logo
搜索
我的图书馆

发文章

发文工具

其他工具

留言交流
搜索
分享

【R语言】ggplot2基础语法简介

 昵称69125444 2023-11-16 发布于广西

R语言的一大特色是绘制精美的的统计图，而其中R包ggplot2专为绘图而生

一起简单了解一下ggplot2的基本语法

目录

  • 图层
  • 映射
  • 几何图形和统计变换
  • 标尺(Scale)
  • 坐标系
  • 主题
  • 注释
  • 图例
  • 分面(Facetting)


图层

一开始先明确ggplot2的绘图逻辑，和PS类似，采用图层叠加的方式，不同的图层用 ' ' 相连，多个图层最终结合成一幅图

library(ggplot2)
ggplot(data=mtcars,aes(x=wt,y=mpg))
图片

以mtcars为例，以wt为x轴，mpg为y轴用ggplot()先建立一个最基础的图层

ggplot(data=mtcars,aes(x=wt,y=mpg))   geom_point()
图片

通过 ' ' 在基础图层上添加上散点(geom_point()) ，得到一幅简单的散点图，后面还能添加更多的图层得到复杂的图形


映射

映射即视觉通道映射，通俗来说就是将数据映射到图形的某一成分中，数据会以指定的形式在图形中得以呈现

使用到函数aes()，除了最基础的x,y轴的映射，还有其他映射类型color,fill,alpha,size,shape,linetype等等

ggplot(data=mtcars,aes(x=wt,y=mpg,color=as.factor(am)))  geom_point()
图片

x,y轴不变加上颜色映射类型，并传入因子型的数据，得到了两种颜色二分类的散点图

ggplot(data=mtcars,aes(x=wt,y=mpg,shape=as.factor(cyl)))  geom_point()
图片

x,y轴不变加上形状映射类型，传入cyl的三分类数据，得到有三种不同形状的散点图

ggplot(data=mtcars,aes(x=wt,y=mpg,size=qsec,alpha=hp))  geom_point()
图片

也可以同时加上两种互不干扰的映射，透明度映射和点大小映射

这里只是演示了关于点的映射，相对的还有线、图形、文本的映射，后面遇到再介绍


几何图形和统计变换

通常可以使用geom_类函数来绘制指定的统计图

图形函数
点图geom_point()
折线图geom_line()
箱线图geom_boxplot()
密度图geom_density()
柱状图geom_bar()
小提琴图geom_violin()
......
library(gridExtra)
library(ggplot2)
p1 <- ggplot(mtcars, aes(wt, mpg)) geom_point()
p2 <- ggplot(economics, aes(date, unemploy))   geom_line()
p3 <- ggplot(mpg, aes(class, hwy)) geom_boxplot()
p4 <- ggplot(diamonds, aes(carat)) geom_density()
p5 <- ggplot(mpg, aes(class)) geom_bar()
p6 <- ggplot(mtcars, aes(mpg, factor(cyl))) geom_violin()
grid.arrange(p1,p2,p3,p4,p5,p6,nrow=2,ncol=3)
图片

以上为6种常见图形的实例

以geom_point()为例，简单介绍一下参数

##?geom_point##
geom_point(
  mapping = NULL,
  data = NULL,
  stat = 'identity',
  position = 'identity',
  ...,
  na.rm = FALSE,
  show.legend = NA,
  inherit.aes = TRUE
)
  • mapping、inherit.aes = TRUE 可使用aes()指定相关映射
  • stat  统计变换，默认不变换
  • show.legend 是否显示图例

ggplot(mtcars, aes(wt, mpg)) geom_point(aes(shape=factor(cyl)),color='green',size=3) geom_smooth()
图片

geom_point里面能重新指定映射（全局和局部的关系），也能添加参数改变图形属性，在点图的基础上还可以叠加光滑曲线(geom_smooth())

geom_(几何图形)和stat_(统计变换)都能作为一种叠加图层的方法，且两者绘图效果相似。

  • geom_侧重图形的绘制，通过参数stat指定统计方法
  • stat_侧重统计变换，通过参数geom指定绘图类型

两者能够相互转换，在帮助文件上也会同时写出两种绘图方法

geom_bar(
  mapping = NULL,
  data = NULL,
  stat = 'count',
  position = 'stack',
  ...,
  width = NULL,
  na.rm = FALSE,
  orientation = NA,
  show.legend = NA,
  inherit.aes = TRUE
)
stat_count(
  mapping = NULL,
  data = NULL,
  geom = 'bar',
  position = 'stack',
  ...,
  width = NULL,
  na.rm = FALSE,
  orientation = NA,
  show.legend = NA,
  inherit.aes = TRUE
)

geom_bar stat = 'count'、stat_count geom = 'bar' 两种方法所得到的柱形图相同。

  • geom_bar，指定count统计变换方法，将数据转换成频数从而得到柱形图
  • stat_count默认count的统计变换方法，指定bar绘图方法从而得到柱形图


标尺(Scale)

之前介绍的图大都都是按照默认参数生成的，scale_类函数可以修改图形的细节

坐标轴

1、坐标轴刻度及标签

对于连续性变量，通常使用函数scale_x_continuous、scale_y_continuous

scale_x_continuous(
  name = waiver(),
  breaks = waiver(),
  minor_breaks = waiver(),
  n.breaks = NULL,
  labels = waiver(),
  limits = NULL,
  expand = waiver(),
  oob = censor,
  na.value = NA_real_,
  trans = 'identity',
  guide = waiver(),
  position = 'bottom',
  sec.axis = waiver()
)
  • name  修改轴标题，使用函数labs()也能达到相同效果
library(gridExtra)
p1 <- ggplot(mtcars, aes(wt, mpg)) geom_point() scale_x_continuous(name='AAA')
p2 <- ggplot(mtcars, aes(wt, mpg)) geom_point() labs(x='BBB')
grid.arrange(p1,p2,ncol=2)
图片
  • breaks  将数据进行指定分组，搭配参数label可以修改组名
ggplot(mpg, aes(displ, hwy)) geom_point()  scale_x_continuous(breaks = c(2, 4, 6),label = c('two', 'four', 'six'))
图片
  • limits  限定坐标轴的刻度范围，和函数xlim效果一样
library(gridExtra)
p1 <- ggplot(mtcars, aes(wt, mpg)) geom_point() scale_x_continuous(name='AAA',limits=c(1,7))  ##限定x轴刻度在1到7
p2 <- ggplot(mtcars, aes(wt, mpg)) geom_point() xlim(1,8)
grid.arrange(p1,p2,ncol=2)
图片
  • labels  可改变轴刻度标签的格式
library(gridExtra)
df <- data.frame(
  x = rnorm(10) * 100000,
  y = seq(0, 1, length.out = 10)
)
p1 <- ggplot(df, aes(y, x))   geom_point() scale_x_continuous(labels = scales::percent,name='percent')
p2 <- ggplot(df, aes(y, x))   geom_point() scale_x_continuous(labels = scales::dollar,name='dollar')
grid.arrange(p1,p2,ncol=2)
图片

scales::percent、scales::dollar分别指定x轴刻度的类别，分别为百分比和美元

  • trans  指定坐标轴刻度的变换形式
'asn', 'atanh', 'boxcox', 'date', 'exp', 'hms', 'identity', 'log', 'log10', 'log1p', 'log2', 'logit', 'modulus', 'probability', 'probit', 'pseudo_log', 'reciprocal', 'reverse', 'sqrt' , 'time'
p1 <- ggplot(mtcars, aes(wt, mpg)) geom_point() scale_x_continuous(name='None')
p2 <- ggplot(mtcars, aes(wt, mpg)) geom_point() scale_x_continuous(name='log2',trans='log2')
grid.arrange(p1,p2,ncol=2)
图片
  • position 设定坐标轴的位置，x轴 “top”、“bottom” ，y轴 'left'、'right'

对于离散型数据

scale_x_discrete()、scale_y_discrete()

函数的用法和连续型变量的用法类似，参数几乎通用

ggplot(diamonds, aes(cut)) geom_bar() scale_x_discrete('Cut',labels = c('Fair' = 'F','Good' = 'G','Very Good' = 'VG','Perfect' = 'P','Ideal' = 'I'))
## 轴标题、刻度标签替换
图片

对于时间变量

一般使用函数scale_x_date()、scale_y_date()

scale_x_date(
  name = waiver(),
  breaks = waiver(),
  date_breaks = waiver(),
  labels = waiver(),
  date_labels = waiver(),
  minor_breaks = waiver(),
  date_minor_breaks = waiver(),
  limits = NULL,
  expand = waiver(),
  oob = censor,
  guide = waiver(),
  position = 'bottom',
  sec.axis = waiver()
)
library(gridExtra)
last_month <- Sys.Date() - 0:29  ## 生成从今天起往前30天的时间序列
df <- data.frame(
  date = last_month,
  price = runif(30)
)  ## 为30个时间序列随机生成一个对应的值
base <- ggplot(df, aes(date, price)) 
  geom_line()
p1 <- base   scale_x_date(date_labels = '%b %d') labs(title='p1')
p2 <- base   scale_x_date(date_breaks = '1 week', date_labels = '%W') labs(title='p2')
p3 <- base   scale_x_date(date_minor_breaks = '1 day') labs(title='p3')
p4 <- base   scale_x_date(limits = c(Sys.Date() - 7, NA)) labs(title='p4')
grid.arrange(p1,p2,p3,p4,ncol=2)
图片

  • p1中通过参数'date_labels'可以格式化输出时间序列

  • p2中通过参数“date_breaks”指定主坐标的间隔

  • p3中通过参数'date_minor_breaks'指定主坐标间的分隔距离

  • p4中通过参数'limits'限制x轴刻度范围


图形标题

函数labs()能为图形修改或添加各种文字属性

labs(
  ...,
  title = waiver(),
  subtitle = waiver(),
  caption = waiver(),
  tag = waiver(),
  alt = waiver(),
  alt_insight = waiver()
)
p <- ggplot(mtcars, aes(mpg, wt, colour = cyl))   geom_point()
p
p_re <- p labs(x='XXX',y='YYY',title='title',subtitle='subtitle',
       tag='tag',caption='caption',colour='colour',alt='This is alt')
p_re
##############
> get_alt_text(p_re)
[1] 'This is alt'
图片
图片

以上两图对比，展示出tag、title、subtiltle等的显示位置

关于参数alt，相当于对图形变量的描述，不会展示在具体图形中，需要用函数get_alt_text()来调用


颜色

1、颜色渐变

scale_colour_gradient(
  ...,
  low = '#132B43',
  high = '#56B1F7',
  space = 'Lab',
  na.value = 'grey50',
  guide = 'colourbar',
  aesthetics = 'colour'
)
  • low、high 设定渐变的两种颜色
  • na.value 空值的颜色
  • guide 图例的形式，连续型“colourbar”、离散型'legend'
  • aesthetics 设定颜色映射通道 “fill”、'colour'
ggplot(mpg, aes(displ, hwy, color = hwy)) geom_point() scale_color_gradient(low = '#132B43', high = '#56B1F7',guide='colourbar')
图片

一幅从'#132B43'到'#56B1F7'的渐变点图

2、调用调色板颜色

scale_colour_brewer(
  ...,
  type = 'seq',
  palette = 1,
  direction = 1,
  aesthetics = 'colour'
)
  • type seq (sequential)、div (diverging)、qual (qualitative)
  • palette 指定调色版，可字符指定调色板，也可数字指定调色板列表中的种类(顺序未知)。也可自己创建调色板。
library(RColorBrewer)
display.brewer.all()  ## 默认可选调色板类型
图片
  • direction 颜色变换方向，1 正向，-1 反向
library(gridExtra)
dsamp <- diamonds[sample(nrow(diamonds), 1000), ]
d <- ggplot(dsamp, aes(carat, price))   geom_point(aes(colour = clarity))   labs(title='default')
d1 <- ggplot(dsamp, aes(carat, price))   geom_point(aes(colour = clarity))   scale_color_brewer(palette='BuGn')  labs(title='BuGn')
d2 <- ggplot(dsamp, aes(carat, price))   geom_point(aes(colour = clarity))   scale_color_brewer(palette='Set1')   labs(title='Set1')
d3 <- ggplot(dsamp, aes(carat, price))   geom_point(aes(colour = clarity))   scale_color_brewer(palette='PiYG')   labs(title='PiYG')
grid.arrange(d,d1,d2,d3,nrow=2)
图片


调整映射参数

scale_alpha()、scale_shape()、scale_size()

p1 <- ggplot(mpg, aes(displ, hwy))   geom_point(aes(alpha = year))
p2 <- ggplot(mpg, aes(displ, hwy))   geom_point(aes(alpha = year))   scale_alpha(range = c(0.4, 0.8))
grid.arrange(p1,p2)
图片

将透明度映射范围限定在0.4~0.8

dsmall <- diamonds[sample(nrow(diamonds), 100), ]
d <- ggplot(dsmall, aes(carat, price))   geom_point(aes(shape = cut))
d1 <- ggplot(dsmall, aes(carat, price))   geom_point(aes(shape = cut))   scale_shape(solid=F)
grid.arrange(d,d1)
图片

参数solid可改变点的填充

p1 <- ggplot(mpg, aes(displ, hwy, size = hwy))   geom_point()
p2 <- ggplot(mpg, aes(displ, hwy, size = hwy))   geom_point()   scale_size(range=c(0,10))
p3 <- ggplot(mpg, aes(displ, hwy, size = hwy))   geom_point()   scale_size_binned()
grid.arrange(p1,p2,p3)
图片

参数range指定点的大小范围

函数scale_size_binned()使图例分箱，更易观察


坐标系

ggplot2中提供了很多修改坐标系的函数

1、coord_cartesian 默认的直角坐标系

coord_cartesian(
  xlim = NULL,
  ylim = NULL,
  expand = TRUE,
  default = FALSE,
  clip = 'on'
)

  • xlim、ylim 限制x，y轴的刻度范围

  • expand 是否拓展坐标轴刻度

p1 <- ggplot(mtcars, aes(disp, wt)) geom_point() geom_smooth()
p2 <- ggplot(mtcars, aes(disp, wt)) geom_point() geom_smooth() coord_cartesian(expand=F)
grid.arrange(p1,p2)
图片
  • clip 边界外能否显示点，默认'on'不显示，'off'显示
p1 <- ggplot(mtcars, aes(disp, wt)) geom_point() geom_smooth() coord_cartesian(expand=F,clip='off') labs(title = 'clip=\'off\'')
p2 <- ggplot(mtcars, aes(disp, wt)) geom_point() geom_smooth() coord_cartesian(expand=F) labs(title = 'clip=\'on\'')
grid.arrange(p1,p2)
图片

2、coord_fixed() 调整x轴与y轴的比例长度

coord_fixed(ratio = 1, xlim = NULL, ylim = NULL, expand = TRUE, clip = 'on')
  • ratio 默认比例为1，即x轴与y轴上每个长度单位都一一对应
p1 <- ggplot(mtcars, aes(mpg, wt))   geom_point()   labs(title='default')
p2 <- ggplot(mtcars, aes(mpg, wt))   geom_point() coord_fixed()   labs(title='ratio=1')
p3 <- ggplot(mtcars, aes(mpg, wt))   geom_point() coord_fixed(ratio=5)   labs(title='ratio=5')
grid.arrange(p1,p2,p3)
图片

3、coord_flip() x轴，y轴调换

p1 <- ggplot(diamonds, aes(cut, price)) geom_boxplot()
p2 <- ggplot(diamonds, aes(cut, price)) geom_boxplot() coord_flip()
grid.arrange(p1,p2)
图片

4、coord_polar 极坐标系变换

coord_polar(theta = 'x', start = 0, direction = 1, clip = 'on')
  • theta 映射到角度上的变量，x或y
pie <- ggplot(mtcars, aes(x = factor(1), fill = factor(cyl))) geom_bar(width = 1)
p1 <- pie   coord_polar()
p2 <- pie   coord_polar(theta='y')
grid.arrange(p1,p2)
图片

通过将柱形图进行坐标系转换，并将y值映射就可得到饼图

  • start 起点的位置
  • direction 绘制的顺序，1顺时针，-1逆时针

玫瑰图的绘制，将柱形图进行极坐标转换

p1 <- ggplot(mpg,aes(class,fill=model)) geom_bar() theme(legend.position='none')
p2 <- ggplot(mpg,aes(class,fill=model)) geom_bar() coord_polar() theme(legend.position='none')
grid.arrange(p1,p2)
图片


主题

ggplot2默认出图是灰底的图，自带函数theme_有已配置好的主题可供选择，也可使用函数theme()自定义自己的主题

library(patchwork)
mtcars2 <- within(mtcars, {
  vs <- factor(vs, labels = c('V-shaped', 'Straight'))
  am <- factor(am, labels = c('Automatic', 'Manual'))
  cyl  <- factor(cyl)
  gear <- factor(gear)
})
p <- ggplot(mtcars2)   geom_point(aes(x = wt, y = mpg, colour = gear))
p1 <- p theme_gray() labs(title='theme_gray')
p2 <- p theme_bw() labs(title='theme_bw')
p3 <- p theme_linedraw() labs(title='theme_linedraw')
p4 <- p theme_light() labs(title='theme_light')
p5 <- p theme_dark() labs(title='theme_dark')
p6 <- p theme_minimal() labs(title='theme_minimal')
p7 <- p theme_classic() labs(title='theme_classic')
p8 <- p theme_void() labs(title='theme_void')
p9 <- p theme_test() labs(title='theme_test')
(p1 / p4 / p7) | (p2 / p5 / p8) | (p3 / p6 / p9)
图片

以上为9种预设的主题

theme(......)

可自定义的范围太大了，先挖个坑，之后单独填


注释

注释是一个特殊的图层，不继承全局设置，使用函数annotation()对统计图进行注释

annotate(
  geom,
  x = NULL,
  y = NULL,
  xmin = NULL,
  xmax = NULL,
  ymin = NULL,
  ymax = NULL,
  xend = NULL,
  yend = NULL,
  ...,
  na.rm = FALSE
)
  • 主要参数是 geom 指定需要添加注释的类型，如，文字(text)、矩形(rect)等。后面的参数根据 geom 的不同而不同
ggplot(mtcars, aes(x = wt, y = mpg))   geom_point()   
  annotate('text', x = 4, y = 20, label = 'text', size = 10, colour = 'green')
图片

简单的向(4,20)处添加文本'text'，还可以对文字样式进行自定义

ggplot(mtcars, aes(x = wt, y = mpg))   geom_point()   
  annotate('rect', xmin = 3, xmax = 4.2, ymin = 12, ymax = 21,alpha = .2,fill='green')
图片

绘制一个矩形，并指定透明度和填充颜色

ggplot(mtcars, aes(x = wt, y = mpg))   geom_point()   
  annotate('segment', x = 2.5, xend = 4, y = 15, yend = 25,colour = 'blue',size=1)
图片

'segment'指定两点绘制线段

  • geom_()类函数中，geom_abline()(指定斜率、截距)、geom_hline()(绘制横线)、geom_vline()(绘制竖线)也能绘制指定直线


图例

1、连续型变量

guide_colourbar() 或 guide_colorbar()

guide_colorbar(
  title = waiver(),
  title.position = NULL,
  title.theme = NULL,
  title.hjust = NULL,
  title.vjust = NULL,
  label = TRUE,
  label.position = NULL,
  label.theme = NULL,
  label.hjust = NULL,
  label.vjust = NULL,
  barwidth = NULL,
  barheight = NULL,
  nbin = 300,
  raster = TRUE,
  frame.colour = NULL,
  frame.linewidth = 0.5,
  frame.linetype = 1,
  ticks = TRUE,
  ticks.colour = 'white',
  ticks.linewidth = 0.5,
  draw.ulim = TRUE,
  draw.llim = TRUE,
  direction = NULL,
  default.unit = 'line',
  reverse = FALSE,
  order = 0,
  available_aes = c('colour', 'color', 'fill'),
  ...
)
  • title类 修改图例标题
  • label类 修改图例标签属性
  • barwidth、barheight 调整连续型图例的宽度和高度
  • frame类 为图例颜色条增加边框
  • ticks类 设置图例中的刻度线
p <- ggplot(mtcars,aes(drat,mpg,fill=qsec)) geom_point()
p1 <- p   guides(fill = guide_colourbar(title='title',label=F,
                                  title.position='bottom',barwidth=1,
                                  frame.colour = 'black',ticks = F))
grid.arrange(p,p1)
图片

使用函数时，需嵌套入函数guides()且指定映射

2、离散型变量

guide_legend(
  title = waiver(),
  title.position = NULL,
  title.theme = NULL,
  title.hjust = NULL,
  title.vjust = NULL,
  label = TRUE,
  label.position = NULL,
  label.theme = NULL,
  label.hjust = NULL,
  label.vjust = NULL,
  keywidth = NULL,
  keyheight = NULL,
  direction = NULL,
  default.unit = 'line',
  override.aes = list(),
  nrow = NULL,
  ncol = NULL,
  byrow = FALSE,
  reverse = FALSE,
  order = 0,
  ...
)

  • keywidth、keyheight 每个离散点外围框框的大小

  • nrow、ncol 修改多个图例元素的排列方式

  • 其他参数与连续型变量参数类似

p1 <- ggplot(mtcars, aes(drat, mpg, colour = factor(cyl))) geom_point()
p2 <- ggplot(mtcars, aes(drat, mpg, colour = factor(cyl))) geom_point() guides(colour=guide_legend(title = 'title',keyheight=2))
grid.arrange(p1,p2)
图片


分面(Facetting)

根据数据的分组信息绘制多幅子图，做到将高维数据降维表示的目的

函数facet_grid()、facet_wrap()两种方式表示分面

1、facet_grid()

网格状的分面，指定变量定义行和列

facet_grid(
  rows = NULL,
  cols = NULL,
  scales = 'fixed',
  space = 'fixed',
  shrink = TRUE,
  labeller = 'label_value',
  as.table = TRUE,
  switch = NULL,
  drop = TRUE,
  margins = FALSE,
  facets = NULL
)

  • rows、cols 分别指定行列分面对象，搭配函数vars()使用，或使用简便格式 行分组变量~列分组变量 ，空着用 . 表示

  • scales 设置是否共用坐标轴，fixed共用坐标轴、free不共用

p<-ggplot(mpg, aes(cty, hwy))   geom_point(size=2,alpha=0.4)
p1 <- p   facet_grid(rows=vars(fl))
p2 <- p   facet_grid(.~fl)
p3 <- p   facet_grid(vars(drv),vars(fl))
p4 <- p   facet_grid(drv~fl,scales='free')
grid.arrange(p1,p2,p3,p4,ncol=2)
图片

2、facet_wrap()

先按分组变量生成多个子图，再按顺序排列

简便格式 ~ 分组变量1 分组变量2

facet_wrap(
  facets,
  nrow = NULL,
  ncol = NULL,
  scales = 'fixed',
  shrink = TRUE,
  labeller = 'label_value',
  as.table = TRUE,
  switch = NULL,
  drop = TRUE,
  dir = 'h',
  strip.position = 'top'
)
p <- ggplot(mpg, aes(displ, hwy))   geom_point()
p1 <- p   facet_wrap(vars(class))
p2 <- p   facet_wrap(vars(class), nrow = 4)
p3 <- p   facet_wrap(~cyl drv)
p4 <- p   facet_wrap(vars(cyl, drv), labeller = 'label_both')
grid.arrange(p1,p2,p3,p4,nrow=2)
图片

基础语法就先简单介绍这些。

还有很多ggplot2的细节，比如自定义主题、各种geom_的具体使用等，等实际用到再记录一下，或者之后再单独研究研究。

主要参考资料，ggplot2官方文档(https://ggplot2./reference/index.html)

    本站是提供个人知识管理的网络存储空间，所有内容均由用户发布，不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息，谨防诈骗。如发现有害或侵权内容，请点击一键举报。
    转藏 分享 献花（0）

    来自： 昵称69125444 > 《知识》

    举报/认领

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多