繪圖操作之ggstatsplot(高級繪圖谷异,基礎(chǔ)知識)

最近年中總結(jié)分尸,我們來分享一些繪圖的操作,基礎(chǔ)知識歹嘹,多多學(xué)習(xí)

今天我們分享的是R包ggstatsplot寓落,非常完美的一個(gè)繪圖R包,我們來看看這個(gè)包的繪圖能力荞下。

1. R包的安裝和載入

install.packages("ggstatsplot")
install.packages("rstantools")   # 使用到里面的函數(shù)
install.packages("afex")         # 使用到里面的函數(shù)
library(ggstatsplot)             # 只需載入一個(gè)包

R包get伶选! 接下來會一一介紹里面包含的幾個(gè)主要函數(shù)。

2. ggbetweenstats() : 多組間的均數(shù)比較

首先以多組間的均數(shù)比較為例尖昏,從而驗(yàn)證是否真的可以一行代碼作圖仰税。 接下來會用到R中自帶的iris數(shù)據(jù)集。

ggbetweenstats(data = iris, x = Species, y = Sepal.Length)
圖片

真是太牛了抽诉!只打了一行代碼陨簇,你卻給我這么多!太不公平了迹淌!像這樣的事情以后可以多來點(diǎn)!

不過!上面圖片里信息太多了,它們到底分別代表什么意思矢空?請看下圖:

圖片.png

總而言之歇竟,圖片上面的部分代表傳統(tǒng)的統(tǒng)計(jì)學(xué)方法(Frequentist)的一些統(tǒng)計(jì)值丧枪,下面的部分代表貝葉斯(Bayesian)的一些統(tǒng)計(jì)值。 文章末尾會介紹如何簡化圖片的輸出信息,比如去掉貝葉斯的內(nèi)容。現(xiàn)在繼續(xù)了解其他函數(shù)廷痘。

3. ggwithinstats():重復(fù)測量

一個(gè)組別如果分別在多個(gè)時(shí)間點(diǎn)被采集數(shù)據(jù),這種情況就歸屬于重復(fù)測量設(shè)計(jì)件已,就不能采用上述的多組間均數(shù)比較了笋额,因?yàn)橐呀?jīng)違反了獨(dú)立性的原則。在這種情況下篷扩,可以這么作圖:

ggwithinstats(data = iris, x = Species, y = Sepal.Length)
圖片

需要注意的是兄猩,為了演示,小編還是使用iris的數(shù)據(jù)集鉴未,而在重復(fù)測量的數(shù)據(jù)里枢冤,x軸通常指的是不同的時(shí)間。上圖中的紅色線條即為了注明它們之間是配對的歼狼。

4. ggscatterstats():散點(diǎn)圖

在研究兩個(gè)連續(xù)變量的時(shí)候掏导,散點(diǎn)圖可以呈現(xiàn)兩者間的關(guān)系享怀。下面也是一行搞定:

ggscatterstats(data = iris, x = Sepal.Length, y = Sepal.Width)
圖片

除了顯示散點(diǎn)圖羽峰,還分別畫出了兩個(gè)變量各自的直方圖從而可以觀察它們的分布情況,非常的實(shí)用添瓷!

5. gghistostats() :直方圖

如果有一個(gè)連續(xù)變量梅屉,想要觀察它的分布情況,以及通過單樣本t檢驗(yàn)去比較是否與一個(gè)特定的值有差異鳞贷,那么可以這么做:

gghistostats(data = iris, x = Sepal.Length, test.value = 6)   
image.gif

6. ggcorrmat() :多個(gè)變量的相關(guān)圖

要一下子呈現(xiàn)多個(gè)連續(xù)變量的關(guān)系坯汤,可以選擇相關(guān)矩陣。下方也是使用iris數(shù)據(jù)集搀愧,首先需將Species這個(gè)變量先剔除惰聂,然后作圖:

ggcorrmat(data = iris[, -5])
圖片

也是非常的實(shí)用,尤其在探索性分析階段咱筛。默認(rèn)使用Pesrson相關(guān)分析(參數(shù)性檢驗(yàn))搓幌,上述中含有X的方框,表示沒有統(tǒng)計(jì)學(xué)意義迅箩。

7. ggpiestats() :餅圖

如果有兩個(gè)分類變量溉愁,想要通過卡方檢驗(yàn)進(jìn)行率的比較,那可以采用餅圖的形式作圖饲趋。使用到mtcars數(shù)據(jù)集:

ggpiestats(data = mtcars, x = am, y = vs)
圖片

8. ggbarstats():呈現(xiàn)分類變量的柱狀圖

除了使用上面的餅圖拐揭,還可以使用柱狀圖:

ggbarstats(data = mtcars, x = am, y = vs)
圖片

9. ggcoefstats():將回歸系數(shù)作圖

比如撤蟆,建立了一個(gè)線性回歸模型,現(xiàn)在想要將自變量的回歸系數(shù)進(jìn)行作圖堂污,那可以這么做:

mymodel <- lm(mpg ~ cyl + disp + hp, data = mtcars)
ggcoefstats(mymodel)     # 將回歸系數(shù)作圖
圖片.png

非常清新脫俗有沒有

10. 一行代碼搞定一切家肯?天下沒有這么容易的事情!

雖然說夢想是一行代碼搞定一切敷鸦,但現(xiàn)實(shí)中是不可能的息楔!

圖片

下面舉一個(gè)例子,如何進(jìn)一步調(diào)整輸出的圖片從而滿足自己的需求扒披。以第4部分的散點(diǎn)圖為例:

圖片

比如值依,研究中沒有用到貝葉斯,所以想要將圖片下方的一串統(tǒng)計(jì)值刪除碟案,并且覺得Sepal.Length這個(gè)變量并不符合正態(tài)分布愿险,所以選擇Spearman相關(guān)(默認(rèn)是Pearson相關(guān)),那么可以這么做:

ggscatterstats(data = iris, x = Sepal.Length, y = Sepal.Width,               
bf.message = FALSE,      # 去除貝葉斯相關(guān)的統(tǒng)計(jì)值              
type = "nonparamatric")  # 選擇非參數(shù)檢驗(yàn)
圖片

這里只是舉了一個(gè)小例子价说,這個(gè)包還可以對很多參數(shù)進(jìn)行修飾辆亏,由于篇幅有限,無法一一介紹鳖目,感興趣的小伙伴可以查看下方兩篇文獻(xiàn)深入了解扮叨。

好啦,今天的內(nèi)容就到這里领迈。如果有幫助彻磁,記得分享給需要的人!

生活很好狸捅,有你更好

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
禁止轉(zhuǎn)載衷蜓,如需轉(zhuǎn)載請通過簡信或評論聯(lián)系作者。
  • 序言:七十年代末尘喝,一起剝皮案震驚了整個(gè)濱河市磁浇,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌朽褪,老刑警劉巖置吓,帶你破解...
    沈念sama閱讀 216,919評論 6 502
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異缔赠,居然都是意外死亡衍锚,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,567評論 3 392
  • 文/潘曉璐 我一進(jìn)店門橡淑,熙熙樓的掌柜王于貴愁眉苦臉地迎上來构拳,“玉大人,你說我怎么就攤上這事≈蒙” “怎么了斗埂?”我有些...
    開封第一講書人閱讀 163,316評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長凫海。 經(jīng)常有香客問我呛凶,道長,這世上最難降的妖魔是什么行贪? 我笑而不...
    開封第一講書人閱讀 58,294評論 1 292
  • 正文 為了忘掉前任漾稀,我火速辦了婚禮,結(jié)果婚禮上建瘫,老公的妹妹穿的比我還像新娘崭捍。我一直安慰自己,他們只是感情好啰脚,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,318評論 6 390
  • 文/花漫 我一把揭開白布殷蛇。 她就那樣靜靜地躺著,像睡著了一般橄浓。 火紅的嫁衣襯著肌膚如雪粒梦。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,245評論 1 299
  • 那天荸实,我揣著相機(jī)與錄音匀们,去河邊找鬼。 笑死准给,一個(gè)胖子當(dāng)著我的面吹牛泄朴,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播圆存,決...
    沈念sama閱讀 40,120評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼叼旋,長吁一口氣:“原來是場噩夢啊……” “哼仇哆!你這毒婦竟也來了沦辙?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 38,964評論 0 275
  • 序言:老撾萬榮一對情侶失蹤讹剔,失蹤者是張志新(化名)和其女友劉穎油讯,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體延欠,經(jīng)...
    沈念sama閱讀 45,376評論 1 313
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡陌兑,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,592評論 2 333
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了由捎。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片兔综。...
    茶點(diǎn)故事閱讀 39,764評論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出软驰,到底是詐尸還是另有隱情涧窒,我是刑警寧澤,帶...
    沈念sama閱讀 35,460評論 5 344
  • 正文 年R本政府宣布锭亏,位于F島的核電站纠吴,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏慧瘤。R本人自食惡果不足惜戴已,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,070評論 3 327
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望锅减。 院中可真熱鬧糖儡,春花似錦、人聲如沸怔匣。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,697評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽劫狠。三九已至拴疤,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間独泞,已是汗流浹背呐矾。 一陣腳步聲響...
    開封第一講書人閱讀 32,846評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留懦砂,地道東北人蜒犯。 一個(gè)月前我還...
    沈念sama閱讀 47,819評論 2 370
  • 正文 我出身青樓,卻偏偏與公主長得像荞膘,于是被迫代替她去往敵國和親罚随。 傳聞我的和親對象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,665評論 2 354

推薦閱讀更多精彩內(nèi)容