R绘图--峰峦图/山脊图/ggridges包

山脊图是部分重叠的线图，可产生山脉的印象。它们对于可视化分布随时间或空间的变化非常有用。

绘图

加载包和数据

# install.packages("ggridges")
# 加载包
library(ggplot2)
library(ggridges)
library(viridis)
library(tidyverse)

# 准备输入数据
data(lincoln_weather)
pdata <- lincoln_weather[,c(1,3,24)]
colnames(pdata)

数据介绍

第二列是X年X月X天的平均气温值，第三列是月份。目标是展现每个月份的气温分布密度曲线。

示例数据

情景一

x为连续型变量，y为分类变量，按照y分类进行颜色填充。

当你拥有一个连续型变量，一个分类变量，并且要按分类变量填充颜色时，适用此种情形。

# 情景一：x为连续型变量，y为分类变量---------------------------------------------------
# 按照y分类进行颜色填充
ggplot(pdata, aes(x = `Mean Temperature [F]`, y = Month,fill=Month)) + 
  geom_density_ridges(color='white', #设置概率密度线的填充颜色
                      rel_min_height = 0.005, # 剪掉拖尾的尾巴，相对于任何密度曲线的最高点的百分比截止值
                      scale = 2)+ #设置山脊高度
  scale_fill_viridis(option="viridis", discrete=TRUE)+ #设置颜色
  theme_minimal()+ #设置主题
  theme(legend.position = 'None')+ #取消图例
  labs(title = 'Temperatures in Lincoln NE in 2016') #设置标题
ggsave('plot1.pdf',width = 5,height = 4)

plot1-01

情景二

x为连续型变量，y为分类变量，按照x值进行颜色填充。

当你拥有一个连续型变量，一个分类变量，并且要按连续型变量填充颜色时，适用此种情形。

# 情景二：x为连续型变量，y为分类变量----------------------------------------------------
# 按照x值进行颜色填充
ggplot(pdata, 
       aes(x = `Mean Temperature [F]`, y = Month, fill = stat(x))) +
  geom_density_ridges_gradient(rel_min_height = 0.01, # 剪掉拖尾的尾巴，相对于任何密度曲线的最高点的百分比截止值
                               scale = 3) + #设置山脊高度
    scale_fill_viridis_c(name = "Temp. [F]", option = "C")+ #设置颜色
  labs(title = 'Temperatures in Lincoln NE in 2016')+ #设置标题
  theme_minimal() #设置主题
ggsave('plot2.pdf',width = 5,height = 4)

plot2

情景三

x为连续型变量，y为分类变量，height为x的密度值（连续型变量），按照y分类进行颜色填充。

当你拥有一个连续型变量，一个分类变量，以及连续型变量的密度值，并且要按分类变量填充颜色时，适用此种情形。

# 情景三：x为连续型变量，y为分类变量，height为x的密度值（连续型变量）---------------------
# 按照y分类进行颜色填充

# 手动计算数值型变量的概率密度值
pdata2 <- pdata %>%
  group_by(Month) %>%
  group_modify(~ ggplot2:::compute_density(.x$`Mean Temperature [F]`, NULL)) %>%
  rename(`Mean Temperature [F]` = x)

# 绘图
ggplot(pdata2, 
       aes(x = `Mean Temperature [F]`, y = Month, height = density,fill=Month)) + 
  geom_density_ridges(stat = "identity")+
  scale_fill_viridis(option="viridis", discrete=TRUE)+
  theme_minimal()+
  theme(legend.position = 'None')
ggsave('plot3.pdf',width = 5,height = 4)

plot3

情景四

概率密度图+原始数据点

# 概率密度图+原始数据点---------------------------------------------
ggplot(pdata, aes(x = `Mean Temperature [F]`, y = Month,fill=Month)) + 
  geom_density_ridges(color='black',
                      rel_min_height = 0.001,
                      scale = 1,
                      jittered_points = TRUE, #显示抖动点
                      alpha=0.7, #设置透明度
                      point_size=0.7)+ #设置点的大小
  scale_fill_viridis(option="viridis", discrete=TRUE)+
  theme_minimal()+
  theme(legend.position = 'None')+
  labs(title = 'Temperatures in Lincoln NE in 2016')
ggsave('plot4.pdf',width = 5,height = 4)

plot4

「总结」以上就是山脊图绘制概率密度曲线时的使用情景分类，总结来说情景1、情景2适用于没有计算概率密度值时使用，场景3适用于已经计算了概率密度值时使用。

山脊图也不仅仅只能应用于绘制概率密度曲线，在场景三中，只要能提供相应类型的数据，就可以绘制山脊图。

示例获取

示例代码及数据获取：

方式①：转发此文至朋友圈，所有人可见，保留1h，集6个赞，文案附“推荐关注”。1h后截图发送后台，并留言“20240117山脊图”。

方式②：关注公众号，文末点击“喜欢作者”，赞赏本文，金额随意。截图发送后台，并留言“20240117山脊图”。