|
library(ggfortify)
set.seed(1)
p <>-5], 3), data = iris)
#上面自己理解的意思为，-5就是把原始数据中的第5列去除，3就是聚类的数值
# plot as it is
p
首先也看看原始数据的排布情况吧： > iris
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
................................................................
................................................................
49 5.3 3.7 1.5 0.2 setosa
50 5.0 3.3 1.4 0.2 setosa
51 7.0 3.2 4.7 1.4 versicolor
52 6.4 3.2 4.5 1.5 versicolor
................................................................
................................................................
99 5.1 2.5 3.0 1.1 versicolor
100 5.7 2.8 4.1 1.3 versicolor
101 6.3 3.3 6.0 2.5 virginica
102 5.8 2.7 5.1 1.9 virginica
103 7.1 3.0 5.9 2.1 virginica
................................................................
................................................................
148 6.5 3.0 5.2 2.0 virginica
149 6.2 3.4 5.4 2.3 virginica
150 5.9 3.0 5.1 1.8 virginica
结果显示为： 
聚成4类看看效果： library(ggfortify)
set.seed(1)
p <>-5], 4), data = iris)
# plot as it is
p
看看数据被拉开的效果： 
改变颜色看看： library(ggfortify)
set.seed(1)
p <>-5], 4), data = iris)
# plot as it is
p
# change colour mapping
p + scale_colour_brewer()
显示： 
autoplot调用名为ggplot2 :: fortify的通用函数将传递的实例转换为data.frame。 {ggfortify}为所有支持的类定义了fortify函数。 如果想要一个不同类型的图，可以使用fortify来获取data.frame，然后以正常方式调用ggplot。 以下示例显示了计算每个k均值聚类的记录的条形图：
library(ggfortify)
set.seed(1)
df <>-5], 3), data = iris)
head(df)
原始数据的前几行为： > head(df)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species cluster
1 5.1 3.5 1.4 0.2 setosa 1
2 4.9 3.0 1.4 0.2 setosa 1
3 4.7 3.2 1.3 0.2 setosa 1
4 4.6 3.1 1.5 0.2 setosa 1
5 5.0 3.6 1.4 0.2 setosa 1
6 5.4 3.9 1.7 0.4 setosa 1
df： > df
Sepal.Length Sepal.Width Petal.Length Petal.Width Species cluster
1 5.1 3.5 1.4 0.2 setosa 1
2 4.9 3.0 1.4 0.2 setosa 1
3 4.7 3.2 1.3 0.2 setosa 1
4 4.6 3.1 1.5 0.2 setosa 1
5 5.0 3.6 1.4 0.2 setosa 1
6 5.4 3.9 1.7 0.4 setosa 1
7 4.6 3.4 1.4 0.3 setosa 1
8 5.0 3.4 1.5 0.2 setosa 1
9 4.4 2.9 1.4 0.2 setosa 1
10 4.9 3.1 1.5 0.1 setosa 1
................................................................
................................................................ 1
49 5.3 3.7 1.5 0.2 setosa 1
50 5.0 3.3 1.4 0.2 setosa 1
51 7.0 3.2 4.7 1.4 versicolor 3
................................................................
................................................................ 3
99 5.1 2.5 3.0 1.1 versicolor 3
100 5.7 2.8 4.1 1.3 versicolor 3
101 6.3 3.3 6.0 2.5 virginica 2
102 5.8 2.7 5.1 1.9 virginica 3
................................................................
................................................................ 3
148 6.5 3.0 5.2 2.0 virginica 2
149 6.2 3.4 5.4 2.3 virginica 2
150 5.9 3.0 5.1 1.8 virginica 3
>
用柱形图显示： library(ggfortify)
set.seed(1)
df - fortify(kmeans(iris[-5], 3), data = iris)
head(df)
ggplot(df, aes(x= cluster, fill = cluster)) + geom_bar()
呈现： 
autoplot可以在绘制子图，例如，autoplot.lm绘制如下的诊断图： library(ggfortify)
set.seed(1)
res <>
mp <>4)
mp
原始数据： > trees
Girth Height Volume
1 8.3 70 10.3
2 8.6 65 10.3
3 8.8 63 10.2
.......................
.......................
27 17.5 82 55.7
28 17.9 80 58.3
29 18.0 80 51.5
30 18.0 80 51.0
31 20.6 87 77.0
呈现： 
因为{ggplot2}本身不能在单个实例中处理不同类型的图，{ggfortify}使用名为ggmultiplot的原始类来处理它们，可以使用+运算符来装饰ggmultiplot：
library(ggfortify)
set.seed(1)
res <>data = trees)
mp <>4)
mp
class(mp)
显示： > class(mp)
[1] 'ggmultiplot'
attr(,'package')
[1] 'ggfortify'
library(ggfortify)
set.seed(1)
res <>data = trees)
mp <>4)
mp
class(mp)
mp + theme_bw()
呈现： 
此外，如果ggplot或ggmultiplot实例作为右侧给出，+运算符会附加图。 以下示例在诊断后附加2个散点图： library(ggfortify)
set.seed(1)
res <>data = trees)
mp <>4)
mp
class(mp)
mp + theme_bw()
mp +
(ggplot(trees, aes(Girth, Volume)) + geom_point()) +
(ggplot(trees, aes(Girth, Height)) + geom_point())
呈现： 
可以使用和运算符（和）来提取子集： library(ggfortify)
set.seed(1)
res <>data = trees)
mp <>4)
mp
class(mp)
mp + theme_bw()
mp +
(ggplot(trees, aes(Girth, Volume)) + geom_point()) +
(ggplot(trees, aes(Girth, Height)) + geom_point())
mp[2:3]
呈现： 
library(ggfortify)
set.seed(1)
res <>
mp <>4)
mp
class(mp)
mp + theme_bw()
mp +
(ggplot(trees, aes(Girth, Volume)) + geom_point()) +
(ggplot(trees, aes(Girth, Height)) + geom_point())
mp[2:3]
mp[[1]]
呈现： 
library(ggfortify)
set.seed(1)
res <>
mp <>4)
mp
class(mp)
mp + theme_bw()
mp +
(ggplot(trees, aes(Girth, Volume)) + geom_point()) +
(ggplot(trees, aes(Girth, Height)) + geom_point())
mp[2:3]
mp[[1]]
mp[2:3] <>2:3] + theme_bw()
mp
呈现： 
library(ggfortify)
set.seed(1)
#下面的3,4,5分别表示3种情况
res <>3, 4, 5), function(x) kmeans(iris[-5], x))
autoplot(res, data = iris[-5], ncol = 3)
呈现： 
声明：本文基于参考文摘进行编辑
本文编辑：魏博 微信ID: lxdlxd19900511
|
