R語言三大繪圖R包之三---ggstatsplot

美圖神器ggstatsplot-專為學(xué)術(shù)論文而生

在CRAN(comprehensive R Achive Netwokrk)中已有13000多個R包了
簡單講ggstatsplot能夠提供更為豐富信息的包,其實就是畫出高質(zhì)量的圖
不需要我們花費(fèi)過多的精力去調(diào)整繪圖細(xì)節(jié),舉個例子
一般的探索性數(shù)據(jù)分過程析包括數(shù)據(jù)可視化與數(shù)據(jù)統(tǒng)計兩個部分懂讯,而ggstatsplot正是達(dá)到兩者結(jié)合的目的

舉例說明

組間比較-ggbetweenstats

library(ggstatsplot)
library(ggplot2)

p代表參數(shù)檢驗署咽,np代表非參數(shù)
mpaa是分類變量,y是數(shù)值型變量

head(movies_long)
## # A tibble: 6 x 8
##   title                        year length budget rating  votes mpaa  genre
##   <chr>                       <int>  <int>  <dbl>  <dbl>  <int> <fct> <fct>
## 1 Shawshank Redemption, The    1994    142     25    9.1 149494 R     Drama
## 2 Lord of the Rings: The Ret~  2003    251     94    9   103631 PG-13 Acti~
## 3 Lord of the Rings: The Fel~  2001    208     93    8.8 157608 PG-13 Acti~
## 4 Lord of the Rings: The Two~  2002    223     94    8.8 114797 PG-13 Acti~
## 5 Pulp Fiction                 1994    168      8    8.8 132745 R     Drama
## 6 Schindler's List             1993    195     25    8.8  97667 R     Drama
ggbetweenstats(
  data = movies_long,
  x = mpaa, # > 2 groups
  y = rating,
  type = "p", # default
  messages = FALSE
)

image

默認(rèn)參數(shù)繪圖

ggbetweenstats(
  data = movies_long,
  x = mpaa,
  y = rating
)

image

配對比較
pairwise.display參數(shù)控制曾現(xiàn)的比較,ns無意義,all,所有,s有意義的

ggbetweenstats(
  data = movies_long,
  x = mpaa,
  y = rating,
  type = "np",
  mean.ci = TRUE,
  pairwise.comparisons = TRUE,
  pairwise.display = "s",
  p.adjust.method = "fdr",
  messages = FALSE
)

image

調(diào)整顏色,主題,可信區(qū)間調(diào)整,突出值標(biāo)記
confi.level:可信區(qū)間調(diào)整,ggtheme主題,pallete:顏色調(diào)用
outlier:超出界限標(biāo)記

ggbetweenstats(
  data = movies_long,
  x = mpaa,
  y = rating,
  type = "r",
  conf.level = 0.99,
  pairwise.comparisons = TRUE,
  pairwise.annotation = "p", 
  outlier.tagging = TRUE,
  outlier.label = title,
  outlier.coef = 2,
  ggtheme = hrbrthemes::theme_ipsum_tw(),
  palette = "Darjeeling2",
  package = "wesanderson",
  messages = FALSE
)

image

ggwithinstats組內(nèi)比較

圖還是非常美觀铐尚,就不去細(xì)講每個參數(shù)了,需要時調(diào)用即可哆姻,這也是作者的意圖

ggwithinstats(
  data = WRS2::WineTasting,
  x = Wine, # > 2 groups
  y = Taste,
  pairwise.comparisons = TRUE,
  pairwise.annotation = "p",
  ggtheme = hrbrthemes::theme_ipsum_tw(),
  ggstatsplot.layer = FALSE,
  messages = FALSE
)

image

相關(guān)性圖-ggscatterstats

代碼簡介宣增,細(xì)節(jié)豐富

ggscatterstats(
  data = movies_long,
  x = budget,
  y = rating,
  type = "p", # default #<<<
  conf.level = 0.99,
  marginal=F,
  messages = TRUE
)

image

其實還可以畫很多其它的圖,顏值都非常高矛缨,這里不再過多介紹爹脾,真正做到一圖勝千言

總結(jié)一下這個包的局限性:

  • 雖然圖的信息量大,但有時比如presentation箕昭,時間不夠灵妨,圖信息過多反而不利于簡明扼要的傳達(dá)信息
  • 另外就是計算的統(tǒng)計量比較單一

參考鏈接:http://www.reibang.com/p/bb3b4d5c2b15

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市落竹,隨后出現(xiàn)的幾起案子泌霍,更是在濱河造成了極大的恐慌,老刑警劉巖述召,帶你破解...
    沈念sama閱讀 212,383評論 6 493
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件朱转,死亡現(xiàn)場離奇詭異,居然都是意外死亡桨武,警方通過查閱死者的電腦和手機(jī)肋拔,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,522評論 3 385
  • 文/潘曉璐 我一進(jìn)店門锈津,熙熙樓的掌柜王于貴愁眉苦臉地迎上來呀酸,“玉大人,你說我怎么就攤上這事琼梆⌒杂” “怎么了?”我有些...
    開封第一講書人閱讀 157,852評論 0 348
  • 文/不壞的土叔 我叫張陵茎杂,是天一觀的道長错览。 經(jīng)常有香客問我,道長煌往,這世上最難降的妖魔是什么倾哺? 我笑而不...
    開封第一講書人閱讀 56,621評論 1 284
  • 正文 為了忘掉前任轧邪,我火速辦了婚禮,結(jié)果婚禮上羞海,老公的妹妹穿的比我還像新娘忌愚。我一直安慰自己,他們只是感情好却邓,可當(dāng)我...
    茶點故事閱讀 65,741評論 6 386
  • 文/花漫 我一把揭開白布硕糊。 她就那樣靜靜地躺著,像睡著了一般腊徙。 火紅的嫁衣襯著肌膚如雪简十。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,929評論 1 290
  • 那天撬腾,我揣著相機(jī)與錄音螟蝙,去河邊找鬼。 笑死时鸵,一個胖子當(dāng)著我的面吹牛胶逢,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播饰潜,決...
    沈念sama閱讀 39,076評論 3 410
  • 文/蒼蘭香墨 我猛地睜開眼初坠,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了彭雾?” 一聲冷哼從身側(cè)響起碟刺,我...
    開封第一講書人閱讀 37,803評論 0 268
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎薯酝,沒想到半個月后半沽,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,265評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡吴菠,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...
    茶點故事閱讀 36,582評論 2 327
  • 正文 我和宋清朗相戀三年者填,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片做葵。...
    茶點故事閱讀 38,716評論 1 341
  • 序言:一個原本活蹦亂跳的男人離奇死亡占哟,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出酿矢,到底是詐尸還是另有隱情榨乎,我是刑警寧澤,帶...
    沈念sama閱讀 34,395評論 4 333
  • 正文 年R本政府宣布瘫筐,位于F島的核電站蜜暑,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏策肝。R本人自食惡果不足惜肛捍,卻給世界環(huán)境...
    茶點故事閱讀 40,039評論 3 316
  • 文/蒙蒙 一隐绵、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧拙毫,春花似錦氢橙、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,798評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至袍患,卻和暖如春坦康,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背诡延。 一陣腳步聲響...
    開封第一講書人閱讀 32,027評論 1 266
  • 我被黑心中介騙來泰國打工滞欠, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人肆良。 一個月前我還...
    沈念sama閱讀 46,488評論 2 361
  • 正文 我出身青樓筛璧,卻偏偏與公主長得像,于是被迫代替她去往敵國和親惹恃。 傳聞我的和親對象是個殘疾皇子夭谤,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,612評論 2 350

推薦閱讀更多精彩內(nèi)容