R实战:【绘图】ggplot2[多维度分析神器]

R实战系列专栏

介绍

ggplot2是我见过最human friendly的画图软件,这得益于Leland Wilkinson在他的著作《The Grammar of Graphics》中提出了一套图形语法,把图形元素抽象成可以自由组合的成分,Hadley Wickham把这套想法在R中实现。

ggplot2基本要素

  • 数据(Data)和映射(Mapping)
  • 几何对象(Geometric)
  • 标尺(Scale)
  • 统计变换(Statistics)
  • 坐标系统(Coordinante)
  • 图层(Layer)
  • 分面(Facet)
  • 主题(Theme)

绘图

下面以一份钻石的数据为例,这份数据非常大,随机取一个子集来画图。

require(ggplot2)
data(diamonds)
set.seed(42)
small <- diamonds[sample(nrow(diamonds), 1000), ]
head(small)
> head(small)
      carat       cut color clarity depth table price    x    y    z
49345  0.71 Very Good     H     SI1  62.5    60  2096 5.68 5.75 3.57
50545  0.79   Premium     H     SI1  61.8    59  2275 5.97 5.91 3.67
15434  1.03     Ideal     F     SI1  62.4    57  6178 6.48 6.44 4.03
44792  0.50     Ideal     E     VS2  62.2    54  1624 5.08 5.11 3.17
34614  0.27     Ideal     E     VS1  61.6    56   470 4.14 4.17 2.56
27998  0.30   Premium     E     VS2  61.7    58   658 4.32 4.34 2.67
画图实际上是把数据中的变量映射到图形属性上。以克拉(carat)数为X轴变量,价格(price)为Y轴变量。
require(ggplot2)
data(diamonds)
set.seed(42)
small <- diamonds[sample(nrow(diamonds), 1000), ]#随机抽取1000个作为样本
head(small)
#画图实际上是把数据中的变量映射到图形属性上。
#以克拉(carat)数为X轴变量,价格(price)为Y轴变量。
p <- ggplot(data = small, mapping = aes(x = carat, y = price))
#上面这行代码把数据映射XY坐标轴上,需要告诉ggplot2,这些数据要映射成什么样的几何对象,
#下面以散点为例:
p + geom_point()
#如果想将切工(cut)映射到形状属性。只需要:
p <- ggplot(data=small, mapping=aes(x=carat, y=price, shape=cut)) 
p + geom_point()
#再比如我想将钻石的颜色(color)映射颜色属性:
p <- ggplot(data=small, mapping=aes(x=carat, y=price, shape=cut, colour=color))
p+geom_point()

R实战:【绘图】ggplot2[多维度分析神器]_第1张图片
R实战:【绘图】ggplot2[多维度分析神器]_第2张图片
R实战:【绘图】ggplot2[多维度分析神器]_第3张图片

更直观的绘图语法

最后一幅图也可以用下面的写法来完成

#再比如我想将钻石的颜色(color)映射颜色属性:
ggplot(data=small) + geom_point(aes(x=carat, y=price, shape=cut, colour=color))
R实战:【绘图】ggplot2[多维度分析神器]_第4张图片

分面(将一个维度拆分成多图)

p <- ggplot(mpg, aes(displ, cty)) + geom_point()
head(mpg)
tail(mpg)
p + facet_grid(. ~ cyl)#将cyl维度拆分成:左右多图
p + facet_grid(cyl~.)#将cyl维度拆分成:上下多图
p + facet_grid(drv ~ .)#将drv维度拆分成:上下多图
p + facet_grid(drv ~ cyl)#将drv和cyl拆分成二维多图
> head(mpg)
  manufacturer model displ year cyl      trans drv cty hwy fl   class
1         audi    a4   1.8 1999   4   auto(l5)   f  18  29  p compact
2         audi    a4   1.8 1999   4 manual(m5)   f  21  29  p compact
3         audi    a4   2.0 2008   4 manual(m6)   f  20  31  p compact
4         audi    a4   2.0 2008   4   auto(av)   f  21  30  p compact
5         audi    a4   2.8 1999   6   auto(l5)   f  16  26  p compact
6         audi    a4   2.8 1999   6 manual(m5)   f  18  26  p compact
> tail(mpg)
    manufacturer  model displ year cyl      trans drv cty hwy fl   class
229   volkswagen passat   1.8 1999   4   auto(l5)   f  18  29  p midsize
230   volkswagen passat   2.0 2008   4   auto(s6)   f  19  28  p midsize
231   volkswagen passat   2.0 2008   4 manual(m6)   f  21  29  p midsize
232   volkswagen passat   2.8 1999   6   auto(l5)   f  16  26  p midsize
233   volkswagen passat   2.8 1999   6 manual(m5)   f  18  26  p midsize
234   volkswagen passat   3.6 2008   6   auto(s6)   f  17  26  p midsize

p + facet_grid(. ~ cyl)#将cyl维度拆分成:左右多图

R实战:【绘图】ggplot2[多维度分析神器]_第5张图片

p + facet_grid(cyl~.)#将cyl维度拆分成:上下多图

R实战:【绘图】ggplot2[多维度分析神器]_第6张图片

p + facet_grid(drv ~ .)#将drv维度拆分成:上下多图

R实战:【绘图】ggplot2[多维度分析神器]_第7张图片

p + facet_grid(drv ~ cyl)#将drv和cyl拆分成二维多图

R实战:【绘图】ggplot2[多维度分析神器]_第8张图片

一个维度的多角度对比分析

dts <- as.Date("20050101", '%Y%m%d') + seq(0,1000,15)
A <- data.frame( Dates = dts, Gas = 4000 + cumsum(abs( rnorm(length(dts), 100, 30))))
head(A)
A <- transform( A,               
                Year = format(Dates, '%Y'),
                DayOfYear = as.numeric( format(Dates, '%j')),
                GasDiff = c(diff( Gas ),NA))
head(A)
require(ggplot2)
ggplot(A, aes(Dates, GasDiff)) + geom_line( aes(colour = Year))#不同的年份不同的颜色
ggplot(A, aes(DayOfYear, GasDiff)) + geom_line( )  + facet_grid(Year ~ .)#不同的年份不同的图框(上下放置)
ggplot(A, aes(DayOfYear, GasDiff)) + geom_line( aes(colour = Year) )#不同的年份不同颜色(不拆分图框)
ggplot(A, aes(DayOfYear, GasDiff)) + geom_line( aes(colour = Year) )  + geom_point( aes(shape = Year))#不同的年份不同颜色(不拆分图框)

> head(A)
       Dates      Gas
1 2005-01-01 4149.130
2 2005-01-16 4285.929
3 2005-01-31 4371.898
4 2005-02-15 4451.551
5 2005-03-02 4602.443
6 2005-03-17 4748.729

> A <- transform( A,               
+                 Year = format(Dates, '%Y'),
+                 DayOfYear = as.numeric( format(Dates, '%j')),
+    .... [TRUNCATED] 

> head(A)
       Dates      Gas Year DayOfYear   GasDiff
1 2005-01-01 4149.130 2005         1 136.79945
2 2005-01-16 4285.929 2005        16  85.96883
3 2005-01-31 4371.898 2005        31  79.65307
4 2005-02-15 4451.551 2005        46 150.89207
5 2005-03-02 4602.443 2005        61 146.28541
6 2005-03-17 4748.729 2005        76 106.43583
ggplot(A, aes(Dates, GasDiff)) + geom_line( aes(colour = Year))#不同的年份不同的颜色

R实战:【绘图】ggplot2[多维度分析神器]_第9张图片
ggplot(A, aes(DayOfYear, GasDiff)) + geom_line( )  + facet_grid(Year ~ .)#不同的年份不同的图框(上下放置)
R实战:【绘图】ggplot2[多维度分析神器]_第10张图片
ggplot(A, aes(DayOfYear, GasDiff)) + geom_line( aes(colour = Year) )#不同的年份不同颜色(不拆分图框) R实战:【绘图】ggplot2[多维度分析神器]_第11张图片
ggplot(A, aes(DayOfYear, GasDiff)) + geom_line( aes(colour = Year) )  + geom_point( aes(shape = Year))#不同的年份不同颜色(不拆分图框)
R实战:【绘图】ggplot2[多维度分析神器]_第12张图片



参考:https://www.plob.org/article/7264.html

你可能感兴趣的:(R,R语言实战)