本文盘点了R中9个适用于多学科的可视化包，包括ggplot2、Lattice、Highcharter、Leaflet等，每个包都有其独特特点和应用场景。ggplot2基于《Grammar of Graphics》思想，方便自定义复杂图形；Lattice适合多变量数据可视化；Highcharter和Leaflet提供交互式图表，特别适合地图和动态图表；RColorBrewer则专注于颜色方案的调整。
作者：Asha Hill
翻译：王雨桐
校对：蒋雨畅
本文约1900字，建议阅读8分钟。
本文将简要盘点R中常用的9个可视化包，并通过简要介绍包的特点和相关案例来帮助读者深入理解可视化包。
如果最近浏览了R包的目录，你会发现可用包的数量已经达到了12550个，足以让人眼花缭乱。这意味着现有的包几乎足以解决所有你能想象到的数据可视化任务，从癌症基因组可视化到图书的可视化分析。
对于R菜鸟或想提升R数据可视化能力的人来说，CRAN目录看起来是一种尴尬的富有——数据可视化的包过多，不知从何入手。
为了解决这种问题，今天我们要盘点9个实用的跨学科R数据可视化包。为了减少在本地运行R的麻烦，您可以使用 Mode的R Notebooks。
R Notebooks链接：
https://about.modeanalytics.com/notebooks/
译者注：本文提及的包大多提供交互性操作，文中插图仅供参考，建议访问文中链接查看案例，且链接中附有代码。
1. ggplot2
散点图（Hadley Wickham/Tidyverse）
尽管在R中很容易完成基本绘图，但如果需要自定义绘图，事情就会变得复杂得多。这就是ggplot2诞生的原因：为了让定制绘图更容易。
正如其作者所言，“ggplot2解决了许多繁琐的细节问题(比如绘制图例)，并提供了一个强大的图形模型，这有助于轻松地生成复杂的多层图形。”
ggplot2以《The Grammar of Graphics》这本书中的思想为基础，将图理解成组成完整绘图的不同图层。例如，在ggplot2中你可以从绘制坐标轴开始，然后加入点，线和置信区间等。
ggplot2的缺点是比R中的基础画图要慢，并且初学者会发现上手很困难。但支持者为此辩解称，学习ggplot2和(更普遍地说)用tidyverse处理数据，对任何使用R的数据科学家来说都有巨大的好处。（译者注：tidyverse是为数据科学家所设计的，集合了数据处理和R的可视化包）
作者：Hadley Wickham
详细链接：https://ggplot2.tidyverse.org/
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
