2018-07-23 R for data science之使用ggplot2进行可视化

library(tidyverse)
library(ggplot2)

查看mpg数据结构

## 采用ggplot2自带的数据mpg来探索引擎与燃油效率之间的关系
## 变量displ:引擎的大小   hwy: 燃油的效率
View(mpg)
2018-07-23 R for data science之使用ggplot2进行可视化_第1张图片
image.png

简单可视化

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy))
2018-07-23 R for data science之使用ggplot2进行可视化_第2张图片
image.png

ggplot2画图结构

ggplot(data = ) +
  (mapping = aes())

Exercises

  1. Run ggplot(data = mpg). What do you see?
  2. How many rows are in mtcars? How many columns?
  3. What does the drv variable describe? Read the help for ?mpg to
    find out.
  4. Make a scatterplot of hwy versus cyl.
  5. What happens if you make a scatterplot of class versus drv? Why is the plot not useful?
1、 运行后得到的只是灰色的画布,我们并没有指定变量

2、查看数据有多少行列?
> dim(mpg)  ## 表示得到数据的维度
[1] 234  11  ##表示234行 11列
> ncol(mpg) # 列
[1] 11
> nrow(mpg) # 行
[1] 234

3、查看变量drv代表什么?
> ?mpg 
可以看到右边会显示得到如下结果
drv
f = front-wheel drive, r = rear wheel drive, 4 = 4wd 

4、绘制一个hwy与cyl的散点图
ggplot(mpg) +
  geom_point(aes(x = hwy, y = cyl))

5、ggplot(mpg) +
  geom_point(aes(x = class, y = drv))
2018-07-23 R for data science之使用ggplot2进行可视化_第3张图片
image.png

Aesthetic Mappings

将颜色映射到class上

> unique(mpg$class)
[1] "compact"    "midsize"    "suv"        "2seater"    "minivan"    "pickup"     "subcompact"
> ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy, color = class))
2018-07-23 R for data science之使用ggplot2进行可视化_第4张图片
image.png

以点的大小来代表每一个类别

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy, size = class))
2018-07-23 R for data science之使用ggplot2进行可视化_第5张图片
image.png

使用阴影程度来代表不同的类别

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy, alpha = class))
2018-07-23 R for data science之使用ggplot2进行可视化_第6张图片

使用不同的形状来代表不同的类别

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy, shape = class))
2018-07-23 R for data science之使用ggplot2进行可视化_第7张图片
image.png

如果想改变散点图中点的颜色?

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy), color = "blue")
2018-07-23 R for data science之使用ggplot2进行可视化_第8张图片
image.png

小结

  • 参数shape定义形状、color定义颜色,可以指定颜色或者根据变量中的level自动填充、size以点的大小来表示,alpha可以定义阴影程度。
  • shape参数形状汇总


    2018-07-23 R for data science之使用ggplot2进行可视化_第9张图片
    image.png

Exercises

  1. What happens if you map an aesthetic to something other than
    a variable name, like aes(color = displ < 5)?
ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy, color = displ < 5))
## 表示按照条件来填充颜色,不符合小于5的为一种颜色,符合小于5的为一种颜色
2018-07-23 R for data science之使用ggplot2进行可视化_第10张图片
image.png

Facets (分面)

## 按照变量class里面不用的类来分面
ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) +
  facet_wrap(~ class, nrow = 2) ##表示两行
2018-07-23 R for data science之使用ggplot2进行可视化_第11张图片
image.png
## 表示根据变量drv和cyl两个变量里面的类别进行排列组合即4*3=12个面
ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) +
  facet_grid(drv ~ cyl)
2018-07-23 R for data science之使用ggplot2进行可视化_第12张图片
image.png
ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) +
  facet_grid(drv ~ .)  ## 表示以行展示
ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) +
  facet_grid(. ~ drv) ##表示以列展示
2018-07-23 R for data science之使用ggplot2进行可视化_第13张图片
image.png

Geometric Objects

ggplot(data = mpg) +
  geom_smooth(mapping = aes(x = displ, y = hwy, linetype = drv))
2018-07-23 R for data science之使用ggplot2进行可视化_第14张图片
image.png
ggplot(data = mpg) +
  geom_smooth(mapping = aes(x = displ, y = hwy, linetype = drv, color = drv))
2018-07-23 R for data science之使用ggplot2进行可视化_第15张图片
image.png
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
  geom_point(mapping = aes(color = class)) +
  geom_smooth()
2018-07-23 R for data science之使用ggplot2进行可视化_第16张图片
image.png

使用filter函数挑选某一类进行smooth

ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
  geom_point(mapping = aes(color = class)) +
  geom_smooth(
    data = filter(mpg, class == "subcompact"),
    se = FALSE
  )
2018-07-23 R for data science之使用ggplot2进行可视化_第17张图片
image.png

哈哈 中文版买了,现在开始就看中文版了

1.7 统计变换 (P19)

  • geom_bar() 统计变换的过程


    2018-07-23 R for data science之使用ggplot2进行可视化_第18张图片
    image.png
ggplot(data = diamonds) + geom_bar(mapping = aes(x = cut))
ggplot(data = diamonds) + stat_count(mapping = aes(x = cut))
这两句代码是等价的,在这里geom_bar()使用了stat_count()函数进行统计变换
2018-07-23 R for data science之使用ggplot2进行可视化_第19张图片
image.png

如果你只想要显示比例而不是计数的话使用以下命令 ,y = ..prop..表示百分比的形式

ggplot(data = diamonds) + geom_bar(mapping = aes(x = cut, y = ..prop.., group = 1))

你可能想要在代码中强调统计变换。例如,你可以使用 stat_summary() 函数将人们的注意力吸引到你计算出的那些摘要统计量上。 stat_summary() 函数为 x 的每个唯一值计算 y 值的摘要统计:

ggplot(data = diamonds) + stat_summary(mapping = aes(x = cut, y = depth), 
                                       fun.ymin = min,
                                       fun.ymax = max,
                                       fun.y = median
)
## 表示每一个变量对应的深度的值的分布,最大值、最小值、以及中位值,类似箱式图
2018-07-23 R for data science之使用ggplot2进行可视化_第20张图片
image.png

1.8、位置调整

添加柱状图边框的颜色

ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut, color = cut))
2018-07-23 R for data science之使用ggplot2进行可视化_第21张图片
image.png

如果要设置柱状图填充的颜色,就需要使用fill参数

ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut, fill = cut))
2018-07-23 R for data science之使用ggplot2进行可视化_第22张图片
image.png

如果将 fill 图形属性映射到另一个变量(如 clarity),那么条形会自动分块堆叠起来。每个彩色矩形表示 cut 和 clarity 的一种组合。

ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut, fill = clarity))
2018-07-23 R for data science之使用ggplot2进行可视化_第23张图片
image.png

这种堆叠是由 position 参数设定的位置调整功能自动完成的。如果不想生成堆叠式条形图,你还可以使用以下 3 种选项之一: "identity"、 "fill" 和 "dodge"。

  • position = "identity" 将每个对象直接显示在图中。这种方式不太适合条形图,因为
    条形会彼此重叠。为了让重叠部分能够显示出来,我们可以设置 alpha 参数为一个较小
    的数,从而使得条形略微透明;或者设定 fill = NA,让条形完全透明:
ggplot(data = diamonds,mapping = aes(x = cut, fill = clarity)) +
  geom_bar(alpha = 1/5, position = "identity")

ggplot(data = diamonds, mapping = aes(x = cut, color = clarity)) +
  geom_bar(fill = NA, position = "identity")
2018-07-23 R for data science之使用ggplot2进行可视化_第24张图片
fill = clarity

2018-07-23 R for data science之使用ggplot2进行可视化_第25张图片
fill = NA
  • position = "fill" 的效果与堆叠相似,但每组堆叠条形具有同样的高度,因此这种条
    形图可以非常轻松地比较各组间的比例:
ggplot(data = diamonds) + 
  geom_bar(mapping = aes(x = cut, fill = clarity),position = "fill")
2018-07-23 R for data science之使用ggplot2进行可视化_第26张图片
image.png
  • position = "dodge" 将每组中的条形依次并列放置,这样可以非常轻松地比较每个条形
    表示的具体数值:
ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut, fill = clarity), position = "dodge")
2018-07-23 R for data science之使用ggplot2进行可视化_第27张图片
image.png

1.9、坐标系

坐标系可能是 ggplot2 中最复杂的部分。默认的坐标系是笛卡儿直角坐标系,可以通过其独立作用的 x 坐标和 y 坐标找到每个数据点。

  • coord_flip() 函数可以交换 x 轴和 y 轴。
ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
  geom_boxplot()

ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
  geom_boxplot() +
  coord_flip()
2018-07-23 R for data science之使用ggplot2进行可视化_第28张图片
image.png
  • coord_polar() 函数使用极坐标系。极坐标系可以揭示出条形图和鸡冠花图间的一种有趣联系:
bar <- ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut, fill = cut), show.legend = FALSE,width = 1) +
  theme(aspect.ratio = 1) + labs(x = NULL, y = NULL)
bar
bar + coord_flip()
bar + coord_polar()
2018-07-23 R for data science之使用ggplot2进行可视化_第29张图片
image.png

你可能感兴趣的:(2018-07-23 R for data science之使用ggplot2进行可视化)