11. ggplot2中scale系列函數(shù)中的trans參數(shù)

scale transformation中的trans參數(shù)
以可視化log轉(zhuǎn)換的結(jié)果為例說明ggplot2是如何實(shí)現(xiàn)的:

# mpg為original data , p0為original data的可視化 帆卓,p1和p2為兩種實(shí)現(xiàn)方式
p0 <- ggplot(mpg,aes(displ,cty)) + geom_point() + labs(title="original mpg")
p1 <- ggplot(mpg,aes(displ,log10(cty))) + geom_point() + labs(title="change mpg")
p2 <- ggplot(mpg,aes(displ,cty)) + geom_point() + scale_y_continuous(trans="log10") + labs(title="scale transformation")
p3 <- ggplot(mpg,aes(displ,cty)) + geom_point() + coord_trans(x="log10",y="log10") + labs(title="coord_trans()")
ggpubr::ggarrange(p0,p1,p2,p3,ncol=1)

p1p2除了縱坐標(biāo)labels泉手,其他看起來一模一樣。兩者的區(qū)別是:相對(duì)于p0送滞,p1直接對(duì)original data(mpg)進(jìn)行transformat(改變了original data)寸谜,p2通過scale進(jìn)行transformat(不改變original data)肚菠。
總結(jié)下來是:要實(shí)現(xiàn)坐標(biāo)軸的log轉(zhuǎn)換,對(duì)data進(jìn)行l(wèi)og轉(zhuǎn)換是必須的菱阵。p1p2的區(qū)別其實(shí)是可視化實(shí)現(xiàn)方式(顯式轉(zhuǎn)換和隱式轉(zhuǎn)換)的區(qū)別踢俄。在log轉(zhuǎn)換后的可視化結(jié)果中,坐標(biāo)軸相同breaks處只是labels的區(qū)別晴及,實(shí)際對(duì)應(yīng)的數(shù)值是相同的褪贵,也就是對(duì)p2來說,真實(shí)的數(shù)值被帶上了"面具"抗俄,”面具“與真實(shí)數(shù)值之間是一一對(duì)應(yīng)關(guān)系脆丁。
為什么推薦p2?便于與p0比較动雹,可以看到log轉(zhuǎn)換后哪些更細(xì)微的差別被顯示出來槽卫。

you use a transformed scale, the axes will be labelled in the original data space; if you transform the data, the axes will be labelled in the transformed space

相對(duì)于p0p3所做的事情是original data不變胰蝠,使坐標(biāo)軸不再是一個(gè)線性數(shù)軸歼培,而是經(jīng)過log轉(zhuǎn)換的數(shù)軸,因此這種轉(zhuǎn)換可能會(huì)改變幾何對(duì)象的形狀茸塞。另外躲庄,breaks的位置會(huì)變,但實(shí)際對(duì)應(yīng)的值钾虐,也就是labels跟p0是一樣的噪窘。

Regardless of which method you use, the transformation occurs before any statistical summaries. To transform after statistical computation use coord_trans()

在少數(shù)情況下,ggplot2為了簡化效扫,提供了幾種常用transformation的函數(shù):scale_x/y_log10()倔监、scale_x/y_reverse()scale_x/y_sqrt()菌仁。所以以下命令等價(jià):

p4 <- ggplot(mpg,aes(displ,cty)) + geom_point() + scale_x_log10()
p5 <- ggplot(mpg,aes(displ,cty)) + geom_point() + scale_x_continuous(trans="log10")

trans參數(shù)的可選項(xiàng)如下:

transformation由transfer執(zhí)行来吩,一個(gè)transfer描述transformation及其逆轉(zhuǎn)換以及如何繪制labels荸实。以下命令等價(jià):

p5 <- ggplot(mpg,aes(displ,cty)) + geom_point() + scale_x_continuous(trans="log10")
p6 <- ggplot(mpg,aes(displ,cty)) + geom_point() + scale_x_continuous(trans=scales::log10_trans())

可以用trans_new()構(gòu)建自己的transfer:

trans_new(
   name,    # transformation name
   transform,   # 函數(shù)或函數(shù)名睡毒,用來執(zhí)行transformation
   inverse, # 函數(shù)或函數(shù)名生巡,用來執(zhí)行逆轉(zhuǎn)換
   breaks = extended_breaks(),  # default breaks function
   minor_breaks = regular_minor_breaks(),   # default minor breaks function
   format = format_format(),    # default format
   domain = c(-Inf, Inf)
)

查看log_trans()的源代碼:

> log_trans
function (base = exp(1))
{
    force(base)
    trans <- function(x) log(x, base)
    inv <- function(x) base^x
    trans_new(paste0("log-", format(base)), trans, inv, log_breaks(base = base),
        domain = c(1e-100, Inf))
}
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子疟赊,更是在濱河造成了極大的恐慌辱士,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,839評(píng)論 6 482
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件听绳,死亡現(xiàn)場(chǎng)離奇詭異颂碘,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)椅挣,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,543評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門头岔,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人鼠证,你說我怎么就攤上這事峡竣。” “怎么了量九?”我有些...
    開封第一講書人閱讀 153,116評(píng)論 0 344
  • 文/不壞的土叔 我叫張陵适掰,是天一觀的道長。 經(jīng)常有香客問我荠列,道長类浪,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 55,371評(píng)論 1 279
  • 正文 為了忘掉前任肌似,我火速辦了婚禮费就,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘川队。我一直安慰自己力细,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,384評(píng)論 5 374
  • 文/花漫 我一把揭開白布固额。 她就那樣靜靜地躺著眠蚂,像睡著了一般。 火紅的嫁衣襯著肌膚如雪斗躏。 梳的紋絲不亂的頭發(fā)上逝慧,一...
    開封第一講書人閱讀 49,111評(píng)論 1 285
  • 那天,我揣著相機(jī)與錄音瑟捣,去河邊找鬼馋艺。 笑死,一個(gè)胖子當(dāng)著我的面吹牛迈套,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播碱鳞,決...
    沈念sama閱讀 38,416評(píng)論 3 400
  • 文/蒼蘭香墨 我猛地睜開眼桑李,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起贵白,我...
    開封第一講書人閱讀 37,053評(píng)論 0 259
  • 序言:老撾萬榮一對(duì)情侶失蹤率拒,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后禁荒,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體猬膨,經(jīng)...
    沈念sama閱讀 43,558評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,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 36,007評(píng)論 2 325
  • 正文 我和宋清朗相戀三年呛伴,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了勃痴。 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。...
    茶點(diǎn)故事閱讀 38,117評(píng)論 1 334
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡热康,死狀恐怖沛申,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情姐军,我是刑警寧澤铁材,帶...
    沈念sama閱讀 33,756評(píng)論 4 324
  • 正文 年R本政府宣布,位于F島的核電站奕锌,受9級(jí)特大地震影響著觉,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜惊暴,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,324評(píng)論 3 307
  • 文/蒙蒙 一固惯、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧缴守,春花似錦葬毫、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,315評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至村砂,卻和暖如春烂斋,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背础废。 一陣腳步聲響...
    開封第一講書人閱讀 31,539評(píng)論 1 262
  • 我被黑心中介騙來泰國打工汛骂, 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,地道東北人评腺。 一個(gè)月前我還...
    沈念sama閱讀 45,578評(píng)論 2 355
  • 正文 我出身青樓帘瞭,卻偏偏與公主長得像,于是被迫代替她去往敵國和親蒿讥。 傳聞我的和親對(duì)象是個(gè)殘疾皇子蝶念,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,877評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容

  • 寫在前面 ggplot2 是一個(gè)功能強(qiáng)大且靈活的R包 抛腕,由Hadley Wickham 編寫,其用于生成優(yōu)雅的圖...
    Boer223閱讀 27,933評(píng)論 0 67
  • 作者:嚴(yán)濤浙江大學(xué)作物遺傳育種在讀研究生(生物信息學(xué)方向)偽碼農(nóng)媒殉,R語言愛好者担敌,愛開源 ggplot2學(xué)習(xí)筆記之圖...
    wanghaihua888閱讀 2,581評(píng)論 0 6
  • 簡介 文章較長,點(diǎn)擊直達(dá)我的博客廷蓉,瀏覽效果更好全封。本文內(nèi)容基本是來源于STHDA,這是一份十分詳細(xì)的ggplot2使...
    taoyan閱讀 50,913評(píng)論 7 159
  • 這個(gè)R tutorial描述如何使用ggplot2包修改x和y軸刻度桃犬。同樣刹悴,該文包含如何執(zhí)行軸轉(zhuǎn)換(對(duì)數(shù)化,開方等...
    王詩翔閱讀 114,909評(píng)論 1 47
  • ggplot2基礎(chǔ)(2)——坐標(biāo)軸 ggplot2基礎(chǔ)(1)[http://www.reibang.com/p/...
    韌心222閱讀 3,329評(píng)論 0 3