文章目录
- 默认设置散点图
- 拓展散点图 -- 散点的大小
- 拓展散点图 -- 散点的颜色
- 拓展散点图 -- 形状
- 拓展散点图 -- 修改图例
- 引申一下theme函数
- 拓展散点图 -- 修改坐标轴 -- 刻度
- 拓展散点图 -- 修改坐标轴 -- 刻度标签
- 拓展散点图 -- 刻画/小画面
- 分组+刻画
- 常见的刻画函数
- 拓展散点图 -- 添加辅助线
- 添加斜线
- 添加水平/垂直线
- 拓展散点图 -- 添加线性回归线以及置信区间
- 拓展散点图 -- 添加回归曲线的方程式以及决定系数
- 拓展散点图 -- 添加方差分析表
- 拓展散点图 -- 添加相关性系数以及显著性
- 拓展散点图 -- 添加附图 -- 箱线图
- 拓展散点图 -- 多图组合
- 保存效果图
默认设置散点图
rm(list=ls())
library(ggplot2)
attach(mtcars)
ggplot(data = mtcars,aes(x=wt,y=mpg))+
geom_point()+
labs(title = "Test",subtitle = "test",x = "Weight",y = "Miles per gallon" )– ggplot函数主要是指定数据集，参数data传入,ggplot函数没有视觉输出，需要几何函数geom来完成视觉输出– aes（）函数主要是指定数据中的变量承担什么角色，通过x，y传入坐标轴,以及group，fill，color，shape传入分组变量，size传入尺寸等– geom_point（）函数向“画布”上做了散点图，呈现出视觉效果– labs()可添加注释：主标题，子标题，xlab，ylab
拓展散点图 – 散点的大小
我们知道几何函数geom_point()有个size参数可以改变散点的大小，但是是整体改变点的大小。
我想让数据框中的某个变量的大小决定散点的大小。
ggplot(mtcars, aes(x=wt, y=mpg, size=disp)) +
geom_point(shape=21, color="black", fill="cornsilk") +
labs(x="Weight", y="Miles Per Gallon",title="Bubble Chart", size="Engine\nDisplacement")
# 此时在aes函数内部设置size参数，将变量disp的value 传递给size决定每个散点的大小
# 其中的labs中设置的 size仅仅是更改图例的title
# geom_point设置的color以及fill控制了散点的呈现方式；aes设置的color以及fill控制了变量的映射关系，通过变量影响散点的呈现方式。
拓展散点图 – 散点的颜色
上述说集合函数geom_point可以设置shape，size，color控制散点的颜色，这些都是整体上的控制
当我们想要变量映射到散点的属性上时，就需要在aes函数里设置了，但是aes里设置的颜色不好看怎么改变呢？
mtcars$cyl <- factor(mtcars$cyl)
ggplot(mtcars, aes(x=wt, y=mpg, color=cyl)) +
geom_point() +
scale_color_manual(values=c("orange", "olivedrab", "navy"))+
labs(x="Weight", y="Miles Per Gallon",title="Bubble Chart")
# scale_color_manual进行手动设置
#或者 使用 scale_color_brewer() or scale_fill_brewer()函数进行指定比较流行的色彩集进行设置
# scale_color_brewer(palette="Set1") " 还有 Set2" "Set3" "Pastel1" "Pastel2" "Paired" "Dark2"或"Accent"
拓展散点图 – 形状
根据变量来进行形状设置
mtcars$cyl <- factor(mtcars$cyl)
ggplot(data=mtcars, aes(x=hp, y=mpg,shape=cyl, color=cyl)) +
geom_point(size=3) +
labs(title="Automobile Data by Engine Type", x="Horsepower", y="Miles Per Gallon")– 其中使用因子化的变量cyl 控制散点的形状和颜色
拓展散点图 – 修改图例
在aes()函数传递的分组变量，默认会在图片输出的右侧出现图列。我们可以修改图例的位置和title等
ggplot(data = mtcars,aes(x=wt,y=mpg,color=am))+
geom_point()+
labs(title = "Test",x = "Weight",y = "Miles per gallon",color="Type")+
theme(legend.position = c(0.1,0.8))
# 图例的title修改：aes传入的分组变量是神什么，在labs里对应的使用分组变量的名称进行修改
# 图例的位置修改，theme函数是我们对最终图像的呈现的一个整体把握，可以使用legend.position修改图例的位置
# 可以传递：top，bottom，left，right，也可以传递一个二元素向量表示在x，y轴上的相对位置。
引申一下theme函数
如前文所说，theme函数可以让我们对图像的整体呈现进行一个把控。
theme函数可以让我们修改背景，调整字体，颜色，网格线等。
但是theme的参数太多了，想让人放弃！！！
mytheme <- theme(plot.title=element_text(face="bold.italic",size="14", color="brown"),
axis.title=element_text(face="bold.italic",size=10, color="brown"),
axis.text=element_text(face="bold", size=9,color="darkblue"),
panel.background=element_rect(fill="white",color="darkblue"),
panel.grid.major.y=element_line(color="grey",linetype=1),
panel.grid.minor.y=element_line(color="grey",linetype=2),
panel.grid.minor.x=element_blank(),
legend.position="top")
ggplot(data = mtcars,aes(x=wt,y=mpg,color=am))+
geom_point()+
labs(title = "Test",x = "Weight",y = "Miles per gallon",color="Type")+
mytheme
# theme可以保存成自定义函数，然后重复调用
#
拓展散点图 – 修改坐标轴 – 刻度
需要注意的是坐标轴不仅需要区分x，y还需要区分是连续型变量还是离散型因子。
ggplot(data = mtcars,aes(x=wt,y=mpg,color=am))+
geom_point()+
scale_y_continuous(breaks = c(15,30),labels = c("15%","30%"))+
labs(title = "Test",x = "Weight",y = "Miles per gallon",color="Type")
拓展散点图 – 修改坐标轴 – 刻度标签
ggplot(data = mtcars,aes(x=wt,y=mpg,color=am))+
geom_point()+
scale_y_continuous(breaks = c(15,30),labels = c("15%","30%"))+
labs(title = "Test",x = "Weight",y = "Miles per gallon",color="Type")
# 上述代码只能实现刻度标记位置和标签内容，无法实现标签的移动和旋转
ggplot(data = mtcars,aes(x=wt,y=mpg,color=am))+
geom_point()+
labs(title = "Test",x = "Weight",y = "Miles per gallon",color="Type")+
theme(axis.text.x = element_text(angle = -45)
)
拓展散点图 – 刻画/小画面
mtcars$am <- factor(mtcars$am, levels=c(0,1),labels=c("Automatic", "Manual"))
mtcars$vs <- factor(mtcars$vs, levels=c(0,1),labels=c("V-Engine", "Straight Engine"))
ggplot(data=mtcars, aes(x=hp, y=mpg)) +
geom_point(size=3) +
facet_grid(am~vs) +
labs(title="Automobile Data by Engine Type", x="Horsepower", y="Miles Per Gallon")– facet_grid函数将“画布”根据因子am~vs的组合分成多个小画面
– facet_wrap()函数facet_grid()函数可以创建网格图形，也就是刻面图形
分组+刻画
mtcars$am <- factor(mtcars$am, levels=c(0,1),labels=c("Automatic", "Manual"))
mtcars$vs <- factor(mtcars$vs, levels=c(0,1),labels=c("V-Engine", "Straight Engine"))
mtcars$cyl <- factor(mtcars$cyl)
ggplot(data=mtcars, aes(x=hp, y=mpg,shape=cyl,color=cyl)) +
geom_point(size=3) +
facet_grid(am~vs) +
labs(title="Automobile Data by Engine Type",x="Horsepower", y="Miles Per Gallon")常见的刻画函数
其中 var ,rowvar,colvar都是因子型变量
拓展散点图 – 添加辅助线
添加斜线
ggplot(data = mtcars,aes(x=wt,y=mpg,color=am))+
geom_point()+
geom_abline(slope = 1,intercept = 10,linetype = "dashed")+
labs(title = "Test",x = "Weight",y = "Miles per gallon",color="Type")+
theme(axis.text.x = element_text(angle = -45))
添加水平/垂直线
ggplot(data = mtcars,aes(x=wt,y=mpg,color=am))+
geom_point()+
geom_hline(yintercept = 20,colour="red",linetype="dashed")+
geom_vline(xintercept = 3,colour="red",linetype="dashed")+
labs(title = "Test",x = "Weight",y = "Miles per gallon",color="Type")+
theme(axis.text.x = element_text(angle = -45))
拓展散点图 – 添加线性回归线以及置信区间
ggplot(data=mtcars, aes(x=wt, y=mpg)) +
geom_point(pch=17, color="blue", size=2) +
geom_smooth(method="lm",formula = y~x ,color="red", linetype=2) +
labs(title="Automobile Data", x="Weight", y="Miles Per Gallon")– geom_point的可选参数很多，其中pch 设置点的形状，color设置颜色，size设置大小 – geom_smooth也有很多可选参数
geom_smoth函数依赖于stat_smooth函数来计算画出一个拟合曲线和置信区间
很多时候关于几何函数geom_smooth的帮助信息很少但是关于统计函数stat_smooth的帮助信息肯定会很多。
使用相应的几何函数时，如何工作的以及参数有哪些，一定要检查这个函数及其相关的统计函数
拓展散点图 – 添加回归曲线的方程式以及决定系数
# install.packages("ggpmisc")# install.packages("ggpmisc")
library(ggpmisc)
ggplot(data = mtcars,aes(x=wt,y=mpg,color=am))+
geom_point()+
geom_smooth(method="lm",formula = y~x ,color="red", linetype=2) +
labs(title = "Test",x = "Weight",y = "Miles per gallon",color="Type")+
stat_poly_eq(
aes(label = paste(..eq.label.., ..adj.rr.label.., sep = '~~~~~~')),
formula = y ~ x, parse = TRUE,size = 4,label.x = 0.1,label.y = 0.8)
拓展散点图 – 添加方差分析表
ggplot(data = mtcars,aes(x=wt,y=mpg,color=am))+
geom_point()+
geom_smooth(method="lm",formula = y~x ,color="red", linetype=2) +
labs(title = "Test",x = "Weight",y = "Miles per gallon",color="Type")+
stat_fit_tb(method = "lm",
method.args = list(formula = y ~ x),
tb.type = "fit.anova",
tb.vars = c(Effect = "term",
"自由度" = "df",
"均方" = "meansq",
"italic(F值)" = "statistic",
"italic(P值)" = "p.value"),
label.y = 0.9, label.x = 1,#调整相对位置的
size = 4.5,
parse = TRUE
)
拓展散点图 – 添加相关性系数以及显著性
ggplot(data = mtcars,aes(x=wt,y=mpg,color=am))+
geom_point()+
geom_smooth(method="lm",formula = y~x ,color="red", linetype=2) +
labs(title = "Test",x = "Weight",y = "Miles per gallon",color="Type")+
ggpubr::stat_cor(method = "pearson",aes(x= wt,y=mpg))
拓展散点图 – 添加附图 – 箱线图
借助ggExtra包实现
p1 <- ggplot(mtcars, aes(x=wt, y=mpg)) +
geom_point() +
scale_color_manual(values=c("orange", "olivedrab", "navy"))+
labs(x="Weight", y="Miles Per Gallon",title="Bubble Chart")
ggExtra::ggMarginal(p = p1,type = "density",xparams = list(fill = "orange"),yparams = list(fill = "blue"))
ggExtra::ggMarginal(p = p1,type = "boxplot")拓展散点图 – 多图组合
借助最简单的gridExtra包实现
p1 <- ggplot(mtcars, aes(x=wt, y=mpg, color=cyl)) +
geom_point() +
scale_color_manual(values=c("orange", "olivedrab", "navy"))+
labs(x="Weight", y="Miles Per Gallon",title="Bubble Chart")
p2 <- ggplot(data = mtcars,aes(x=wt,y=mpg,color=am))+
geom_point()+
geom_smooth(method="lm",formula = y~x ,color="red", linetype=2) +
labs(title = "Test",x = "Weight",y = "Miles per gallon",color="Type")
gridExtra::grid.arrange(p1,p2,ncol=2)
保存效果图
pdf("output.pdf", width = 6, height = 6)
ggplot(mpg, aes(displ, cty)) + geom_point()
dev.off()# ggsave 不指定file 参数则默认保存最近的一个视图效果
ggplot(mpg, aes(displ, cty)) + geom_point()
ggsave("output.pdf")
# 手动指定要报存哪个结果
p1 <- ggplot(mpg, aes(displ, cty)) + geom_point()
ggsave(plot = p1,filename = "output.pdf",width = ,height = ) # 文件后缀指定保存类型
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
