zoukankan html css js c++ java

R:ggplot2数据可视化——基础知识

1 安装

# 获取ggplot2 最容易的就是下载整个tidyverse:
install.packages("tidyverse")

# 也可以选择只下载ggplot2:
install.packages("ggplot2")

# 或者下载GitHub上的开发者版本
# install.packages("devtools")
devtools::install_github("tidyverse/ggplot2")

2 快速入门

1 基本设置

library(ggplot2)
ggplot(diamonds)  #以diamonds数据集为例
#gg <- ggplot(df, aes(x=xcol, y=ycol)) 其中df只能是数据框 
ggplot(diamonds, aes(x=carat))  # 如果只有X-axis值 Y-axis can be specified in respective geoms.
ggplot(diamonds, aes(x=carat, y=price))  # if both X and Y axes are fixed for all layers.
ggplot(diamonds, aes(x=carat, color=cut))  #  'cut' 变量每种类型单独一个颜色, once a geom is added.

#aes代表美化格式 ggplot2 把 X 和 Y 轴也当作和颜色、尺寸、形状等相同的格式 设定颜色(不是基于数据框中的变量)，需要在aes()外面设置

ggplot(diamonds, aes(x=carat), color="steelblue")

2 层

ggplot2 中的层也叫做 ‘geoms’.一旦完成基本设置，就可以再上面添加不同的层此documentation 中提供所有的层的信息，增加层后，图形才会展示出来。

library(ggplot2)
gg <- ggplot(diamonds, aes(x=carat, y=price)) 
gg + geom_point()

gg + geom_point(size=1, shape=1, color="steelblue", stroke=2)  # 'stroke' 控制点边界的宽度 静态设置格式

gg + geom_point(aes(size=carat, shape=cut, color=color, stroke=carat))  # carat, cut color 动态根据数据框中变量设置格式

ggplot(diamonds, aes(x=carat, y=price, color=cut)) + geom_point() + geom_smooth() # Adding scatterplot geom (layer1) and smoothing geom (layer2).
#或者是在geom层里面自定义美化格式
ggplot(diamonds) + geom_point(aes(x=carat, y=price, color=cut)) + geom_smooth(aes(x=carat, y=price, color=cut))

#把不同平滑曲线整合成一条
library(ggplot2)
ggplot(diamonds) + geom_point(aes(x=carat, y=price, color=cut)) + geom_smooth(aes(x=carat, y=price)) # Remove color from geom_smooth
ggplot(diamonds, aes(x=carat, y=price)) + geom_point(aes(color=cut)) + geom_smooth()  # same but simpler

# 把不同颜色的散点的形状设成不同的
ggplot(diamonds, aes(x=carat, y=price, color=cut, shape=color)) + geom_point()

添加水平或者垂直线

p1 <- gg3 + geom_hline(yintercept=5000, size=2, linetype="dotted", color="blue") # linetypes: solid, dashed, dotted, dotdash, longdash and twodash
p2 <- gg3 + geom_vline(xintercept=4, size=2, color="firebrick")#添加垂直线
p3 <- gg3 + geom_segment(aes(x=4, y=5000, xend=4, yend=10000, size=2, lineend="round"))#添加方块
p4 <- gg3 + geom_segment(aes(x=carat, y=price, xend=carat, yend=price-500, color=color), size=2) + coord_cartesian(xlim=c(3, 5))  # x, y: start points. xend, yend: end points
gridExtra::grid.arrange(p1,p2,p3,p4, ncol=2)

3 标签

使用 labs 层来自定义标签

library(ggplot2)
gg <- ggplot(diamonds, aes(x=carat, y=price, color=cut)) + geom_point() + labs(title="Scatterplot", x="Carat", y="Price")  # 增加坐标轴和图像标题
print(gg)#保存图形

4 主题和格式调整

使用Theme函数控制标签的尺寸、颜色等，在element_text()函数内自定义具体的格式，想要清除格式，则设为element_blank()即可

gg1 <- gg + theme(plot.title=element_text(size=30, face="bold"), 
                  axis.text.x=element_text(size=15), #x轴文本
                  axis.text.y=element_text(size=15),
                  axis.title.x=element_text(size=25),
                  axis.title.y=element_text(size=25)) + 
  scale_color_discrete(name="Cut of diamonds")  # add title and axis text, 改变图例标题
#scale_shape_discrete(name="legend title") 基于离散分类变量生成对应图例标题
#scale_shape_continuous(name="legend title") 基于连续变量 shape fill color属性
print(gg1)

#改变图形中所有文本的颜色等
gg2 + theme(text=element_text(color="blue"))  # all text turns blue.

#改变点的颜色
gg3 + scale_colour_manual(name='Legend', values=c('D'='grey', 'E'='red', 'F'='blue', 'G'='yellow', 'H'='black', 'I'='green', 'J'='firebrick'))

颜色表：

调整x y轴范围

三种方法：

Using coord_cartesian(xlim=c(x1,x2))
Using xlim(c(x1,x2))
Using scale_x_continuous(limits=c(x1,x2)) 注意：第2、3种方法会删除数据框中不在范围之内的点的信息

#调整x y 轴范围
gg3 + coord_cartesian(xlim=c(0,3), ylim=c(0, 5000)) + geom_smooth()  # zoom in

#删除坐标范围之外的点 注意这时候平滑线也会相应改变 可能会误导分析
gg3 + scale_x_continuous(limits=c(0,3)) + scale_y_continuous(limits=c(0, 5000)) + geom_smooth()  # deletes the points outside limits
#> Warning message:
#> Removed 14714 rows containing missing values (geom_point).

#改变x y轴标签 间隔等 
gg3 + scale_x_continuous(labels=c("zero", "one", "two", "three", "four", "five")) + scale_y_continuous(breaks=seq(0, 20000, 4000))  # Y 是连续变量  X 是类型变量

#旋转文本角度
gg3 + theme(axis.text.x=element_text(angle=45), axis.text.y=element_text(angle=45))

gg3 + coord_flip()  #把x和y轴对换

#设置图形内背景网格
gg3 + theme(panel.background = element_rect(fill = 'springgreen'),
  panel.grid.major = element_line(colour = "firebrick", size=3),
  panel.grid.minor = element_line(colour = "blue", size=1))

图形背景与边距

#设置图形外背景颜色和边距
gg3 + theme(plot.background=element_rect(fill="yellowgreen"), plot.margin = unit(c(2, 4, 1, 3), "cm")) # top, right, bottom, left

图例

gg3 + scale_color_discrete(name="")  # 删除图例标题
p1 <- gg3 + theme(legend.title=element_blank())  # 删除图例标题
p2 <- gg3 + scale_color_discrete(name="Diamonds")  # 改变图例标题
gg3 + scale_colour_manual(name='Legend', values=c('D'='grey', 'E'='red', 'F'='blue', 'G'='yellow', 'H'='black', 'I'='green', 'J'='firebrick'))# 改变图例标题和点颜色

#隐藏图例标题
gg3 + theme(legend.position="none")  # hides the legend
#改变图例位置
p1 <- gg3 + theme(legend.position="top")  # top / bottom / left / right 图形外
#图形内
p2 <- gg3 + theme(legend.justification=c(1,0), legend.position=c(1,0))  # legend justification 是图例的定标点 把图例的左下点作为 (0,0)
gridExtra::grid.arrange(p1, p2, ncol=2) 
#相当于library(gridExtra)
#grid.arrange(p1, p2, ncol=2)  

#改变图例具体项目的顺序 按照需求在图例中创建一个新的类型变量
df$newLegendColumn <- factor(df$legendcolumn, levels=c(new_order_of_legend_items), ordered = TRUE) 

#legend.title - 图例标题
#legend.text - 图例文本
#legend.key - 图例背景框
#guides - 图例符号
gg3 + theme(legend.title = element_text(size=20, color = "firebrick"), legend.text = element_text(size=15), legend.key=element_rect(fill='steelblue')) + guides(colour = guide_legend(override.aes = list(size=2, shape=4, stroke=2)))  
# legend title color and size, box color, symbol color, size and shape.

5 多图绘制

gg1 + facet_wrap( ~ cut, ncol=3)  # cut类型变量的每种类型是一个图 设置为三列
gg1 + facet_wrap(color ~ cut)  # row: color, column: cut 左边的对应行 右边的对应列

gg1 + facet_wrap(color ~ cut, scales="free")  # row: color, column: cut 释放尺度限制

gg1 + facet_grid(color ~ cut)   # 为方便比较 把所有图片放在网格中 头信息去掉 更多的空间给图形

6 一些经常用到的特征

制作时间序列图形(使用`ggfortify`)

使用ggfortify包很容易直接用一个时间序列对象来画时间序列图形，而不用把数据类型转换为数据框，更多请见

#下载ggfortify包
library(devtools)
install_github('sinhrks/ggfortify')

ggfortify 使得 ggplot2 知道怎么解译 ts 对象. 加载 ggfortify 包后, 你可以使用 ggplot2::autoplot 函数来操作 ts 对象

library(ggfortify)
autoplot(AirPassengers) + labs(title="AirPassengers")  # where AirPassengers is a 'ts' object

autoplot(AirPassengers, ts.colour = 'red', ts.linetype = 'dashed')#改变线的颜色和类型
#使用 help(autoplot.ts) (or help(autoplot.*) for any other objects) 来查询可以改变的选项

autoplot 也能处理其他时间序列类型. 支持的包有:

zoo::zooreg
xts::xts
timeSeries::timSeries
tseries::irts

library(xts)
autoplot(as.xts(AirPassengers), ts.colour = 'green')

也能通过命名改变{ggplot2} 几何图形类型. 支持线、条形、点图

autoplot(AirPassengers, ts.geom = 'bar', fill = 'blue')
autoplot(AirPassengers, ts.geom = 'point', shape = 3)

同一张图上画多个时间序列

要求数据是数据框类型，且一列必须为时间数据

（1）转换成数据框后，累加层

# Approach 1:
data(economics, package="ggplot2")  #  数据初始化
economics <- data.frame(economics)  # 转换为数据框类型
ggplot(economics) + geom_line(aes(x=date, y=pce, col="pcs")) + geom_line(aes(x=date, y=unemploy, col="unemploy")) + scale_color_discrete(name="Legend") + labs(title="Economics") # 画多条线 使用 'geom_line's

（2）使用 reshape2::melt 设置 id 到日期格式来合并数据框. 然后增加一个 geom_line 把颜色格式设置为variable (此变量是在合并过程中被创建).

# Approach 2:
library(reshape2)
df <- melt(economics[, c("date", "pce", "unemploy")], id="date")
ggplot(df) + geom_line(aes(x=date, y=value, color=variable)) + labs(title="Economics")# plot multiple time series by melting

条形图

ggplot 默认创建的是 ‘counts’ 型的条形图，即计算某一列变量中每种值出现的频数，这时候无需指定y轴的变量

但是呢，如果想具体指定y轴的值，这时候一定要在geom_bar内设置stat="identity"

# 绝对条形图: Specify both X adn Y axis. Set stat="identity"
df <- aggregate(mtcars$mpg, by=list(mtcars$cyl), FUN=mean)  # 计算每个'cyl'对应的mpg变量均值
names(df) <- c("cyl", "mpg")#为数据框增加变量名字
head(df)
#>   cyl    mpg
#> 1   4  26.66
#> 2   6  19.74
#> 3   8  15.10

gg_bar <- ggplot(df, aes(x=cyl, y=mpg)) + geom_bar(stat = "identity")  # Y axis is explicit. 'stat=identity'
print(gg_bar)

改变条形图的颜色和宽度

df$cyl <- as.factor(df$cyl)#把cyl作为类型变量
gg_bar <- ggplot(df, aes(x=cyl, y=mpg)) + geom_bar(stat = "identity", aes(fill=cyl), width = 0.25)
gg_bar + scale_fill_manual(values=c("4"="steelblue", "6"="firebrick", "8"="darkgreen"))

改变颜色

library(RColorBrewer)
display.brewer.all(n=20, exact.n=FALSE)  # 展示所有颜色方案
ggplot(mtcars, aes(x=cyl, y=carb, fill=factor(cyl))) + geom_bar(stat="identity") + scale_fill_brewer(palette="Reds")  # "Reds" is palette name

gg <- ggplot(mtcars, aes(x=cyl))
p1 <- gg + geom_bar(position="dodge", aes(fill=factor(vs)))  # side-by-side 并列
p2 <- gg + geom_bar(aes(fill=factor(vs)))  # stacked 堆积
gridExtra::grid.arrange(p1, p2, ncol=2)

折线图

# 方法 1:
gg <- ggplot(economics, aes(x=date))  # 基本设置
gg + geom_line(aes(y=psavert), size=2, color="firebrick") + geom_line(aes(y=uempmed), size=1, color="steelblue", linetype="twodash")  #没有图例
# 折线类型有: solid, dashed, dotted, dotdash, longdash and twodash

# 方法 2:
library(reshape2)
df_melt <- melt(economics[, c("date", "psavert", "uempmed")], id="date")  # melt by date. 
gg <- ggplot(df_melt, aes(x=date))  # setup
gg + geom_line(aes(y=value, color=variable), size=1) + scale_color_discrete(name="Legend")  # gets legend.有图例

丝带图

使用 geom_ribbon()画填充时间序列图 需要 ymin and ymax 两个参量

# Prepare the dataframe
st_year <- start(AirPassengers)[1] #开始年份
st_month <- "01"
st_date <- as.Date(paste(st_year, st_month, "01", sep="-"))#开始日期
dates <- seq.Date(st_date, length=length(AirPassengers), by="month")#生产日期数组 以月为间隔
df <- data.frame(dates, AirPassengers, AirPassengers/2)#一定要记得构建数据框
head(df)
#>        dates AirPassengers AirPassengers.2
#> 1 1949-01-01           112            56.0
#> 2 1949-02-01           118            59.0
#> 3 1949-03-01           132            66.0
#> 4 1949-04-01           129            64.5
#> 5 1949-05-01           121            60.5
#> 6 1949-06-01           135            67.5
# Plot ribbon with ymin=0
gg <- ggplot(df, aes(x=dates)) + labs(title="AirPassengers") + theme(plot.title=element_text(size=30), axis.title.x=element_text(size=20), axis.text.x=element_text(size=15))
gg + geom_ribbon(aes(ymin=0, ymax=AirPassengers)) + geom_ribbon(aes(ymin=0, ymax=AirPassengers.2), fill="green")

gg + geom_ribbon(aes(ymin=AirPassengers-20, ymax=AirPassengers+20)) + geom_ribbon(aes(ymin=AirPassengers.2-20, ymax=AirPassengers.2+20), fill="green")

区域图

geom_area和 geom_ribbon类似，只是 ymin设置为 0，如果想画重叠的区域图，使用 alpha aesthetic 使得最外层为透明的

# Method1: 非重叠区域
df <- reshape2::melt(economics[, c("date", "psavert", "uempmed")], id="date")
head(df, 3)
#>         date variable value
#> 1 1967-07-01  psavert  12.5
#> 2 1967-08-01  psavert  12.5
#> 3 1967-09-01  psavert  11.7
p1 <- ggplot(df, aes(x=date)) + geom_area(aes(y=value, fill=variable)) + labs(title="Non-Overlapping - psavert and uempmed")

# Method2: 重叠区域 PS：因为没有构建成数据框，也就相应没有图例啦
p2 <- ggplot(economics, aes(x=date)) + geom_area(aes(y=psavert), fill="yellowgreen", color="yellowgreen") + geom_area(aes(y=uempmed), fill="dodgerblue", alpha=0.7, linetype="dotted") + labs(title="Overlapping - psavert and uempmed")
gridExtra::grid.arrange(p1, p2, ncol=2)

箱形图和小提琴图

可以使用: * outlier.shape * outlier.stroke * outlier.size * outlier.colour 来控制异常点的形状大小边缘

如果 notch 被设为 TRUE，见下图

p1 <- ggplot(mtcars, aes(factor(cyl), mpg)) + geom_boxplot(aes(fill = factor(cyl)), 
width=0.5, outlier.colour = "dodgerblue", outlier.size = 4, outlier.shape = 16, outlier.stroke = 2, notch=T) + labs(title="Box plot")  # boxplot
p2 <- ggplot(mtcars, aes(factor(cyl), mpg)) + geom_violin(aes(fill = factor(cyl)), width=0.5, trim=F) + labs(title="Violin plot (untrimmed)")  # violin plot
gridExtra::grid.arrange(p1, p2, ncol=2)

密度图

ggplot(mtcars, aes(mpg)) + geom_density(aes(fill = factor(cyl)), size=2) + labs(title="Density plot")  # Density plot

瓦片图（热力图）

corr <- round(cor(mtcars), 2)#生成相关系数矩阵 对称的
df <- reshape2::melt(corr)
gg <- ggplot(df, aes(x=Var1, y=Var2, fill=value, label=value)) + geom_tile() + theme_bw() + geom_text(aes(label=value, size=value), color="white") + labs(title="mtcars - Correlation plot") + theme(text=element_text(size=20), legend.position="none")

library(RColorBrewer)
p2 <- gg + scale_fill_distiller(palette="Reds")
p3 <- gg + scale_fill_gradient2()
gridExtra::grid.arrange(gg, p2, p3, ncol=3)

相同坐标轴范围

ggplot(diamonds, aes(x=price, y=price+runif(nrow(diamonds), 100, 10000), color=cut)) + geom_point() + geom_smooth() + coord_equal()

自定义布局

gridExtra包能在一个网格中安排放置多个图形

library(gridExtra)
grid.arrange(plot1, plot2, ncol=2)

改变主题

切换不同的内置主题：

theme_gray()
theme_bw()
theme_linedraw()
theme_light()
theme_minimal()
theme_classic()
theme_void()

ggthemes 包提供另外的主题这些主题模仿啦一些著名杂志或者软件的风格

#从 CRAN下载稳定版
install.packages('ggthemes', dependencies = TRUE)
#或者下载开发者版本
library("devtools")
install_github(c("hadley/ggplot2", "jrnold/ggthemes"))

ggplot(diamonds, aes(x=carat, y=price, color=cut)) + geom_point() + geom_smooth() +theme_bw() + labs(title="bw Theme")

注记

library(grid)
my_grob = grobTree(textGrob("This text is at x=0.1 and y=0.9, relative!
 Anchor point is at 0,0", x=0.1,  y=0.9, hjust=0,gp=gpar(col="firebrick", fontsize=25, fontface="bold")))

ggplot(mtcars, aes(x=cyl)) + geom_bar() + annotation_custom(my_grob) + labs(title="Annotation Example")

保存图片

plot1 <- ggplot(mtcars, aes(x=cyl)) + geom_bar()
ggsave("myggplot.png")  # 保存最近创建的图片
ggsave("myggplot.png", plot=plot1)  #保存指定的图形