c(4, 10))+   #大小变化的范围

  facet_wrap(~ year,ncol=1)+                 #

  labs(title='汽车型号与油耗',

       y='每加仑高速公路行驶距离',

       x='每加仑城市公路行驶距离',

       size='排量',

       colour = '车型')

直方图

library(ggplot2)

p <- ggplot(iris,aes(x=Sepal.Length))+

     geom_histogram()

p

增加参数

p <- ggplot(iris,aes(x=Sepal.Length))+ 

    geom_histogram(binwidth=0.1,   # 设置组距

                 fill='skyblue', # 设置填充色

                 colour='black')+ # 设置边框色

    labs(title='大标题',

         x='x轴',

         y='y轴')

# 直方图的作用主要是展现分组计数和分布特性，因为考查一个样本是否符合

# 某个分布在传统统计学中有着重要的意义。

# 不过有另一种方法也可以展现数据的分布，即核密度估计曲线。

# 简单来说就是根据数据估算一条可以代表其分布的密度曲线。

# 我们可以将直方图和密度曲线重叠显示。

直方图加密度曲线

p <- ggplot(iris,aes(x=Sepal.Length)) +

  geom_histogram(aes(y=..density..),

                 fill='skyblue',

                 color='black') +

  stat_density(geom='line',color='red',

               linetype=2,adjust=2)

# adjust参数和窗宽参数类似，它将会控制密度曲线的细节表现能力。我们来尝试用不同的参数绘制多条密度曲线。可见参数越小曲线越为波动灵敏，adjuct负责控制这个参数。

p <- ggplot(iris,aes(x=Sepal.Length)) +

  geom_histogram(aes(y=..density..), # 注意要将y设为相对频数

                 fill='gray60',

                 color='gray') +

  stat_density(geom='line',color='black',linetype=1,adjust=0.5)+

  stat_density(geom='line',color='black',linetype=2,adjust=1)+

  stat_density(geom='line',color='black',linetype=3,adjust=2)

密度曲线

密度曲线还方便对不同数据进行比较，例如我们要对iris中三种不同花的Sepal.Length分布进行比较，可以象下面一样：

p <- ggplot(iris,aes(x=Sepal.Length,fill=Species)) +

  geom_density(alpha=0.5,color='gray')

print(p)

箱线图

# 除了直方图和密度图，还可以用常见的箱线图来表现一维数据的分布。箱线图也方便各组数据之间的比较。

p <- ggplot(iris,aes(x=Species,y=Sepal.Length,fill=Species)) +

  geom_boxplot()

print(p)

小提琴图

# 与箱线图类似是小提琴图，它包含了更多关于数据分布的情况

p <- ggplot(iris,aes(x=Species,y=Sepal.Length,fill=Species)) +

  geom_violin()

print(p)