R语言可视化及作图6--ggplot2之点图、条形图、盒形图、直方图、线图

Python014

R语言可视化及作图6--ggplot2之点图、条形图、盒形图、直方图、线图,第1张

R语言绘图系列：

标度控制着数据到图形属性的映射，标度将我们的数据转化为视觉上可以感知的东西，比如大小、位置、颜色、形状等。标度也为我们提供了读图时所使用的工具，比如说坐标轴和图例。总的来说，可以称为引导元素。标度函数控制元素的属性，可以理解为图形的遥控器，可以用它来调整画布大小、颜色等等。此前学的shape,color,size等参数和标度函数相比显得不够灵活。

scale_fill_brewer 调色板函数

geom_errorbar()

geom_crossbar()

geom_linerange() 绘制线段

geom_pointrange() 绘制点

pointrange：点画线

首先绘制一张盒形图

在图上显示出观测值

值得注意的是，图上点的多少并不能完全反应原始数据的多少，因为有的点可能因为点过于密集就会被覆盖，看起来是一个点，其实可能是多个点。

因此可以使用geom_jitter函数将不同的点区分开（jitter是震荡散点），width设置如果遇到相同的点，点向左右方平移的距离。alpha设置透明度。

黑色点是离群点

还可以绘制卡槽图

varwidth参数会根据该水平下观测值的个数（n值）改变盒形图的宽度。（这里宽度去的不是观测个数的绝对值，而是平方根，以缩小差距。）

给盒子上色

分组盒形图，用不同颜色区分

画水平的盒形图

使用coord_flip函数（坐标轴翻转函数）

绘制一张直方图

bins可以设置直方图条柱的数目，默认为30。当bins和binwidth（设置条柱宽度）同时设置时，默认以binwidth为准。

新加入变量cut，根据新变量在price水平上进行一个计数

y轴由count变为density，绘制概率密度

注意下面density的写法，前后都要加..

绘制概率密度曲线：geom_density函数

堆栈密度概率曲线

geom_line/geom_path/geom_step

绘制一个简单的线图

绘制点线图，点和线需要分别添加。

如上图，线在点之上，是因为先投射了点，又投射了线。

先投射线，点就出现在了线之上。

线的颜色出现了渐变

geom_smooth函数：绘制拟合曲线

methods还有其他的方法，如glm：广义线性模型；losses：纯粹平滑；gam：广义加性模型等等（lm和glm最常用）

geom_hline绘制水平线，geom_vline绘制垂直线。xintercept和yintercept是截距，slope是斜率。

直方图又称柱状图/条形图，用来展示连续数据分布的常用工具，用来估计数据的概率分布。

使用格式：hist(x,breaks=n,main="name",labels=FASLE,col="blue",border="red",freq=TRUE)

x 向量，直方图的数据

breaks 描直方图的断点,例如breaks=20表示画出20个柱子；

labels 逻辑变量，TRUE标出频数

main 标题

col 颜色

border外框颜色

freq 逻辑变量，TRUE为数据频数，默认为TRUE；FALSE则为密度

我们可以用lines画出数据的密度曲线

还可以画正态分布的密度曲线

使用格式 ggplot(data,aes(x=class))+geom_bar()

x 绘制的数据

或者 ggplot(data,aes(y=class))+geom_bar(),则类型分布在y轴

当想看在该因素中其他因素的情况，可以利用fill进行绘制，得出叠堆条形图

横向的柱状

大多数时候我们想比较多个组直接某些因素的情况，例如有时候我们要画几个样本中各个细胞比例的情况

这是我们可以画堆叠条形图

此时不好比较，我们可以把同类型细胞放在一块比较，即横坐标变为细胞类型

在实验过程中可以采用容易分析的形式进行比较

以上是基本绘制的参数，此外还有美化的一些参数

labs 横纵坐标轴的名称

ggttitle 标题名称

geom_bar(width= )设置条形大小，默认情况下，设置为数据分辨率的90%。

theme_bw() 改变背景颜色

scale_fill_manual 自定义颜色

更多参数见 R语言绘图——数据可视化ggplot2 介绍和主要的参数

R语言是用于统计分析、绘图的语言和操作环境。R语言是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。

R语言是统计领域广泛使用的诞生于1980年左右的S语言的一个分支。可以认为R语言是S语言的一种实现。而S语言是由AT&T贝尔实验室开发的一种用来进行数据探索、统计分析和作图的解释型语言。

r语言的特点：

1、R是自由软件。这意味着它是完全免费，开放源代码的。可以在它的网站及其镜像中下载任何有关的安装程序、源代码、程序包及其源代码、文档资料。标准的安装文件自身就带有许多模块和内嵌统计函数，安装好后可以直接实现许多常用的统计功能。

2、R是一种可编程的语言。作为一个开放的统计编程环境，语法通俗易懂，很容易学会和掌握语言的语法。而且学会之后，我们可以编制自己的函数来扩展现有的语言。这也就是为什么它的更新速度比一般统计软件，如SPSS、SAS等快得多。大多数最新的统计方法和技术都可以在R中直接得到。