数据分析能力作为目前最有"钱"途的能力之一,你是否心动。
但懂得数据分析能力并不能展现数据的魅力,面对不同的报告对象,可能大家关注点不同,但是可视化绝对是展现数据价值的最佳途径。偶然从一篇文章中看到:数据分析师最基本的能力就是数据可视化。
绘制基本图像
本案例所用数据集为 ggplot2 包中的 mpg 数据框(即 ggplot2::mpg ),因此需要先进行 tidyverse的加载,如果没有下载过则需要先行下载。
# install.packages("tidyverse") #没有下载过的可用先运行此语句
library(tidyverse) #加载tidyverse包
library(ggplot2) #加载ggplot2包
## 数据探索
mpg <- ggplot2::mpg #加载试验数据
str(mpg) #查看数据的形式
dim(mpg) #查看数据行列数
summary(mpg) #查看数据基本信息
## 绘制散点图
plot(mpg$displ,mpg$hwy) #系统基本绘图函数
ggplot(data = mpg) + #ggplot2绘图
geom_point(mapping = aes(x = displ, y = hwy))
![]() |
![]() |
图像再加工
plot函数参数详解
对于plot函数,系统只给出了如下的简单描述,而其参数却没有在函数表达式中给出。
plot(x, y, …)
参数解释:
参数 | 解释 |
---|---|
x | 图中x坐标轴的数据 |
y | 图中显示在y坐标轴的数据 |
… | 需要创建的数据 |
type | 绘制的图像性质,默认为点 |
main | 图像的主标题 |
sub | 图像的副标题 |
xlab | x轴的名字 |
ylab | y轴的名字 |
asp | 图像的纵横比y/x |
cex | 图中图标的尺寸 |
col | 改变颜色 |
lwb | 线的粗细 |
pch | 改变点的形状 |
其中颜色可以有多种方式数字,rgb的值,色号或直接名字。pch则是由数字代表取值为1-20,如大于20开始从1循环。
plot(mpg$displ,mpg$hwy, #此处只部分修改
main = "系统函数plot",cex = 1.2,col = "#a61b29",lwd = 3,pch = 5)
ggplot函数修改
geom_point(
mapping = NULL,
data = NULL,
stat = “identity”,
position = “identity”,
…,
na.rm = FALSE,
show.legend = NA,
inherit.aes = TRUE
)
ggplot的散点图函数geom_point的参数与plot类似但名字更容易理解:
ggplot(data = mpg) + #ggplot2绘图
labs(x = "x轴",y = "y轴",title = "ggplot函数")+
theme(plot.title=element_text(hjust=0.5))+
geom_point(mapping = aes(x = displ, y = hwy),color ="#a61b29", size = 3,alpha = 8)
ggplot的绘图原理类似于刷墙,通过一层层的叠加美化,使得图像不断美化,这是与系统自带plot()函数最大的区别。虽然看起来比较繁琐,但是层次分明、可操作性很高。如果是新手则可以一行一行理解,每一行代表对图像的一次操作。