R可視化——散點(diǎn)圖的繪制及其拓展

數(shù)據(jù)

本文章共用到三個(gè)R內(nèi)嵌的數(shù)據(jù)集——iris寝优、mpg分尸、mtcars:

iris
mpg
mtcars
image.png

image.png

image.png

散點(diǎn)圖的繪制及其拓展

1、基礎(chǔ)散點(diǎn)圖繪制
library(ggplot2)
p1<-ggplot(iris,aes(Sepal.Length,Sepal.Width,color=Species))+
  geom_point()+
  theme_bw()
p1
image.png
2业踢、具有相關(guān)性的散點(diǎn)添加擬合曲線并添加相關(guān)系數(shù)——使用到了ggpubr包中的stat_cor函數(shù)
library(ggpubr)
p1+facet_wrap(~Species)+
  geom_smooth(method = lm) +
  stat_cor(method = "pearson", label.x = c(5,5,5))
image.png
3玻淑、局部放大效果的實(shí)現(xiàn)(此前文章講解過俗或,大家自行參考)
library(ggforce)
p1+facet_zoom(x = Species == "versicolor")
image.png
4、圈出圖中某些數(shù)據(jù)點(diǎn)
library(ggalt)
library(dplyr)
circle.df <- iris %>% filter(Species == "setosa")
p1+geom_encircle(data = circle.df, linetype = 1)
image.png
5岁忘、避免散點(diǎn)圖中的數(shù)據(jù)點(diǎn)重疊——使用抖動(dòng)點(diǎn)或計(jì)數(shù)點(diǎn)圖
# 基礎(chǔ)散點(diǎn)圖
ggplot(mpg, aes(cty, hwy)) +
  geom_point(size = 2)+
  theme_bw()
image.png
# 抖動(dòng)點(diǎn)圖
ggplot(mpg, aes(cty, hwy)) +
  geom_jitter(size = 2, width = 0.5)+
  theme_bw()
image.png
#計(jì)數(shù)點(diǎn)圖,重疊的點(diǎn)越多区匠,圓的尺寸就越大
ggplot(mpg, aes(cty, hwy)) +
  geom_count()+
  theme_bw()
image.png
6干像、展示多個(gè)變量——?dú)馀輬D
ggplot(mtcars, aes(mpg, wt, color=cyl)) +
  geom_point(aes(size = qsec), alpha = 0.5) +
  scale_size(range = c(0.5, 12))+
  theme_bw()
image.png
7、散點(diǎn)圖添加邊緣密度圖
library(ggpubr)
ggscatterhist(iris, x = "Sepal.Length", y = "Sepal.Width",
  color = "Species", size = 3, alpha = 0.6,
  palette = c("#00AFBB", "#E7B800", "#FC4E07"),
  margin.params = list(fill = "Species", color = "black", size = 0.2))
image.png
8驰弄、散點(diǎn)圖添加邊緣箱線圖(當(dāng)然也可通過拼圖實(shí)現(xiàn)麻汰,具體參考此前文章)
library(ggpubr)
ggscatterhist(iris, x = "Sepal.Length", y = "Sepal.Width",
  color = "Species", size = 3, alpha = 0.6,
  palette = c("#00AFBB", "#E7B800", "#FC4E07"),
  margin.plot = "boxplot",
  ggtheme = theme_bw())
image.png
參考書籍:GGPlot2 Essentials for Great Data Visualization in R
?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)濱河市戚篙,隨后出現(xiàn)的幾起案子五鲫,更是在濱河造成了極大的恐慌,老刑警劉巖岔擂,帶你破解...
    沈念sama閱讀 206,013評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件位喂,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡乱灵,警方通過查閱死者的電腦和手機(jī)塑崖,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,205評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來痛倚,“玉大人规婆,你說我怎么就攤上這事。” “怎么了抒蚜?”我有些...
    開封第一講書人閱讀 152,370評(píng)論 0 342
  • 文/不壞的土叔 我叫張陵掘鄙,是天一觀的道長。 經(jīng)常有香客問我嗡髓,道長操漠,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 55,168評(píng)論 1 278
  • 正文 為了忘掉前任器贩,我火速辦了婚禮颅夺,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘蛹稍。我一直安慰自己吧黄,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,153評(píng)論 5 371
  • 文/花漫 我一把揭開白布唆姐。 她就那樣靜靜地躺著拗慨,像睡著了一般。 火紅的嫁衣襯著肌膚如雪奉芦。 梳的紋絲不亂的頭發(fā)上赵抢,一...
    開封第一講書人閱讀 48,954評(píng)論 1 283
  • 那天,我揣著相機(jī)與錄音声功,去河邊找鬼烦却。 笑死,一個(gè)胖子當(dāng)著我的面吹牛先巴,可吹牛的內(nèi)容都是我干的其爵。 我是一名探鬼主播,決...
    沈念sama閱讀 38,271評(píng)論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼伸蚯,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼摩渺!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起剂邮,我...
    開封第一講書人閱讀 36,916評(píng)論 0 259
  • 序言:老撾萬榮一對(duì)情侶失蹤摇幻,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后挥萌,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體绰姻,經(jīng)...
    沈念sama閱讀 43,382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 35,877評(píng)論 2 323
  • 正文 我和宋清朗相戀三年瑞眼,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了龙宏。 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 37,989評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡伤疙,死狀恐怖银酗,靈堂內(nèi)的尸體忽然破棺而出辆影,到底是詐尸還是另有隱情,我是刑警寧澤黍特,帶...
    沈念sama閱讀 33,624評(píng)論 4 322
  • 正文 年R本政府宣布蛙讥,位于F島的核電站,受9級(jí)特大地震影響灭衷,放射性物質(zhì)發(fā)生泄漏次慢。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,209評(píng)論 3 307
  • 文/蒙蒙 一翔曲、第九天 我趴在偏房一處隱蔽的房頂上張望迫像。 院中可真熱鬧,春花似錦瞳遍、人聲如沸闻妓。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,199評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽由缆。三九已至,卻和暖如春猾蒂,著一層夾襖步出監(jiān)牢的瞬間均唉,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,418評(píng)論 1 260
  • 我被黑心中介騙來泰國打工肚菠, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留舔箭,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 45,401評(píng)論 2 352
  • 正文 我出身青樓蚊逢,卻偏偏與公主長得像限嫌,于是被迫代替她去往敵國和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子时捌,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,700評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容