| R语言 使用ggplot2绘制散点图的综合指南 | 您所在的位置：网站首页 › 散点图数据标签怎么指定 › R语言 使用ggplot2绘制散点图的综合指南 |
R语言 使用ggplot2绘制散点图的综合指南
|
R语言 使用ggplot2绘制散点图的综合指南
在这篇文章中，我们将看到如何使用R编程语言中的ggplot2来绘制散点图。 ggplot2包是一个免费的、开源的、易于使用的可视化包，在R中广泛使用。这个包可以用R函数install.packages()来安装。 install.packages("ggplot2")散点图用点来表示两个不同数字变量的值，用来观察这些变量之间的关系。为了绘制散点图，我们将使用 geom_point()函数。 以下是关于ggplot函数geom_point()的简要信息。 语法： geom_point(size, color, fill, shape, stroke) 参数 : size : 点的大小color : 点的颜色/边界 fill : 点的颜色 shape : 点的形状，范围从0到25 stroke。点边界的厚度 返回：它创建散点图。 例子： 简单散点图 library(ggplot2) ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) + geom_point()输出
这里我们将用一组数据（即因子级数据）来区分数值。 aes()函数 控制组的颜色，它应该是因子变量。 语法 aes(color = factor(variable)) 例子： 带组的散点图 # Scatter plot with groups ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) + geom_point(aes(color = factor(Sepal.Width)))输出
在这里，我们使用 ais()方法 的颜色属性来改变具有特定变量的数据点的颜色。 例子： 改变颜色 # Changing color ggplot(iris) + geom_point(aes(x = Sepal.Length, y = Sepal.Width, color = Species))输出
为了改变数据点的形状，我们将使用带有ais()方法的 形状 属性。 例子： 改变形状 # Changing point shapes in a ggplot scatter plot # Changing color ggplot(iris) + geom_point(aes(x = Sepal.Length, y = Sepal.Width, shape = Species , color = Species))输出
为了改变审美或数据点，我们将在ais()方法中使用尺寸 属性 。 例子： 改变大小 # Changing the size aesthetic mapping in a # ggplot scatter plot ggplot(iris) + geom_point(aes(x = Sepal.Length, y = Sepal.Width, size = .5))输出
为了在数据点上部署标签，我们将在 geom_text()方法 中使用标签。 例子： 在散点图中标记点 # Label points in the scatter plot ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) + geom_point() + geom_text(label=rownames(iris))输出
回归模型是一个支持自变量的目标预测值，主要用于找出变量之间的关系和预测。在R中，我们可以使用stat_smooth()函数来平滑可视化。 语法： stat_smooth(method=”method_name”, formula=fromula_to_be_used, geom=’方法名称’) 参数 method。它是用于平滑线条的平滑方法（函数）。 formula。它是在平滑函数中使用的公式。 geom：它是用来显示数据的几何对象例子： 回归线 # Add regression lines with stat_smooth ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) + geom_point() + stat_smooth(method=lm)输出
例子： 使用stat_mooth与loess模式 # Add regression lines with stat_smooth ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) + geom_point() + stat_smooth()输出
geom_smooth()函数用于表示回归线并使其平滑化。 语法： geom_smooth(method=”method_name”, formula=fromula_to_be_used) 参数 method。它是用于平滑线的平滑方法（函数）。 formula。它是在平滑函数中使用的公式。例子： 使用geom_smooth() # Add regression lines with geom_smooth ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) + geom_point() + geom_smooth()输出
为了在geom_smooth()函数的帮助下在图形媒介上显示回归线，我们传递方法为 “loess”，所用公式为y ~ x。 例子： geom_smooth与loess模式 # Add regression lines with geom_smooth ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) + geom_point() + geom_smooth(method=lm, se=FALSE)输出
截距和斜率可以通过lm()函数轻松计算出来，该函数用于线性回归，然后是coefficients()。 例子： 截距和斜率 # Add regression lines with geom_smooth ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) + geom_point() + geom_smooth(intercept = 37, slope = -5, color="red", linetype="dashed", size=1.5)输出
scale_fill_manual, scale_size_manual, scale_shape_manual, scale_linetype_manual, 是为分类数据分配所需颜色的内置类型，我们使用其中的scale_color_manual()函数，它用于缩放（地图）。 语法: scale_shape_manualValue）用于点状图形 scale_color_manual(Value) 用于点的颜色。 scale_size_manual(Value)用于点的大小。参数: Value :一组用于映射数据的美学值。在这里，我们采取所需的颜色集。返回： 缩放数据上的手动颜色值 例子： 改变美学值 # Change the point color/shape/size manually library(ggplot2) # Change point shapes and colors manually ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) + geom_point() + geom_smooth(method=lm, se=FALSE, fullrange=TRUE)+ scale_shape_manual(values=c(3, 16, 17))+ scale_color_manual(values=c('#999999','#E69F00', '#56B4E9'))+ theme(legend.position="top")输出
为了在散点图中添加边际地毯，我们将使用geom_rug()方法。 例子： 边际地毯 # Add marginal rugs to a scatter plot # Changing point shapes in a ggplot scatter plot # Changing color ggplot(iris) + geom_point(aes(x = Sepal.Length, y = Sepal.Width, shape = Species , color = Species))+ geom_rug()输出
这里我们将在散点图中添加边际地毯。 例子： 边际废墟 # Add marginal rugs to a scatter plot ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) + geom_point()+ geom_rug()输出
为了在散点图中创建密度估计，我们将使用ggplot2的 geom_density_2d()方法和geom_density_2d_filled() 。 语法： ggplot( aes(x))+ geom_density_2d( fill, color, alpha) 参数 fill：绘图下方的背景颜色 color: 绘图线的颜色 alpha：图形的透明度例子： 带有二维密度估计的散点图 # Scatter plots with the 2d density estimation ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) + geom_point()+ geom_density_2d()输出
使用geom_density_2d_filled()来可视化数据点内的颜色情况 例子： 增加美感 ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) + geom_point()+ geom_density_2d(alpha = 0.5)+ geom_density_2d_filled()输出
stat_density_2d()也可以用来部署2d密度估计。 例子： 部署密度估计 # Scatter plots with the 2d density estimation ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) + geom_point()+ stat_density_2d()输出
为了在数据点群周围添加一个圆或椭圆，我们使用 stat_ellipse() 函数。这个函数会自动计算出圆/椭圆半径，以便在分类数据的点簇周围绘制圆/椭圆。 例子： 带椭圆的散点图 # Scatter plots with ellipses ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) + geom_point()+ stat_ellipse()输出
|
【本文地址】