DatistEQ之ggplot2兩個變量繪圖

1、兩個變量：x,y皆連續(xù)

使用數(shù)據(jù)集mtcars

mtcars數(shù)據(jù)集包含從1974年《美國汽車趨勢》雜志中提取的數(shù)據(jù)，該數(shù)據(jù)描述了32輛汽車(1973–74年型號)的油耗以及汽車設計和性能的10個其他屬性。

mtcars數(shù)據(jù)集
#先創(chuàng)建一個ggplot圖層
library(ggplot2)

b <- ggplot(data = mtcars, aes(x=wt, y=mpg))

#DatistEQ回收數(shù)據(jù)，后續(xù)代碼省略此行
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

可能添加的圖層有：

  • geom_point():散點圖
  • geom_smooth():平滑線
  • geom_quantile():分位線
  • geom_rug():邊際地毯線
  • geom_jitter():避免重疊
  • geom_text():添加文本注釋
x,y皆連續(xù)

1.1 散點圖

b+geom_point()
散點圖

將變量cyl映射給點的顏色和形狀

b + geom_point(aes(color = factor(cyl), shape = factor(cyl)))
散點圖

自定義顏色

b+geom_point(aes(color=factor(cyl), shape=factor(cyl)))+
  scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9"))+theme_classic()
自定義顏色的散點圖

1.2 平滑線

可以添加回歸曲線

b+geom_smooth()
平滑線

散點圖+回歸線

b+geom_point()+
  geom_smooth(method = "lm", se=FALSE)#去掉置信區(qū)間
散點圖+回歸線

使用loess方法

b+geom_point()+
  geom_smooth(method = "loess")
loess方法

將變量映射給顏色和形狀

b+geom_point(aes(color=factor(cyl), shape=factor(cyl)))+
  geom_smooth(aes(color=factor(cyl), shape=factor(cyl)), method = "lm", se=FALSE, fullrange=TRUE)
image.png

1.3 分位線

# Package `quantreg` required for `stat_quantile`.
if (!require("quantreg")) install.packages("quantreg")
ggplot(data = mpg, aes(cty, hwy))+
  geom_point()+geom_quantile()+
  theme_minimal()
image.png

1.4 邊際地毯線

使用數(shù)據(jù)集faithful

ggplot(data = faithful, aes(x=eruptions, y=waiting))+
  geom_point()+geom_rug()
image.png

避免重疊
實際上geom_jitter()是geom_point(position="jitter")的簡稱,下面使用數(shù)據(jù)集mpg

p <- ggplot(data = mpg, aes(displ, hwy))
p+geom_point()
image.png

1.5 增加抖動防止重疊

p+geom_jitter(width = 0.5, height = 0.5)
image.png

其中兩個參數(shù)：
width：x軸方向的抖動幅度
height：y軸方向的抖動幅度

1.6 文本注釋

參數(shù)label用來指定注釋標簽 (ggrepel可以避免標簽重疊)

b+geom_text(aes(label=rownames(mtcars)))
image.png

完整代碼如下：

header1("兩個變量：x,y皆連續(xù)")
header2("散點圖")
library(ggplot2)
b <- ggplot(data = mtcars, aes(x=wt, y=mpg))
b+geom_point()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#將變量cyl映射給點的顏色和形狀
b + geom_point(aes(color = factor(cyl), shape = factor(cyl)))
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#自定義顏色
b+geom_point(aes(color=factor(cyl), shape=factor(cyl)))+
  scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9"))+theme_classic()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")
  
header2("平滑線")
b+geom_smooth()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#散點圖+回歸線
b+geom_point()+
  geom_smooth(method = "lm", se=FALSE)#去掉置信區(qū)間
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#使用loess方法
b+geom_point()+
  geom_smooth(method = "loess")
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")  
  
#將變量映射給顏色和形狀
b+geom_point(aes(color=factor(cyl), shape=factor(cyl)))+
  geom_smooth(aes(color=factor(cyl), shape=factor(cyl)), method = "lm", se=FALSE, fullrange=TRUE)
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")  

#分位線
# Package `quantreg` required for `stat_quantile`.
if (!require("quantreg")) install.packages("quantreg")
ggplot(data = mpg, aes(cty, hwy))+ geom_point() + geom_quantile() + theme_minimal()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")  

ggplot(mtcars, aes(hp, disp))  + 
  geom_point() + 
  geom_quantile(quantiles = 0.5, aes(group = factor(gear), colour = factor(gear)),
                xseq = min(mtcars$hp):max(mtcars$hp))
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")  

#邊際地毯線
#使用數(shù)據(jù)集faithful
ggplot(data = faithful, aes(x=eruptions, y=waiting))+
  geom_point()+geom_rug()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")  

#避免重疊
#實際上geom_jitter()是geom_point(position="jitter")的簡稱,下面使用數(shù)據(jù)集mpg
p <- ggplot(data = mpg, aes(displ, hwy))
p+geom_point()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")  

#增加抖動防止重疊
p+geom_jitter(width = 0.5, height = 0.5)
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")  

#文本注釋
#參數(shù)label用來指定注釋標簽 (ggrepel可以避免標簽重疊)
b <- ggplot(data = mtcars, aes(x=wt, y=mpg))
b+geom_text(aes(label=rownames(mtcars)))
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

2、兩個變量：連續(xù)二元分布

使用數(shù)據(jù)集diamonds，該數(shù)據(jù)集收集了約54000顆鉆石的價格和質量的信息。每條記錄由十個變量構成，其中有三個是名義變量，分別描述鉆石的切工，顏色和凈度；
注：數(shù)據(jù)集diamonds，源于ggplot2包（因為鉆石的價格定價取決于重量，顏色，刀工等影響，價格該如何制定合理，為公司搶占市場制定價格提供依據(jù)。）

image.png

carat:克拉重量
cut:切工
color:顏色
clarity:凈度
depth:深度
table:鉆石寬度
以及X，Y，Z

image.png

創(chuàng)建ggplot圖層,后面再逐步添加圖層

c <- ggplot(data=diamonds, aes(carat, price))

可添加的圖層有：

geom_bin2d(): 二維封箱熱圖
geom_hex(): 六邊形封箱圖
geom_density_2d(): 二維等高線密度圖

image.png

2.1 二維封箱熱圖

geom_bin2d()將點的數(shù)量用矩形封裝起來，通過顏色深淺來反映點密度

c+geom_bin2d()
二維封箱熱圖

設置bin的數(shù)量

c+geom_bin2d(bins=150)
二維封箱熱圖

2.2 六邊形封箱圖

geom_hex()依賴于另一個R包hexbin，所以沒安裝的先安裝：

if (!require("hexbin")) install.packages("hexbin")
library(hexbin)
c+geom_hex()
六邊形封箱圖

修改bin的數(shù)目

c+geom_hex(bins=10)
六邊形封箱圖

2.3 二維等高線密度圖

sp <- ggplot(faithful, aes(x=eruptions, y=waiting))
sp+geom_point()+ geom_density_2d()
等高線密度圖

完整代碼如下：

library(ggplot2)

#diamonds有54000顆鉆石的數(shù)據(jù)，太大只顯示頭部的幾行記錄
output(head(diamonds))

#二維封箱熱圖
header1("二維封箱熱圖")
c <- ggplot(data=diamonds, aes(carat, price))
c+geom_bin2d()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#設置bin的數(shù)量
c+geom_bin2d(bins=150)
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#六邊形封箱圖
header1("六邊形封箱圖")
if (!require("hexbin")) install.packages("hexbin")
library(hexbin)
c+geom_hex()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#修改bin的數(shù)目
c+geom_hex(bins=10)
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

header1("二維等高線密度圖")
sp <- ggplot(faithful, aes(x=eruptions, y=waiting))
sp+geom_point()+ geom_density_2d()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

3、兩個變量：連續(xù)函數(shù)

主要是如何通過線來連接兩個變量，使用數(shù)據(jù)集economics。

head(economics)
economics數(shù)據(jù)集

先創(chuàng)建一個ggplot圖層，后面逐步添加圖層

d <- ggplot(data = economics, aes(x=date, y=unemploy))

可添加的圖層有：

geom_area():面積圖
geom_line()：折線圖
geom_step(): 階梯圖

3.1 面積圖

d+geom_area()
面積圖

3.2 線圖

d+geom_line()
線圖

3.3 階梯圖

set.seed(1111)
ss <- economics[sample(1:nrow(economics), 20),]
ggplot(ss, aes(x=date, y=unemploy))+geom_step()
階梯圖

完整代碼如下：

library(ggplot2)

output(head(economics))

#面積圖
header1("面積圖")
d <- ggplot(data = economics, aes(x=date, y=unemploy))
d+geom_area()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")
 
header1("線圖")
d+geom_line()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

header1("階梯圖")
set.seed(1111)
ss <- economics[sample(1:nrow(economics), 20),]
ggplot(ss, aes(x=date, y=unemploy))+ geom_step()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

4、 兩個變量：x離散，y連續(xù)

使用數(shù)據(jù)集ToothGrowth,其中的變量len(Tooth length)是連續(xù)變量，dose是離散變量。

ToothGrowth$dose <- as.factor(ToothGrowth$dose)
head(ToothGrowth)

創(chuàng)建圖層

e <- ggplot(data = ToothGrowth, aes(x=dose, y=len))

可添加的圖層有：
geom_boxplot(): 箱線圖
geom_violin()：小提琴圖
geom_dotplot()：點圖
geom_jitter(): 帶狀圖
geom_line(): 線圖
geom_bar(): 條形圖

image.png

4.1 箱線圖

e+geom_boxplot()
image.png

添加有缺口的箱線圖

e+geom_boxplot(notch = TRUE)
image.png

將dose映射給填充顏色

e+geom_boxplot(aes(fill=dose))
image.png

按supp進行分類并映射給填充顏色

ggplot(ToothGrowth, aes(x=dose, y=len))+ geom_boxplot(aes(fill=supp))
image.png

4.2 小提琴圖

e+geom_violin(trim = FALSE)
image.png

添加中值點

e+geom_violin(trim = FALSE)+
  stat_summary(fun.data = mean_sdl, fun.args = list(mult=1), 
               geom="pointrange", color="red")
image.png

與箱線圖結合

e+geom_violin(trim = FALSE)+
  geom_boxplot(width=0.2)
image.png

將dose映射給顏色進行分組

e+geom_violin(aes(color=dose), trim = FALSE)
image.png

4.3 點圖

e+geom_dotplot(binaxis = "y", stackdir = "center")
image.png

添加中值點

e + geom_dotplot(binaxis = "y", stackdir = "center") + 
  stat_summary(fun.data=mean_sdl, color = "red",geom = "pointrange",fun.args=list(mult=1))
image.png

與箱線圖結合

e + geom_boxplot() + 
  geom_dotplot(binaxis = "y", stackdir = "center")
image.png

添加小提琴圖

e + geom_violin(trim = FALSE) +
  geom_dotplot(binaxis='y', stackdir='center')
image.png

將dose映射給顏色以及填充色

e + geom_dotplot(aes(color = dose, fill = dose), 
                 binaxis = "y", stackdir = "center")
image.png

4.5 帶狀圖

帶狀圖是一種一維散點圖，當樣本量很小時，與箱線圖相當

e + geom_jitter(position=position_jitter(0.2))
image.png

添加中值點

e + geom_jitter(position=position_jitter(0.2)) + 
  stat_summary(fun.data="mean_sdl",  fun.args = list(mult=1), 
               geom="pointrange", color = "red")
image.png

與點圖結合

e + geom_jitter(position=position_jitter(0.2)) + 
  geom_dotplot(binaxis = "y", stackdir = "center")
image.png

與小提琴圖結合

e + geom_violin(trim = FALSE) +
  geom_jitter(position=position_jitter(0.2))
image.png

將dose映射給顏色和形狀

e +  geom_jitter(aes(color = dose, shape = dose),
                 position=position_jitter(0.2))
image.png

4.6 線圖

#構造數(shù)據(jù)集
df <- data.frame(supp=rep(c("VC", "OJ"), each=3),
                dose=rep(c("D0.5", "D1", "D2"),2),
                len=c(6.8, 15, 33, 4.2, 10, 29.5))
head(df)
image.png

將supp映射線型

ggplot(df, aes(x=dose, y=len, group=supp)) +
  geom_line(aes(linetype=supp))+
  geom_point()
image.png

修改線型、點的形狀以及顏色

ggplot(df, aes(x=dose, y=len, group=supp)) +
  geom_line(aes(linetype=supp, color = supp))+
  geom_point(aes(shape=supp, color = supp))
image.png

4.7 條形圖

#構造數(shù)據(jù)集
df <- data.frame(dose=c("D0.5", "D1", "D2"),
                len=c(4.2, 10, 29.5))
head(df)
##   dose  len
## 1 D0.5  4.2
## 2   D1 10.0
## 3   D2 29.5

df2 <- data.frame(supp=rep(c("VC", "OJ"), each=3),
                dose=rep(c("D0.5", "D1", "D2"),2),
                len=c(6.8, 15, 33, 4.2, 10, 29.5))

head(df2)
##   supp dose  len
## 1   VC D0.5  6.8
## 2   VC   D1 15.0
## 3   VC   D2 33.0
## 4   OJ D0.5  4.2
## 5   OJ   D1 10.0
## 6   OJ   D2 29.5

創(chuàng)建圖層

f <- ggplot(df, aes(x = dose, y = len))
f + geom_bar(stat = "identity")
image.png

修改填充色以及添加標簽

f + geom_bar(stat="identity", fill="steelblue")+
  geom_text(aes(label=len), vjust=-0.3, size=3.5)+
  theme_minimal()
image.png

將dose映射給條形圖顏色

f + geom_bar(aes(color = dose),
             stat="identity", fill="white")
image.png

修改填充色

f + geom_bar(aes(fill = dose), stat="identity")
image.png

將變量supp映射給填充色，從而達到分組效果

g <- ggplot(data=df2, aes(x=dose, y=len, fill=supp)) 
g + geom_bar(stat = "identity")#position默認為stack
image.png

修改position為dodge

g + geom_bar(stat="identity", position=position_dodge())
image.png

完整代碼如下：

library(ggplot2)

#output(head(ToothGrowth))
ToothGrowth$dose <- as.factor(ToothGrowth$dose)

output(head(ToothGrowth))

#箱線圖
header1("箱線圖")
e <- ggplot(data = ToothGrowth, aes(x=dose, y=len))
e+geom_boxplot()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#添加有缺口的箱線圖
e+geom_boxplot(notch = TRUE)
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#將dose映射給填充顏色
e+geom_boxplot(aes(fill=dose))
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#按supp進行分類并映射給填充顏色
ggplot(ToothGrowth, aes(x=dose, y=len))+ geom_boxplot(aes(fill=supp))
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#小提琴圖
header1("小提琴圖")
e+geom_violin(trim = FALSE)
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#添加中值點
if (!require("Hmisc")) install.packages("Hmisc")
e+geom_violin(trim = FALSE)+
  stat_summary(fun.data = mean_sdl, fun.args = list(mult=1), 
               geom="pointrange", color="red")
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#與箱線圖結合
e+geom_violin(trim = FALSE)+geom_boxplot(width=0.2)
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")


#將dose映射給顏色進行分組
e+geom_violin(aes(color=dose), trim = FALSE)
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#點圖
header1("點圖")
e+geom_dotplot(binaxis = "y", stackdir = "center")
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#添加中值點
e + geom_dotplot(binaxis = "y", stackdir = "center") + 
  stat_summary(fun.data=mean_sdl, color = "red",geom = "pointrange",fun.args=list(mult=1))
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")


#與箱線圖結合
e + geom_boxplot() + 
  geom_dotplot(binaxis = "y", stackdir = "center")
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#添加小提琴圖
e + geom_violin(trim = FALSE) +
  geom_dotplot(binaxis='y', stackdir='center')
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")


#將dose映射給顏色以及填充色
e + geom_dotplot(aes(color = dose, fill = dose), 
                 binaxis = "y", stackdir = "center")
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#帶狀圖
header1("帶狀圖")
e + geom_jitter(position=position_jitter(0.2))
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#添加中值點
e + geom_jitter(position=position_jitter(0.2)) + 
  stat_summary(fun.data="mean_sdl",  fun.args = list(mult=1), 
               geom="pointrange", color = "red")
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#與點圖結合
e + geom_jitter(position=position_jitter(0.2)) + 
  geom_dotplot(binaxis = "y", stackdir = "center")
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")


#與小提琴圖結合
e + geom_violin(trim = FALSE) +
  geom_jitter(position=position_jitter(0.2))
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#將dose映射給顏色和形狀
e + geom_jitter(aes(color = dose, shape = dose),
                 position=position_jitter(0.2))
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#線圖
header1("線圖")
df <- data.frame(supp=rep(c("VC", "OJ"), each=3),
                dose=rep(c("D0.5", "D1", "D2"),2),
                len=c(6.8, 15, 33, 4.2, 10, 29.5))
output( head(df))                
  
ggplot(df, aes(x=dose, y=len, group=supp)) +
  geom_line(aes(linetype=supp))+
  geom_point()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#修改線型、點的形狀以及顏色
ggplot(df, aes(x=dose, y=len, group=supp)) +
  geom_line(aes(linetype=supp, color = supp))+
  geom_point(aes(shape=supp, color = supp)) 
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

header1("條形圖")
df <- data.frame(dose=c("D0.5", "D1", "D2"),
                len=c(4.2, 10, 29.5))
output(head(df))

df2 <- data.frame(supp=rep(c("VC", "OJ"), each=3),
                dose=rep(c("D0.5", "D1", "D2"),2),
                len=c(6.8, 15, 33, 4.2, 10, 29.5))
output(head(df2))

f <- ggplot(df, aes(x = dose, y = len))
f + geom_bar(stat = "identity")
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#修改填充色以及添加標簽
f + geom_bar(stat="identity", fill="steelblue")+
  geom_text(aes(label=len), vjust=-0.3, size=3.5)+
  theme_minimal()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")
  
 
#將dose映射給條形圖顏色    
f + geom_bar(aes(color = dose),
             stat="identity", fill="white")  
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")
     
#修改填充色
f + geom_bar(aes(fill = dose), stat="identity")  
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#將變量supp映射給填充色，從而達到分組效果
g <- ggplot(data=df2, aes(x=dose, y=len, fill=supp)) 
g + geom_bar(stat = "identity")#position默認為stack
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#修改position為dodge
g + geom_bar(stat="identity", position=position_dodge())   
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

5、 兩個變量：x、y皆離散

使用數(shù)據(jù)集diamonds中的兩個離散變量color以及cut

ggplot(diamonds, aes(cut, color)) +
  geom_jitter(aes(color = cut), size = 0.5)
image.png

6、 兩個變量：繪制誤差圖

df <- ToothGrowth
df$dose <- as.factor(df$dose)
head(df)
##    len supp dose
## 1  4.2   VC  0.5
## 2 11.5   VC  0.5
## 3  7.3   VC  0.5
## 4  5.8   VC  0.5
## 5  6.4   VC  0.5
## 6 10.0   VC  0.5

繪制誤差圖需要知道均值以及標準誤，下面這個函數(shù)用來計算每組的均值以及標準誤。

data_summary <- function(data, varname, grps){
  require(plyr)
  summary_func <- function(x, col){
    c(mean = mean(x[[col]], na.rm=TRUE),
      sd = sd(x[[col]], na.rm=TRUE))
  }
  data_sum<-ddply(data, grps, .fun=summary_func, varname)
  data_sum <- rename(data_sum, c("mean" = varname))
 return(data_sum)
}

計算均值以及標準誤

df2 <- data_summary(df, varname="len", grps= "dose")
# Convert dose to a factor variable
df2$dose=as.factor(df2$dose)
head(df2)
##   dose    len       sd
## 1  0.5 10.605 4.499763
## 2    1 19.735 4.415436
## 3    2 26.100 3.774150

創(chuàng)建圖層

f <- ggplot(df2, aes(x = dose, y = len, 
                     ymin = len-sd, ymax = len+sd))

可添加的圖層有：
geom_crossbar(): 空心柱，上中下三線分別代表ymax、mean、ymin
geom_errorbar(): 誤差棒
geom_errorbarh(): 水平誤差棒
geom_linerange()：豎直誤差線
geom_pointrange()：中間為一點的誤差線

image.png

6.1 空心柱

geom_crossbar()
f+geom_crossbar()
image.png

將dose映射給顏色

f+geom_crossbar(aes(color=dose))
image.png

自定義顏色

f+geom_crossbar(aes(color=dose))+
  scale_color_manual(values = c("#999999", "#E69F00", "#56B4E9"))+theme_classic()
image.png

修改填充色

f+geom_crossbar(aes(fill=dose))+
  scale_fill_manual(values = c("#999999", "#E69F00", "#56B4E9"))+
  theme_classic()
image.png

通過將supp映射給顏色實現(xiàn)分組，可以利用函數(shù)stat_summary()來計算mean和sd

f <- ggplot(df, aes(x=dose, y=len, color=supp))
f+stat_summary(fun.data = mean_sdl, fun.args = list(mult=1), geom="crossbar", width=0.6, position = position_dodge(0.8))
image.png

6.2 誤差棒

f <- ggplot(df2, aes(x=dose, y=len, ymin=len-sd, ymax=len+sd))

將dose映射給顏色

f+geom_errorbar(aes(color=dose), width=0.2)
image.png

與線圖結合

f+geom_line(aes(group=1))+
  geom_errorbar(width=0.15)
image.png

與條形圖結合，并將變量dose映射給顏色

f+geom_bar(aes(color=dose), stat = "identity", fill="white")+
  geom_errorbar(aes(color=dose), width=0.1)
image.png

6.3 水平誤差棒

#構造數(shù)據(jù)集
df2 <- data_summary(ToothGrowth, varname="len", grps = "dose")
df2$dose <- as.factor(df2$dose)
head(df2)
##   dose    len       sd
## 1  0.5 10.605 4.499763
## 2    1 19.735 4.415436
## 3    2 26.100 3.774150

創(chuàng)建圖層

f <- ggplot(data = df2, aes(x=len, y=dose,xmin=len-sd, xmax=len+sd))

參數(shù)xmin與xmax用來設置水平誤差棒

f+geom_errorbarh()
image.png

通過映射實現(xiàn)分組

f+geom_errorbarh(aes(color=dose))
image.png

6.4 豎直誤差線

geom_linerange()與geom_pointrange()

f <- ggplot(df2, aes(x=dose, y=len, ymin=len-sd, ymax=len+sd))

line range

f+geom_linerange()
image.png

6.5 中間為一點的誤差線

point range

f+geom_pointrange()
image.png

6.6 點圖+誤差棒

g <- ggplot(df, aes(x=dose, y=len))+
  geom_dotplot(binaxis = "y", stackdir = "center")

添加geom_crossbar()

g+stat_summary(fun.data = mean_sdl, fun.args = list(mult=1), geom="crossbar", color="red", width=0.1)
image.png

添加geom_errorbar()

g + stat_summary(fun.data=mean_sdl, fun.args = list(mult=1), 
        geom="errorbar", color="red", width=0.2) +
  stat_summary(fun.y=mean, geom="point", color="red")
image.png

添加geom_pointrange()

g + stat_summary(fun.data=mean_sdl, fun.args = list(mult=1), 
                 geom="pointrange", color="red")
image.png

完整代碼如下：

library(ggplot2)
df <- ToothGrowth
df$dose <- as.factor(df$dose)
head(df)

data_summary <- function(data, varname, grps){
  require(plyr)
  summary_func <- function(x, col){
    c(mean = mean(x[[col]], na.rm=TRUE),
      sd = sd(x[[col]], na.rm=TRUE))
  }
  data_sum<-ddply(data, grps, .fun=summary_func, varname)
  data_sum <- rename(data_sum, c("mean" = varname))
 return(data_sum)
}

df2 <- data_summary(df, varname="len", grps= "dose")
# Convert dose to a factor variable
df2$dose=as.factor(df2$dose)
head(df2)

f <- ggplot(df2, aes(x = dose, y = len, 
                     ymin = len-sd, ymax = len+sd))                  

f+geom_crossbar()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")                     
#將dose映射給顏色                  
f+geom_crossbar(aes(color=dose))
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#自定義顏色
f+geom_crossbar(aes(color=dose))+
  scale_color_manual(values = c("#999999", "#E69F00", "#56B4E9"))+theme_classic()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm") 
 
#修改填充色
f+geom_crossbar(aes(fill=dose))+
  scale_fill_manual(values = c("#999999", "#E69F00", "#56B4E9"))+
  theme_classic()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

f <- ggplot(df, aes(x=dose, y=len, color=supp))
f+stat_summary(fun.data = mean_sdl, fun.args = list(mult=1), geom="crossbar", width=0.6, position = position_dodge(0.8))
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

header1("誤差棒")
f <- ggplot(df2, aes(x=dose, y=len, ymin=len-sd, ymax=len+sd))

#將dose映射給顏色
f+geom_errorbar(aes(color=dose), width=0.2)
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#與線圖結合
f+geom_line(aes(group=1))+
  geom_errorbar(width=0.15)
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")


f+geom_bar(aes(color=dose), stat = "identity", fill="white")+
  geom_errorbar(aes(color=dose), width=0.1)
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

header1("水平誤差棒") 
df2 <- data_summary(ToothGrowth, varname="len", grps = "dose")
df2$dose <- as.factor(df2$dose)
output(head(df2))

#創(chuàng)建圖層
f <- ggplot(data = df2, aes(x=len, y=dose,xmin=len-sd, xmax=len+sd))

f+geom_errorbarh()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

f+geom_errorbarh(aes(color=dose))
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#line range
f <- ggplot(df2, aes(x=dose, y=len, ymin=len-sd, ymax=len+sd))
f+geom_linerange()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#point range
f+geom_pointrange()
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")


#點圖+誤差棒
g <- ggplot(df, aes(x=dose, y=len))+
  geom_dotplot(binaxis = "y", stackdir = "center")


#添加geom_crossbar()
g+stat_summary(fun.data = mean_sdl, fun.args = list(mult=1), geom="crossbar", color="red", width=0.1)
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#添加geom_errorbar()
g + stat_summary(fun.data=mean_sdl, fun.args = list(mult=1), 
        geom="errorbar", color="red", width=0.2) +
  stat_summary(fun.y=mean, geom="point", color="red")
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

#添加geom_pointrange()
g + stat_summary(fun.data=mean_sdl, fun.args = list(mult=1), 
                 geom="pointrange", color="red")
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")

7、 兩個變量：地圖繪制

ggplot2提供了繪制地圖的函數(shù)geom_map()，依賴于包maps提供地理信息。
安裝map

if (!require("maps")) install.packages("maps")

下面將繪制美國地圖，數(shù)據(jù)集采用USArrests

library(maps)
head(USArrests)
##            Murder Assault UrbanPop Rape
## Alabama      13.2     236       58 21.2
## Alaska       10.0     263       48 44.5
## Arizona       8.1     294       80 31.0
## Arkansas      8.8     190       50 19.5
## California    9.0     276       91 40.6
## Colorado      7.9     204       78 38.7

對數(shù)據(jù)進行整理一下,添加一列state

crimes <- data.frame(state=tolower(rownames(USArrests)), USArrests)
head(crimes)
##            Murder Assault UrbanPop Rape
## Alabama      13.2     236       58 21.2
## Alaska       10.0     263       48 44.5
## Arizona       8.1     294       80 31.0
## Arkansas      8.8     190       50 19.5
## California    9.0     276       91 40.6
## Colorado      7.9     204       78 38.7
#數(shù)據(jù)重鑄
library(reshape2)
crimesm <- melt(crimes, id=1)
head(crimesm)
##        state variable value
## 1    alabama   Murder  13.2
## 2     alaska   Murder  10.0
## 3    arizona   Murder   8.1
## 4   arkansas   Murder   8.8
## 5 california   Murder   9.0
## 6   colorado   Murder   7.9
map_data <- map_data("state")
#繪制地圖，使用Murder進行著色
ggplot(crimes, aes(map_id=state))+
  geom_map(aes(fill=Murder), map=map_data)+
  expand_limits(x=map_data$long, y=map_data$lat)
image.png

完整代碼如下：

library(ggplot2)

if (!require("maps")) install.packages("maps")
library(maps)
output(head(USArrests))

crimes <- data.frame(state=tolower(rownames(USArrests)), USArrests)
output(head(crimes))

if (!require("reshape2")) install.packages("reshape2")
library(reshape2)
crimesm <- melt(crimes, id=1)
output(head(crimesm))

map_data <- map_data("state")
ggplot(crimes, aes(map_id=state))+
  geom_map(aes(fill=Murder), map=map_data)+
  expand_limits(x=map_data$long, y=map_data$lat)
ggsave(gettempfile(), width = 15, height = 10, dpi=300,units = "cm")
?著作權歸作者所有,轉載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務。

相關閱讀更多精彩內(nèi)容

  • 作者：嚴濤浙江大學作物遺傳育種在讀研究生（生物信息學方向）偽碼農(nóng)，R語言愛好者，愛開源 ggplot2學習筆記之圖...
    Dylan的迪閱讀 2,880評論 0贊 6
  • 簡介 文章較長，點擊直達我的博客，瀏覽效果更好。本文內(nèi)容基本是來源于STHDA，這是一份十分詳細的ggplot2使...
    taoyan閱讀 51,733評論 7贊 159
  • 寫在前面 ggplot2 是一個功能強大且靈活的R包 ，由Hadley Wickham 編寫，其用于生成優(yōu)雅的圖...
    Boer223閱讀 28,580評論 0贊 67
  • 本文主要講述使用ggplot2組件，進行單變量的繪圖。 構造一個隨機數(shù)據(jù)集。 先繪制一個圖層a,后面逐步添加圖層 ...
    了無_數(shù)據(jù)科學閱讀 1,023評論 0贊 0
  • 給直方圖和線圖添加誤差棒 準備數(shù)據(jù) 這里使用ToothGrowth 數(shù)據(jù)集。它描述了維他命C對Guinea豬牙齒的...
    王詩翔閱讀 7,833評論 2贊 19

友情鏈接更多精彩內(nèi)容