数据可视化 - Data Frame - qplot 、ggplot

最新推荐文章于 2024-09-08 11:54:08 发布

一级新生

最新推荐文章于 2024-09-08 11:54:08 发布

阅读量2.2k

点赞数 2

分类专栏： R语言文章标签： r语言编程语言

本文链接：https://blog.csdn.net/weixin_45928161/article/details/118631177

版权

R语言专栏收录该内容

4 篇文章 0 订阅

订阅专栏

本文详细介绍了R语言中DataFrame的获取与操作，包括读取CSV、创建DataFrame、查看统计信息、取值、操作列以及删除DataFrame。同时，深入探讨了qplot()和ggplot()的绘图功能，如散点图、箱线图、折线图、曲线图、条形图的绘制，以及如何进行多笔绘图、分割画板、修改画板属性等高级技巧。此外，还展示了如何进行数据的等值连接和保存到CSV文件。

摘要由CSDN通过智能技术生成

R语言可视化

主要涉及矩阵、Data Frame、matplot( )、qplot( )、ggplot( )

提示：以下是本篇文章正文内容，下面案例可供参考

一、Data Frame

Data Frame是与Matrix矩阵类似的存储结构，都是矩阵的形式；但是Matrix存储的数据都是相同类型，Data Frame存储的是不同类型，如下图，Data Frame存储既有字符类型的列，也有浮点型的列，当然也可以有整型。可以说Data Frame是对矩阵的一种扩展和延申，更具有使用性。
在这里插入图片描述

1.Data Frame的获取

Data Frame一般从 .csv文件中读取，也存储在 .csv文件中。也可以使用data.frame( )创建，前提是有对应的列数据。

1.1 读取 .csv文件获取 Data Frame

1.1.1 读取路径方式

需要读取的文件：Demographic-Data.csv
文件所在路径：C:\Program Files\R\R_language\class_file\C2
Windows系统读取路径应修改为：C:\Program Files\R\R_language\class_file\C2

mydata=read.csv("C:\\Program Files\\R\\R_language\\class_file\\C2\\Demographic-Data.csv")

1.1.2 选择文件方式

mydata=read.csv(file.choose())

运行该语句后，会弹出选择文件的框，选择要读入的文件即可
在这里插入图片描述

1.2 data.frame( )创建 Data Frame

分别以Countries_2021_Dataset、Codes_2021_Dataset、Regions_2021_Dataset为三列创建Data Frame格式的newdata

newdata=data.frame(Countries_2021_Dataset,Codes_2021_Dataset,Regions_2021_Dataset)

也可以在创建时修改列名

newdata=data.frame(Country = Countries_2021_Dataset,
                   CCode   = Codes_2021_Dataset,
                   Regions = Regions_2021_Dataset)

2.Data Frame的操作

2.1 查看-Data Frame

2.1.1 统计行列数

返回一个两位的数组，第一位是行总数，第二位是列总数

dim(mydata)

2.1.2 查看结构

str(mydata)

返回结果：包括mydata的格式、列名、每列中的内容
在这里插入图片描述

2.1.3 查看数据统计（最大值、最小值、平均值、中位数、总个数）

summary(mydata)

在这里插入图片描述

2.2 取值-Data Frame

2.2.1 普通取值

drop=F：不改变原格式
drop=T：或者不写drop，即默认drop=T，则会改变原格式
例如：
mydata[ , 4 ]、mydata[ , 1 ]、mydata[ 1:10 , 1 ]、mydata[ 1 , ] ：返回的都是向量格式的数据，不是Data Frame格式
mydata[ , 1 , drop=F ] ：返回的是原格式Data Frame格式的数据

# 返回第四列的所有数据
mydata[,4]

# 返回第一列的所有数据
mydata[,1]

# 返回第一列的1~10行数据
mydata[1:10,1]

# 返回第一行的数据
mydata[1,]

# 返回第一列的所有数据
mydata[,1,drop=F]

2.2.2 取值前六行、末尾六行

# 返回前六行数据
head(mydata)

# 返回末尾六行数据
tail(mydata)

2.2.3 取某一列

返回 mydata 中 Country.Name 列的所有数据，并且不再是原格式 Data Frame，是向量格式数据（向量类型即数组）

mydata$Country.Name

返回mydata中Birth.rate列的第5个数据

mydata$Birth.rate[5]

2.2.4 多条件取值

返回 mydata 中 Internet.users 列里数据小于2的所有行的数据

myfilter=(mydata$Internet.users<2)
weneed=mydata[myfilter,]

myfilter=(mydata$Internet.users<2)：返回的 myfilter 是一个由TRUE和FALSE构成的数组，其中每一TRUE或者FALSE都对应 Internet.users 列里每一行数据的判断结果，小于2的为TRUE，反之为FALSE，如下图，该列一共有多少行，就是多大的数组
在这里插入图片描述
weneed=mydata[myfilter,]：weneed即返回myfilter中为TRUE的行，对应在mydata中的行数据，如下图：这些都是Internet.users 列里数据小于2的所有行的数据,weneed是一个Data Frame格式的数据（因为它不是单纯某一列数据）

此外，我们还可以统计一下满足 Internet.users 列里数据小于2的所有行有多少个

# 返回数组第一个数据，即行数（第二个数据为列数）
dim(weneed)[1]

在这里插入图片描述

推广、延申：

寻找行中Birth.rate>40并且Internet.users<5的数据，及行数统计

mydata[ mydata$Birth.rate>40 & mydata$Internet.users<5 , ]
dim(mydata[mydata$Birth.rate>40 & mydata$Internet.users<5,])[1]

寻找并统计所有high income的行

mydata[mydata$Income.Group=="High income",]
dim(mydata[mydata$Income.Group=="High income",])[1]

2.3 操作-Data Frame

2.3.1 两列相加

只有两列都是整型、浮点型等类型才可相加

mydata$Birth.rate+mydata$Internet.users

2.3.2 增加一列、删除一列

增加一列，名为xyz

mydata$xyz=c(1:5)

增加列的规则：增加的列的数据个数，必须可以让计算机进行自动分配。
举个例子：mydata一共195行，我们增加的xyz列是一个5行数据的列{ 1 ; 2 ; 3 ; 4 ; 5 }，195可以整除5，则计算机可以让所有行都按：第1-5行对应的xyz的数据为1、2、3、4、5，第6-10行对应xyz的数据为1、2、3、4、5…类推让所有行都可以按这个规则得到xyz列的值。若xyz是6行的列，则无法增加该列，计算机无法进行自动分配。
简言之，即增加的列的行数，可以被原Data Frame的总行数整除，才行。

删除一列

mydata$xyz=NULL

2.3.3 修改列名

colnames(newdata)=c("Country","CCode","Regions")

2.3.4 将字符数据列的所有数据按字母顺序排序

按字母顺序把列 Income.Group 和 Country.Code 的字符数据进行排序（只可用于字符类型数据的列），并以向量格式返回该字符数据

levels(mydata$Income.Group)
levels(mydata$Country.Code)

读取调整后的第一个数据

levels(mydata$Income.Group)[1]

2.3.5 自己设计某字符数据列的数据顺序

将mydata中Income.Goup列内数据的先后顺序改为 “Low income” “Lower middle income” “Upper middle icome” “High icome”

mydata$Income.Group=ordered(mydata$Income.Group,levels=c("Low income",
                                                "Lower middle income",
                                                "Upper middle icome",
                                                "High icome"))

2.3.6 删除Data Frame

remove/delete the data frame

rm(newdata)

2.3.7 判断是否为 Data Frame

is.data.frame(mydata)

2.3.8 两个Data Frame进行等值连接

mydata和newdata连接，mydata里的Country.Code和newdata里的CCode进行等值连接

mergdata=merge(x=mydata,y=newdata,by.x = "Country.Code",by.y = "CCode")

2.3.9 Data Frame 写入 .csv 文件中

保留第一列索引编号

write.csv(mergdata,"merged.csv")

取出第一列的索引编号

write.csv(mergdata,"merged1.csv",row.names = F)

二、绘图：qplot( )

quick plot，即快速绘图工具，是一个比较简单、快速的绘图工具。
需要先导入一个包

library("ggplot2")

1.散点图

qplot(data=mydata,
      x=Internet.users,y=Birth.rate,
      colour=Income.Group,
      size=I(5),
      alpha=I(0.05))

data=mydata：数据取自mydata
x轴Income.Group，y轴是Birth.rate
colour=Income.Group：以Income.Group的数据，做图例；若用colour=I(“red”)则所有点都是红色
size=I(5)：决定画的点的大小
alpha=I(0.05)：每个点的颜色透明度

2.箱线图

qplot(data=mydata,
      x=Income.Group,y=Birth.rate,
      geom="boxplot")

箱线图介绍：https://blog.csdn.net/uinglin/article/details/79895993

三、绘图：ggplot( )

需要先导入一个包

library("ggplot2")

我对ggplot( )的理解：画板ggplot( )+画笔geom_xxx( )；画笔不仅是在画板的基础上进行绘图，也可以随意修改画板的原本内容。

1.画笔绘图

1.1.1 geom_point( )：绘制散点图

1.1.1.1 设置画板

p=ggplot(data = mymov,
         aes(x=CRating,y=ARating,
             colour=Genre,
             size=BudMils,
             alpha=I(0.5)))

p=ggplot( )：一个绘图语句ggplot( )可以赋值给变量p，然后使用变量p即可
data = mymov：数据来自mymov数据
aes(
x=CRating,y=ARating：CRating做x轴，ARating做y轴
colour=Genre：设置每个点的颜色，依据Genre做图例
size=BudMils：设置画在画板上点的大小，依据每个点对应BudMils的数值（也是一个图例）
alpha=I(0.5)：设置画在画板上颜色的透明度
）
注意：凡是设置绘图的属性时，用到的数据是来自data=mymov的，都要写在aes( )里，例如制作图例例如size、colour等等，

画板如下：由于没有绘制散点，所以暂时看不出颜色、大小等等效果，只能看到一个画板
在这里插入图片描述

1.1.1.2 使用绘制散点图的笔 geom_point( )

p=ggplot(data = mymov,
         aes(x=CRating,y=ARating,
             colour=Genre,
             size=BudMils,
             alpha=I(0.5)))
p+geom_point()

p+geom_point()：在画板上绘点
xlab(“Budget in Millions”)：增加x轴的标签为

运行效果如下：有两个图例，一个是Genre的颜色图例，一个是BudMils的点尺寸图例
在这里插入图片描述

geom_point与geom_jitter的区别？

1.1.2 geom_line( )：绘制折线图

1.1.2.1 设置画板

p=ggplot(data = mymov,
         aes(x=CRating,y=ARating,
             colour=Genre,
             size=BudMils,
             alpha=I(0.5)))

p=ggplot( )：一个绘图语句ggplot( )可以赋值给变量p，然后使用变量p即可
data = mymov：数据来自mymov数据
aes(
x=CRating,y=ARating：CRating做x轴，ARating做y轴
colour=Genre：设置每个点的颜色，依据Genre做图例
size=BudMils：设置画在画板上点的大小，依据每个点对应BudMils的数值（也是一个图例）
alpha=I(0.5)：设置画在画板上颜色的透明度
）
注意：凡是设置绘图的属性时，用到的数据是来自data=mymov的，都要写在aes( )里，例如制作图例例如size、colour等等，

画板如下：由于没有绘制散点，所以暂时看不出颜色、大小等等效果，只能看到一个画板
在这里插入图片描述

1.1.2.2 使用绘制折线图的画笔 geom_line( )

p+geom_line()

在这里插入图片描述

1.1.3 geom_density( )：绘制曲线图

1.1.3.1 设置画板

画板设置为x轴为BudMils，y的数据为BudMils的各个数据统计，例如y轴数据为BudMils为1时的总个数，BudMils为2的总个数…

s=ggplot(mymov,aes(x=BudMils))

画板如下：
在这里插入图片描述

1.1.3.2 使用绘制曲线的画笔 geom_density( )

s+geom_density(
  aes(fill=Genre),
  position = "stack",
  alpha=0.5

aes(fill=Genre)：曲线与坐标轴部分的图像颜色填充依据Genre，即制作图例
position = “stack”：将叠加在一起的图像，显示为一层层往上叠加的效果，即可以通过图例得知，图像由哪些部分叠加在一起
alpha=0.5：设置透明度
效果如下：

为了更好理解position=stack，给出没有position=stack的绘图结果：即图像全部重叠在一起

1.1.4 geom_histogram( )：绘制条状图

1.1.4.1 设置画板

画板设置为x轴为BudMils，y的数据为BudMils的各个数据统计，例如y轴数据为BudMils为1时的总个数，BudMils为2的总个数…

s=ggplot(mymov,aes(x=BudMils))

画板如下：
在这里插入图片描述

1.1.4.2 使用绘制条形图的画笔 geom_histogram()

s+geom_histogram(binwidth = 10,
                 aes(fill=Genre),
                 colour="black")

binwidth = 10：条状图的条宽为10
aes(fill=Genre)：条形里填充的颜色依据Genre，是一个图例
colour=“black”：条形框用黑边

效果如下：
在这里插入图片描述

1.1.5 geom_boxplot( )：绘制箱线图

u=ggplot(mymov,aes(x=Genre,y=ARating,colour=Genre))
u+geom_boxplot(size=3)

size=3：设置箱边宽度

效果如下：
在这里插入图片描述

1.1.6 geom_smooth( )：绘制回归直线

一般与散点图一起画效果更好

u=ggplot(mymov,aes(x=Genre,y=ARating,colour=Genre))
u+geom_smooth()

效果如下：
在这里插入图片描述
也可以取消灰色部分，灰色部分称为置信区间：

u+geom_smooth(fill=NA)

图：
在这里插入图片描述

2.绘图拓展

2.1 多笔绘图

2.1.1 绘制散点图+折线图

# 设置画板
p=ggplot(data = mymov,
         aes(x=CRating,y=ARating,
             colour=Genre,
             size=BudMils,
             alpha=I(0.5)))
#绘制散点+连线图
p+geom_point()+geom_line()

在这里插入图片描述

2.1.2 绘制散点图+回归直线

# 设置画板
u=ggplot(mymov,aes(x=CRating,y=ARating,colour=Genre))
# 绘制散点图，以及回归直线
u+geom_point()+geom_smooth()

效果如下：
在这里插入图片描述

2.1.2 绘制散点图+箱线图

# 设置画板
u=ggplot(mymov,aes(x=Genre,y=ARating,colour=Genre))
# 绘制散点图+箱线图
u+geom_jitter()+geom_boxplot(size=0.5,alpha=0.3)

在这里插入图片描述

2.2 分割画板

2.2.1 facet分割画板

2.2.1.1 绘制原图

我们想根据某一列属性，将整个条形图拆分成多个小条形图，并展示在一个画板上，这样更有助于我们分析数据、作比较，先绘制原图

# 设置画板
v=ggplot(mymov,aes(x=BudMils,fill=Genre))
# 绘制条形图
v+geom_histogram(binwidth = 10,colour="Black")

图：
在这里插入图片描述

2.2.1.2 按行分割画板，并展示多个图像 facet_grid(xxx~.)

xxx~. 即按xxx拆分图像，并按行分割画板并展示各个图像

v+geom_histogram(binwidth = 10,colour="Black")+
  facet_grid(Genre~.)

按Genre拆分图像，并按行分割画板
图：

解放各个小图形的纵坐标轴，不用统一的刻度 scales = “free”

v+geom_histogram(binwidth = 10,colour="Black")+
  facet_grid(Genre~.,scales = "free")

图：
在这里插入图片描述

2.2.1.2 按行分割画板，并展示多个图像 facet_grid(.~xxx)

.~xxx 即按xxx拆分图像，按列分割画板并展示各个图像

v+geom_histogram(binwidth = 10,colour="Black")+
  facet_grid(.~Genre)

图：
在这里插入图片描述

2.2.2 取画板某部分图像

# 设置画板
m=ggplot(mymov,aes(x=CRating,
                   y=ARating,
                   colour=Genre,
                   size=BudMils))
m+geom_point(alpha=0.5)+
  xlim(50,100)+
  ylim(50,100)

xlim(50,100)：x limit 50-100：把x轴限制在50-100区间
ylim(50,100)：y limit 50-100：把y轴限制在50-100区间
即只取画板 x 在50-100，y 在50-100之间的图像
原图：

取出部分图：

2.2.3 使用画笔改写画板

2.2.3.1 修改散点的颜色

# 若单纯的设置绘点的颜色则不用写在aes( )里，没有用到data=mymov里的数据
p+geom_point(colour="blue")
# 还可以使用颜色编号改变绘点颜色
p+geom_point(colour="#DC41Df")

2.2.3.2 修改散点的大小

p+geom_point(size=20)

2.2.3.3 修改原画板的绘图数据

p+geom_point(aes(x=BudMils)

geom_point(aes(x=BudMils)：将原来x=CRating,y=ARating，修改成x=BudMils,y=ARating（y没改，则y不变）
效果如下：

2.2.3.4 修改数据后，修改x轴标签

p+geom_point(aes(x=BudMils))+xlab("Budget in Millions")

xlab(“Budget in Millions”)：将原标签CRating，改为Budget in Millions
效果如下：

2.2.3.5 指定参数区域放大显示 coord_cartesian( )

# 绘制画板
n=ggplot(mymov,aes(x=BudMils))
# 使用画笔
n+geom_histogram(binwidth = 10,aes(fill=Genre),colour="blue")
 +coord_cartesian(ylim=c(0,50))

coord_cartesian(ylim=c(0,50))：指定在y轴0~50范围内的图像，放大显示
原图：

放大显示：

此外还有其他类型的操作：

详情参考知乎：https://zhuanlan.zhihu.com/p/29553382

2.2.3.6 修改主题属性 theme( )

# 设置画板
n=ggplot(mymov,aes(x=BudMils))
# 使用画笔
n+geom_histogram(binwidth = 10,aes(fill=Genre),colour="blue")+
  xlab("Budget of the Movies")+ # 修改了x轴标签
  ylab("Number of the Movies")+ # 修改了y轴标签
  theme(
    axis.title.x = element_text(colour = "Blue",size = 30),
    axis.title.y = element_text(colour = "Red",size = 20),
    axis.text.x = element_text(colour="Blue",size = 20),
    axis.text.y = element_text(colour="red",size = 15),
    legend.title = element_text(size=30),#设置图例标题属性即Genre
    legend.text = element_text(size = 25),#设置每个小图标的名字属性
    legend.position = c(1,1),legend.justification = c(1,1),#设置图例所在位置；#即将图例画板的右上角位置设置为图像画板的右上角
)

axis.title.x = element_text(colour = “Blue”,size = 30)：设置 x 轴标签属性
axis.title.y = element_text(colour = “Red”,size = 20)：设置 y 轴标签属性
axis.text.x = element_text(colour=“Blue”,size = 20)：设置 x 轴刻度值的属性
axis.text.y = element_text(colour=“red”,size = 15)：设置 y 轴刻度值的属性
legend.title = element_text(size=30)：设置图例标题属性
legend.text = element_text(size = 25)：设置每个小图标的名字属性
legend.position = c(1,1),legend.justification = c(1,1)：设置图例在图像中的位置；原理：将图像和图例分开看成两个画板，每个画板的左下、右下、左上、右上四个角分别对应 c(0,0)、c(1,0)、c(0,1)、c(1,1) 四个坐标，而此段代码表示含义：把图例的右上角即 legend.justification = c(1,1)，放在图像的右上角即 legend.position = c(1,1)

原图：
在这里插入图片描述

修改主题后的图：
在这里插入图片描述

2.2.3.6 已有图像上增加线条

ggplot(carX,aes(x=price,y=residual))+
  geom_point()+
  geom_hline(yintercept = c(0,2*sd(carX$residual),-2*sd(carX$residual)),colour=c("red","blue","blue"))

说明

carX 是 data frame
以 x=price(标准差),y=residual(残差)绘图
sd(carX$residual)：即carX中residual列的标准差
geom_hline(yintercept = c( 0 , 2sd(carX $r e s i d u a l), - 2 * s d (c a r X$ residual) ),colour=c(“red”,“blue”,“blue”))：绘制三条水平直线分别在y=0，y=2sd(carX $r e s i d u a l) ， y = - 2 * s d (c a r X$ residual)，颜色分别是red、blue、blue
结果如下：

此外还有：

详情可见：https://www.cnblogs.com/wkslearner/p/5697471.html