R语言acres92 region_R语言可视化手册学习笔记

写在前面

本文基于《R语言可视化手册》来进行练习以及重复其中的代码。

library(tidyverse)

## ─ Attaching packages ─────────────── tidyverse 1.2.1 ─

## ✔ ggplot2 3.1.0 ✔ purrr 0.3.2

## ✔ tibble 2.1.1 ✔ dplyr 0.8.0.1

## ✔ tidyr 0.8.3 ✔ stringr 1.4.0

## ✔ readr 1.3.1 ✔ forcats 0.4.0

## ─ Conflicts ──────────────── tidyverse_conflicts() ─

## ✖ dplyr::filter() masks stats::filter()

## ✖ dplyr::lag() masks stats::lag()

library(gcookbook)

条形图

绘制频数条形图

在绘制条形图的时候如果设置stat = 'identity'则是绘制的是计数的条形图。意思就是说需要一个Y是来代表某一个数据。如果要绘制频数条形图的时候。则需要设置为stat = 'bin'。这个是默认的。因此不用设置即可。这种情况下，是不需要设置Y的

ggplot(diamonds, aes(x = cut)) + geom_bar()

image.png

按照某一中方式重新排序

在ggplot2当中，对于X轴的排序是按照其字母顺序或者说是按照数字大小进行排序的。有时候我们想要重新排序。这个时候就需要用到reorder函数。这个函数可以帮助我们对于X轴的值按照某一种方式进行排序。

upc % filter(rank(Change) > 40)

upc

## State Abb Region Change

## 1 Arizona AZ West 24.6

## 2 Colorado CO West 16.9

## 3 Florida FL South 17.6

## 4 Georgia GA South 18.3

## 5 Idaho ID West 21.1

## 6 Nevada NV West 35.1

## 7 North Carolina NC South 18.5

## 8 South Carolina SC South 15.3

## 9 Texas TX South 20.6

## 10 Utah UT West 23.8

p1

p2

geom_bar(stat = "identity") ###按照Change的降序来对Abb进行排序

cowplot::plot_grid(p1,p2, ncol = 2)

image.png

绘制克利夫兰点图

克利夫兰点图实质上就是点图再加一个辅助线。重要是通过geom_segment + geom_point来实现

tophit

head(tophit)

## name lg avg

## 1 Larry Walker NL 0.3501

## 2 Ichiro Suzuki AL 0.3497

## 3 Jason Giambi AL 0.3423

## 4 Roberto Alomar AL 0.3357

## 5 Todd Helton NL 0.3356

## 6 Moises Alou NL 0.3314

p1

theme_bw() +

theme(panel.grid.major.x = element_blank(),

panel.grid.minor.x = element_blank(),

panel.grid.major.y = element_line(color = "grey60", linetype = "dashed"))

p2

geom_segment(aes(yend = name), xend = 0, color = "grey50") +

geom_point(size = 3, aes(color = lg)) +

theme_classic()

cowplot::plot_grid(p1,p2)

image.png

折线图

因子变量绘制折线图

因子变量绘制折线图的时候，如果要加颜色进行区分的时候。需要也同时指定group不然在一个group里面没办法绘制不同的颜色。

tg % group_by(supp, dose) %>% dplyr::summarise(length = mean(len))

ggplot(tg, aes(factor(dose), length, color = supp)) + geom_line()

## geom_path: Each group consists of only one observation. Do you need to

## adjust the group aesthetic?

image.png

ggplot(tg, aes(factor(dose), length, color = supp, group = supp)) + geom_line()

image.png

绘制面积图

可以通过geom_area来绘制面积图。

sunspotyear

year = as.numeric(time(sunspot.year)),

Sunspot = as.numeric(sunspot.year)

)

ggplot(sunspotyear, aes(year, Sunspot)) + geom_area(fill = "blue", alpha = .2) + geom_line()

image.png

添加可信区间线

通过geom_ribbon我们可以显示曲线的置信区间。同时由于geom_ribbon会掩盖中间线因此也可以通过geom_line自己制作。

clim % filter(Source == "Berkeley") %>% select(Year, Anomaly10y, Unc10y)

p1

geom_ribbon(aes(ymin = Anomaly10y-Unc10y, ymax = Anomaly10y+Unc10y), alpha = 0.2) + geom_line()

p2

geom_line(aes(y = Anomaly10y - Unc10y), color = "grey50", linetype = "dotted") +

geom_line(aes(y = Anomaly10y + Unc10y), color = "grey50", linetype = "dotted") + geom_line()

cowplot::plot_grid(p1, p2)

image.png

散点图

处理图形重叠

绘制散点图的时候。经常会遇到大量的数据重叠到一起的情况。这个时候，我们可以通过一定的处理先把结果更好的呈现。其中可以用到的方法是： - 使用半透明的点 - 将数据分箱(bin),并用矩形表示 - 将数据分箱(bin),并用六边形表示 - 使用箱式图 - 使用密度图 - 使用密度热图

p

p1

p2

p3

p4

p5

stat_density2d(col = "blue")

p6

aes(fill = ..density..),

contour = F)

cowplot::plot_grid(p,p1,p2,p3,p4,p5,p6, ncol = 3)

image.png

把已有的模型添加到散点图上

如果已经有了一个模型的话，那么需要使用predict函数来把模型拟合到原来的图形上。

model

model

##

## Call:

## lm(formula = heightIn ~ ageYear + I(ageYear^2), data = heightweight)

##

## Coefficients:

## (Intercept) ageYear I(ageYear^2)

## -10.3136 8.6673 -0.2478

predicted

###计算变量heightIn的预测值

predicted$heightIn

head(predicted)

## ageYear heightIn

## 1 11.58000 56.82624

## 2 11.63980 57.00047

## 3 11.69960 57.17294

## 4 11.75939 57.34363

## 5 11.81919 57.51255

## 6 11.87899 57.67969

####数据和模型一行放到图上

p

p + geom_line(data = predicted, size = 1, color = "blue") +

stat_smooth(method = "lm", color = "red", se = F)

image.png

描述数据分布

绘制简单的直方图

使用geom_histogram来绘制简单的直方图。绘制的时候默认的是绘制30个分组。我们可以通过bin来修改这个分组。同时也是可以通过binwidth修改组间距也是可以达到同样的效果的。

p

p1

p2

cowplot::plot_grid(p1, p2, ncol = 2)

image.png

绘制基本的箱式图

geom_boxplot可是绘制基本的箱式图。函数当中的需要注意的： - 异常值的调整：函数当中包括outlier.color/outlier.fill/outlier.shape/outlier.size/outlier.alpha/outlier.size来对异常值进行调整 - 对于箱式图宽度的调整：如果想要让箱式图的宽度可以根据样本量来变化。那么可以设置varwidth。默认的是F。单纯的像调整宽度可是使用width即可。 - 单个箱式图的绘制绘制单个箱式图的时候。需要给x赋值为常数。x=1即可

library(MASS)

##

## Attaching package: 'MASS'

## The following object is masked from 'package:dplyr':

##

## select

p

p1

p2

p3

p4

scale_x_continuous(breaks = NULL) + theme(axis.title.x = element_blank())

cowplot::plot_grid(p1,p2,p3,p4, ncol = 2)

image.png

箱式图添加均值

通过stat_summary可以对数据进行统计后添加图形。

ggplot(birthwt, aes(factor(race), bwt)) + geom_boxplot() +

stat_summary(fun.y = "mean", geom = "point", shape = 23, size = 3, fill = "white")

image.png

小提前图的调整

geom_violin可是绘制小提琴图。绘制的时候需要注意的是： - 保留小提琴的尾部：默认的小提琴图的坐标轴范围是它的最大值和最小值。因此其尾部是扁平的。通过trim可以保留其尾部。 - 小提琴的面积:默认的情况下，小提琴的面积各组之间是经过标准化后一样的。如果想要不一样的话。可是使用scale = "count"来进行调整 - 小提琴的平滑程度：通过adjust来调整其平滑程度。数值越大越平滑

p

p1

p2

p3

p4

cowplot::plot_grid(p1,p2,p3,p4, ncol = 2)

image.png

点图的绘制(两个图分开)

geom_dotplot可以绘制点图。如果需要绘制分组的点图的时候。则需要指定binaxis = "y"让点沿着Y轴堆砌。 需要注意的是，如果x轴是数值型变量的时候，必须指定group。不然的话。是没办法进行分组的。

ggplot(heightweight, aes(sex, heightIn, group = sex)) +

geom_boxplot(aes(x = as.numeric(sex) + .2), width = .25) +

geom_dotplot(aes(x = as.numeric(sex) - .2), binaxis = "y", binwidth = .5, stackdir = "center") +

scale_x_continuous(breaks = 1:nlevels(heightweight$sex),

labels = levels(heightweight$sex))

image.png

添加注释

在绘制完一个图片之后，有时候我们需要在图片上进行注释。这个时候就用到annotate函数。这个函数接受三种注释分别是：text文字；segment线段；rect矩形

如果的类型具有映射关系的是话。可以使用相对应的geom_即可。

文字注释

使用annotate("text")来添加注释。需要注意的是： - 一般而言接受x,y,lable三个基本参数。 - 当我们需要添加单独的文本对象的时候，千万不要使用geom_text - 如果是一个连续性变量的坐标轴的时候，可以通过使用Inf和-Inf来在绘图的边缘添加注释文字。同时也可以通过hjust和vjust来进行上下作用调整。

ggplot(faithful, aes(x = eruptions, waiting)) + geom_point() +

annotate("text", x = -Inf, y = Inf, label = "Upper left", hjust = -.2, vjust = 2) +

annotate("text", x = mean(range(faithful$eruptions)), y = -Inf, vjust = -.4, label = "Bottom middle", alpha = .5, color = "darkred")

image.png

线段注释

如果是添加一条直线的话，可以通过geom_vline/geom_hline来添加。同时指定xintercept/yintercept截距以及slope角度即可。

如果要自定义线段的的话就需要用到annotate("segment")即可。同样的现在也有geom_segment可以这使用。

geom_segment还接受lineend(‘round’, ‘butt’, ‘square’)和linejoin(‘round’, ‘butt’, ‘square’)参数来对线条进行修改

p % filter(Source == "Berkeley") %>% ggplot(., aes(Year, Anomaly10y)) + geom_line()

p1

annotate("segment", x = 1950, xend = 1980, y = -.25, yend = -.25,

arrow = arrow(ends = "both", angle = 90, length = unit(.2, "cm")))

p2

geom_segment(x = 1950, xend = 1980, y = -.25, yend = -.25,

arrow = arrow(ends = "both", angle = 90, length = unit(.2, "cm")))

cowplot::plot_grid(p1, p2, ncol = 1)

image.png

添加一个矩形

annotate("rect")和geom_rect都可以往图形上添加矩形。

需要注意的是添加的元素基本上就是图层的叠加。所以如果出图的时候需要明白那个在上哪个在下。

p % filter(Source == "Berkeley") %>% ggplot(., aes(Year, Anomaly10y)) + geom_line()

p1

image.png

坐标轴

修改坐标轴的范围

我们Y轴为例，通过ylim和scale_y_continuous都可以修改坐标的范围。两者设置一个就可以。不同的是scale_y_continuous可以设置更多的参数。另外在修改坐标轴范围的时候。如果设置后某些数据没有在坐标轴中，ggplot2默认的会把剩下的数据当作新的数据来重新作图。如果只是想在原来的数据上进行缩放的话。可是使用coord_cartesian(ylim)进行设置。

同样的如果是一个离散线的坐标轴可以通过scale_x_discrete(limits)来进行修改。

p

p1

p2

cowplot::plot_grid(p,p1,p2, ncol = 3)

## Warning: Removed 13 rows containing non-finite values (stat_boxplot).

image.png

反转一个连续性坐标轴

使用scale_y_reverse或者在指定坐标轴范围的时候先指定大范围，再指定小范围都可以用来反转坐标轴

p1

p2

cowplot::plot_grid(p1,p2,ncol = 2)

image.png

使用对数坐标轴

通过使用scale_x/y_log10来使用对数坐标轴。但是一般来说其坐标轴的刻度显示是很怪的。我们可以通过trans_format来进行调整。

另外一种方法是把数据直接先log10变换。然后正常显示

library(MASS)

p

p1

library(scales)

##

## Attaching package: 'scales'

## The following object is masked from 'package:purrr':

##

## discard

## The following object is masked from 'package:readr':

##

## col_factor

p2

labels = trans_format("log10", math_format(10^.x)))

p3

cowplot::plot_grid(p,p1,p2,p3, ncol = 2)

image.png

对数坐标轴添加刻度

使用annotation_logticks可以为坐标轴添加刻度

p + scale_x_log10() + scale_y_log10() + annotation_logticks() + theme_bw()

image.png

图例

去掉图例

如果需要去掉图例的话可以使用guides。在函数中指定需要出去的是那个类型的图例即可。例如guides(fill = F)则代表去掉填充色的图例

如果是想要去掉图例的标题的话，同时可以使用guides函数。例如如果要去除形状的图例标题，则代码是guides(shape = guide_legend(title = NULL))

p

p1

p2

cowplot::plot_grid(p,p1,p2,ncol = 3)

image.png

分面

修改分面的标签

通过facet_grid(labeller)来修改分面的标签。同时其实也可以通过先生成一个新的分面标签在进行修改的