R语言相关分析及分布分析矩阵GGally包应用分享-CSDN博客

本文链接：https://blog.csdn.net/weixin_71158509/article/details/135824818

代码案例功能解读

这部分代码使用了GGally包中的ggpairs函数来进行数据可视化和探索性分析。下面对代码进行模块说明，并解释生成的图表。

加载所需的包和函数：

RCopy Code

library(GGally) p_ <- GGally::print_if_interactive

首先加载了GGally包，并定义了一个print_if_interactive函数的别名。

示例数据集和基本图表：

RCopy Code

data(flea) ggpairs(flea, columns = 2:4) pm <- ggpairs(flea, columns = 2:4, ggplot2::aes(colour=species)) p_(pm)

加载示例数据集flea，并使用ggpairs函数绘制数据集中列2到4的散点图矩阵。
然后，使用ggpairs函数创建一个带有颜色映射的散点图矩阵，其中颜色按照物种(species)进行编码。
最后，通过调用p_函数来显示绘制的图表。

不同类型的图表：

RCopy Code

data(tips, package = "reshape") pm <- ggpairs(tips[, 1:3]) p_(pm) pm <- ggpairs(tips, 1:3, columnLabels = c("Total Bill", "Tip", "Sex")) p_(pm) pm <- ggpairs(tips, upper = "blank") p_(pm)

加载示例数据集tips，并使用ggpairs函数分别绘制前3列的散点图矩阵。
接着，使用ggpairs函数绘制包含自定义列标签的散点图矩阵。
最后，使用ggpairs函数绘制一个只有下三角区域的空白散点图矩阵。

绘图类型：

RCopy Code

pm <- ggpairs( tips[, c(1, 3, 4, 2)], upper = list(continuous = "density", combo = "box_no_facet"), lower = list(continuous = "points", combo = "dot_no_facet") ) p_(pm)

使用ggpairs函数绘制一个具有不同绘图类型的散点图矩阵。上三角区域使用密度图和箱线图组合的方式绘制，下三角区域使用散点图和点图组合的方式绘制。

使用自定义函数：

RCopy Code

pm <- ggpairs( tips[, c(1, 3, 4, 2)], upper = list(continuous = ggally_density, combo = ggally_box_no_facet), lower = list(continuous = ggally_points, combo = ggally_dot_no_facet) ) p_(pm)

使用自定义的函数替代默认的绘图函数来绘制散点图矩阵。上三角区域使用自定义的密度图和箱线图函数，下三角区域使用自定义的散点图和点图函数。

自定义图表样式和标签：

RCopy Code

data(diamonds, package="ggplot2") diamonds.samp <- diamonds[sample(1:dim(diamonds)[1], 1000), ] pm <- ggpairs( diamonds.samp[, 1:5], mapping = ggplot2::aes(color = cut), upper = list(continuous = wrap("density", alpha = 0.5), combo = "box_no_facet"), lower = list(continuous = wrap("points", alpha = 0.3), combo = wrap("dot_no_facet", alpha = 0.4)), title = "Diamonds" ) p_(pm)

加载ggplot2包中的diamonds数据集，并从中抽取1000个样本。
使用ggpairs函数绘制这些样本的散点图矩阵。上三角区域使用自定义的密度图和箱线图函数，并设置透明度(alpha)值。下三角区域使用自定义的散点图和点图函数，并设置透明度值。标题设置为"Diamonds"。

自定义图表布局和主题：

RCopy Code

pm <- ggpairs( tips[, c(1, 3, 4, 2)], upper = list(continuous = "density", combo = "box_no_facet"), lower = list(continuous = "points", combo = "dot_no_facet"), diag = list(continuous = "barDiag"), layout = "circle", theme = ggplot2::theme_bw() ) p_(pm)

使用ggpairs函数绘制一个散点图矩阵，指定了上三角区域绘制密度图和箱线图，下三角区域绘制散点图和点图，对角线绘制条形图。
使用圆形布局(layout = "circle")和黑白主题(theme_bw())来自定义图表的布局和样式。

使用面板数据和自定义标签：

RCopy Code

data(economics, package = "ggplot2") econ <- reshape2::melt(economics[, c("date", "unemploy", "pop")], id.vars = "date") econ <- econ[econ$date >= as.Date("2010-01-01"), ] pm <- ggpairs(econ, upper = "blank", lower = "blank", title = "Economics Data") p_(pm)

加载ggplot2包中的economics数据集，并进行数据重塑和筛选。
使用ggpairs函数绘制面板数据的散点图矩阵，设置上三角区域和下三角区域为空白，标题为"Economics Data"。

以上就是使用GGally包中的ggpairs函数进行数据可视化和探索性分析的示例代码及说明。通过调整参数和自定义函数，可以灵活地绘制各种类型的散点图矩阵，并进行个性化的样式设置。

所有代码的分享及案例图

library(GGally)

p_ <- GGally::print_if_interactive


## Quick example, with and without colour
data(flea)
ggpairs(flea, columns = 2:4)
pm <- ggpairs(flea, columns = 2:4, ggplot2::aes(colour=species))
p_(pm)
# Note: colour should be categorical, else you will need to reset
# the upper triangle to use points instead of trying to compute corr

data(tips, package = "reshape")
pm <- ggpairs(tips[, 1:3])
p_(pm)
pm <- ggpairs(tips, 1:3, columnLabels = c("Total Bill", "Tip", "Sex"))
p_(pm)
pm <- ggpairs(tips, upper = "blank")
p_(pm)

## Plot Types
# Change default plot behavior
pm <- ggpairs(
  tips[, c(1, 3, 4, 2)],
  upper = list(continuous = "density", combo = "box_no_facet"),
  lower = list(continuous = "points", combo = "dot_no_facet")
)
p_(pm)
# Supply Raw Functions (may be user defined functions!)
pm <- ggpairs(
  tips[, c(1, 3, 4, 2)],
  upper = list(continuous = ggally_density, combo = ggally_box_no_facet),
  lower = list(continuous = ggally_points, combo = ggally_dot_no_facet)
)
p_(pm)

# Use sample of the diamonds data
data(diamonds, package="ggplot2")
diamonds.samp <- diamonds[sample(1:dim(diamonds)[1], 1000), ]

# Different aesthetics for different plot sections and plot types
pm <- ggpairs(
 diamonds.samp[, 1:5],
 mapping = ggplot2::aes(color = cut),
 upper = list(continuous = wrap("density", alpha = 0.5), combo = "box_no_facet"),
 lower = list(continuous = wrap("points", alpha = 0.3), combo = wrap("dot_no_facet", alpha = 0.4)),
 title = "Diamonds"
)
p_(pm)

## Axis Label Variations
# Only Variable Labels on the diagonal (no axis labels)
pm <- ggpairs(tips[, 1:3], axisLabels="internal")
p_(pm)
# Only Variable Labels on the outside (no axis labels)
pm <- ggpairs(tips[, 1:3], axisLabels="none")
p_(pm)

## Facet Label Variations
#  Default:
df_x <- rnorm(100)
df_y <- df_x + rnorm(100, 0, 0.1)
df <- data.frame(x = df_x, y = df_y, c = sqrt(df_x^2 + df_y^2))
pm <- ggpairs(
  df,
  columnLabels = c("alpha[foo]", "alpha[bar]", "sqrt(alpha[foo]^2 + alpha[bar]^2)")
)
p_(pm)
#  Parsed labels:
pm <- ggpairs(
  df,
  columnLabels = c("alpha[foo]", "alpha[bar]", "sqrt(alpha[foo]^2 + alpha[bar]^2)"),
  labeller = "label_parsed"
)
p_(pm)

## Plot Insertion Example
custom_car <- ggpairs(mtcars[, c("mpg", "wt", "cyl")], upper = "blank", title = "Custom Example")
# ggplot example taken from example(geom_text)
  plot <- ggplot2::ggplot(mtcars, ggplot2::aes(x=wt, y=mpg, label=rownames(mtcars)))
  plot <- plot +
    ggplot2::geom_text(ggplot2::aes(colour=factor(cyl)), size = 3) +
    ggplot2::scale_colour_discrete(l=40)
custom_car[1, 2] <- plot
personal_plot <- ggally_text(
  "ggpairs allows you\nto put in your\nown plot.\nLike that one.\n <---"
)
custom_car[1, 3] <- personal_plot
p_(custom_car)

## Remove binwidth warning from ggplot2
# displays warning about picking a better binwidth
pm <- ggpairs(tips, 2:3)
p_(pm)
# no warning displayed
pm <- ggpairs(tips, 2:3, lower = list(combo = wrap("facethist", binwidth = 0.5)))
p_(pm)
# no warning displayed with user supplied function
pm <- ggpairs(tips, 2:3, lower = list(combo = wrap(ggally_facethist, binwidth = 0.5)))
p_(pm)

## Remove panel grid lines from correlation plots
pm <- ggpairs(
  flea, columns = 2:4,
  upper = list(continuous = wrap(ggally_cor, displayGrid = FALSE))
)
p_(pm)

## Custom with/height of subplots
pm <- ggpairs(tips, columns = c(2, 3, 5))
p_(pm)

pm <- ggpairs(tips, columns = c(2, 3, 5), proportions = "auto")
p_(pm)

pm <- ggpairs(tips, columns = c(2, 3, 5), proportions = c(1, 3, 2))
p_(pm)