R語言—ggplot2簡單學習

1 初識ggplot2

1.1 功能

• 一個作圖包

• 可以創建圖表，如散點圖、柱狀圖、線圖，將數據可視化

1.2 要素

• 數據（data）和映射（mapping）
• 幾何對象（Geometric）
• 標尺（scale）
• 統計變換（Statistics）
• 坐標系統（Coordinante）
• 圖層（layer）
• 分面（Facet）
• 主題（Theme）

1.3 理念

• ggplot2將數據，數據到圖形要素的映射，以及和數據無關的圖形要素繪制分離
• ggplot(data,aes(x,y))+（初始化圖形並指定數據源和作圖變量）

​ geom_type()+ (指定圖形的類型)

​ annotate()+ (添加文本注釋)

​ labs()+ (修改住坐標和坐標軸標題)

​ ~~~

1.4 邏輯

• 按照圖層進行疊加，通過“+”進行疊加

1.5 一些作圖中用的函數

函數	添加	選項
geom_bar()	條形圖	color、fill、alpha
geom_boxplot()	箱型圖	color、fill、alpha、notch、width
geom_density()	密度圖	color、fill、alpha、linetype
geom_histogram()	直方圖	color、fill、alpha、linetype、binwidth
geom_hline()	水平線	color、alpha、linetype、size
geom_jitter()	抖動點	color、size、alpha、shape
geom_line()	線圖	colorvalpha、linetype、size
geom_point()	散點圖	color、alpha、shape、size
geom_rug()	地毯圖	color、side
geom_smooth()	擬合曲線	method、formula、color、fill、linetype、size
geom_text()	文字注解	很多
geom_violin()	小提琴圖	color、fill、alpha、linetype
geom_vline()	垂線	color、alpha、linetype、size

2 作圖

2.1 散點圖

library(ggplot2)

ggplot(mtcars,aes(mpg,wt))+geom_point

2.2 線性圖

ggplot(data,aes(mpg,x,y))+geom_line()

2.3 柱狀圖

• 查看頻率的分布情況

​ ggplot(data,aes(x))+geom_bar()

ggplot(mtcars,aes(cyl))+geom_bar()
ggplot(mtcars,aes(factor(cyl)))+geom_bar()

• 堆積柱形圖

ggplot(mtcars,aes(factor(cyl),fill=factor(am)))+geom_bar()

• 簇狀柱形圖

ggplot(mtcars,aes(factor(cyl),fill=factor(am)))+geom_bar(position="dodge")

2.4 直方圖

查看變量的分布情況

ggplot(data,aes(x))+geom_hisogram()

ggplot(mtcars,aes(mpg))+geom_histogram()

2.5 密度圖

• 查看變量頻率分布的情況

​ ggplot(data,aes(x))+geom_density()

​ ~~~

​ # 根據vs進行分組

​ #color: 是對圖形的邊緣、點和線進行描繪

​ #fill 是進行填充

ggplot(mtcars,aes(mpg,color=factor(vs)))+geom_density()

ggplot(mtcars,aes(mpg,fill=factor(vs)))+geom_density()

2.6 箱型圖

• 查看變量的統計值分布

  ggplot(data,aes(分類變量x,y))+geom_boxplot()

  ggplot(mtcars,aes(factor(vs),mpg))+geom_boxplot()
  

  

3 分組組圖

3.1

ggplot(mtcars,aes(wt,mpg,color=qsec))+geom_point()

• 進行分組

ggplot(mtcars,aes(wt,mpg,color=factor(vs)))+geom_point()

3.2 aes參數

統一圖層的顏色，參數在aes外面

4 分面作圖

下面是兩個經常要用到的分面函數。

​ facet_wrap(facets, nrow = NULL, ncol = NULL, scales = "fixed", shrink = TRUE, as.table = TRUE, drop = TRUE)

​ facet_grid(facets, margins = FALSE, scales = "fixed", space = "fixed", shrink = TRUE, labeller = "label_value", as.table = TRUE, drop = TRUE)

其中facet_wrap和facet_grid不同在於facet_wrap是基於一個因子進行設置，facets表示形式為：_變量（單元格） 而facet_grid是基於兩個因子進行設置，facets表示形式為：變量_變量（行列），如果把一個因子用點表示，也可以達到facet_wrap的效果，也可以用加號設置成兩個以上變量

4.1 軸刻度一致

• 單變量作圖

  ggplot(mtcars,aes(wt,mpg))+geom_point()+facet_grid(vs~.)
  

  

  gplot(mtcars,aes(wt,mpg))+geom_point()+facet_grid(.~vs)
  

  

4.2 刻度不一致

不同縱軸刻度

不同橫軸刻度

ggplot(mtcars,aes(wt,mpg))+geom_point()+facet_grid(~vs,scales="free")

​ # 這里把scales 設置成free之后，可以看出每個分面都有自己的橫坐標刻度，可以單獨對x軸或y軸設置

• nrow,ncol 分面索要設置成的行和列，參數為數值，表示幾行或者幾列
• scales 參數fixed表示固定坐標軸刻度，free表示反饋坐標軸刻度，也可以單獨設置成free_x或free_y
• shrink 也和坐標軸刻度有關，如果為TRUE（默認值）則按統計后的數據調整刻度范圍，否則按統計前的數據設定坐標。
• drop 表示是否去掉沒有數據的分組，默認情況下不顯示，邏輯值為FALSE
• as.table 和小圖排列順序有關的選項。如果為TRUE（默認）則按表格方式排列，即最大值（指分組level值）排在表格最后即右下角，否則排在左上角。
• margins 通過TRUE或者FALSE表示否設置而一個總和的分面變量，默認情況為FALSE，即不設置
• space 表示分面空間是否可以按照數據進行縮放，參數和scales一樣

5 調整圖像的元素

5.1 形狀

• 形狀：geom_XXX(shape=x),x=1,2,3...,不同數值是不同的形狀
• 大小：size=x,x=1,2,3...,數值越大，尺寸越大

5.2 顏色

• color：是對圖形的邊緣、點和線進行描繪
• fill：填充圖形內部的顏色
• 指定填充一種顏色：直接在aes外部填寫，color="某種顏色"

5.3 文本注釋

annotate（"text",x=,y=,label="")

​ text :表示添加類型為文本

​ x=,y=表示在指定位置上放上文本

​ label :表示填寫的文本內容

5.4 標題

labs(little="",x="",y="")

5.5 加線條

• 加豎線：geom_vline(xintercept=)

• 加橫線：geom_hline(yintercept=)

5.6 xy軸互換

​ coord_flip()

5.7 調整軸刻度的范圍

• x軸：xlim(下限,上限）

• y軸：ylim(下限,上限）

5.8 修改軸上的值

• X:scale_x_continuous(breaks(),labels=c()

• Y:scale_y_continuous(breaks(),labels=c()

舉例

ggplot(mtcars,aes(wt,mpg,color=factor(vs)))+
geom_point()+
annotate("text",x=4,y=20,label="yes")+
labs(title="hello",x="xxx",y="yyy")+
geom_vline(xintercept=3)+
geom_hline(yintercept=20)+
xlim(3,4)+ylim(15,25)

ggplot(mtcars,aes(wt,mpg,color=factor(vs)))+
geom_point()+
annotate("text",x=4,y=20,label="yes")+
labs(title="hello",x="xxx",y="yyy")+
geom_vline(xintercept=3)+
geom_hline(yintercept=20)+
xlim(3,4)+
ylim(15,25)+
scale_x_continuous(breaks = c(3.00,3.25,3.50,3.75,4.00),labels=c("a","b","c","d","e"))