精华内容
下载资源
问答
  • 绘图函数 qplot() :参数包括美学属性、几何体、面、统计、坐标系、主题这些层次。 ggplot() :本身不能实现,需要添加层才可以。 library(ggplot2) qplot(Wind,Temp,data=airquality,color=Month) 每个月份的数据用...

    ggplot绘图系统
    使用动词名词形容词构造句子的过程,将数据映射到美学属性上的过程,由层组成

    1074481-20170719103713958-1882551018.png

    绘图函数
    qplot() :参数包括美学属性、几何体、面、统计、坐标系、主题这些层次。
    ggplot() :本身不能实现,需要添加层才可以。

    library(ggplot2)
    qplot(Wind,Temp,data=airquality,color=Month)
    每个月份的数据用不同的颜色表示,其中month已经为分类变量,所以不用转化。如果不转换的话,就是一个渐变条。

    1074481-20170719103917380-1963756192.png

    qplot(Wind,Temp,data=airquality,color=I("red"))
    #使整个图的所有点都变成一个颜色,用I 来改变。

    1074481-20170719104613115-1098332075.png

    qplot(Wind,Temp,data=airquality,size=Month,xlab = "wind",ylab="Temp",main = "wind-temp/month")
    #每个月份的数据用点的不同的大小来表示

    1074481-20170719105042224-1371135124.png

    qplot(Wind,Temp,data=airquality,size=I(10),xlab = "wind",ylab="Temp",main = "wind-temp/month")
    #使用I 来确保所有的点的大小一致。

    1074481-20170719105320177-1158445151.png

    qplot(Wind,Temp,data=airquality,geom = c("point","smooth"))
    #使用geom拟合一条回归线,阴影部分代表置信区间

    1074481-20170719105729193-2111133218.png

    qplot(Wind,Temp,data=airquality,geom = c("point","smooth"),color=Month)
    #每个月份用不同的颜色表示,且每个月份得到一条回归线

    1074481-20170719105931302-578425675.png

    qplot(Wind,Temp,data=airquality,facets = .~Month)
    #面板,分成1行5列,分别对应5个月份的水平,如果得到5行1列,使用facets=Month~.

    1074481-20170719110231849-1235699369.png

    以上这些都是向qplot函数传入两个变量,所以系统默认的是做散点图,如果输入一个变量,则系统默认是柱状图

    qplot(Wind,data=airquality,facets = Month~.)
    #得到在月份水平下,风速的频率分布图

    1074481-20170719110953974-964701133.png

    qplot(Wind,data=airquality,fill=Month)
    #累加柱状图,不同月份用不同颜色表示

    1074481-20170719111452271-98413531.png

    qplot(Wind,data=airquality,geom = "density")
    #使用几何体的geom的密度,得到的是频率分布的轮廓线,更准确的说是密度函数

    1074481-20170719111647458-397797594.png

    qplot(Wind,data=airquality,geom = "density",color=Month)
    #加入颜色,表示每个月份下的密度函数

    1074481-20170719111914552-1083375444.png

    qplot(Wind,data=airquality,geom = "dotplot")
    #做出点图

    1074481-20170719112104974-2078195319.png

    转载于:https://www.cnblogs.com/sanmenyi/p/7204760.html

    展开全文
  • 之前在文章R语言可视化——ggplot2画回归曲线1中介绍过使用ggplot2中ggplot函数去添加回归曲线的R方方差分析表等。但是ggplot的语法比较复杂相对,里面由一个快速上手的函数qplot函数。今天就做一个qplot函数的添加...

    0引言

    之前在文章R语言可视化——ggplot2画回归曲线1中介绍过使用ggplot2中ggplot函数去添加回归曲线的R方方差分析表等。但是ggplot的语法比较复杂相对,里面由一个快速上手的函数qplot函数。今天就做一个qplot函数的添加回归曲线R方和方差分析表的例子。
    注:添加R方和方差分析都是来源于ggpmisc,而非ggplot2

    1、载入所需包

    library(ggplot2) # 加载底层包
    library(ggpmisc) #加载ggpmisc包
    

    2、构造数据

    数据仍然用文献1中的数据构造方法。

    n = 100
    set.seed(1)
    x <- runif(n, 0, 4)
    y <- x^2 - x + rnorm(n, 0, 0.4)
    MyClass <- factor((x>0) + (x>1) + (x>2) + (x>3),
     labels = c("0-1", "1-2", "2-3", "3-4"))
    Data <- data.frame(x = x, y = y, class = MyClass)
    head(Data)
              x          y class
    1 1.0620347  0.2251253   1-2
    2 1.4884956  0.4823130   1-2
    3 2.2914135  3.0956100   2-3
    4 3.6328312  9.1128858   3-4
    5 0.8067277  0.4172914   0-1
    6 3.5935587 10.1122656   3-4
    

    3、qplot函数底层的回归线数据

    p = qplot(x, y, data=Data, geom= c("point","smooth"),
     method= "glm", family= binomial) +theme_bw()
    p
    

    在这里插入图片描述

    4、ggpmisc添加回归信息

    p + 
     stat_smooth(color = "blue", formula = y ~ x,fill = "blue", method = "glm") +
     stat_poly_eq(
       aes(label = paste(..eq.label.., ..adj.rr.label.., sep = '~~~~~~')),
       formula = y ~ x,  parse = TRUE,
         size = 4, #公式字体大小
         label.x = 0.1,
         label.y = 0.8) + 
     stat_fit_tb(method = "lm",
                 method.args = list(formula = y ~ x),
                 tb.type = "fit.anova",
                 tb.vars = c(Effect = "term",
                             "自由度" = "df",
                             "均方" = "meansq",
                             "italic(F值)" = "statistic",
                             "italic(P值)" = "p.value"),
                 label.y = 0.7, label.x = 0.05,
                 size = 4.5,
                 parse = TRUE
    )
    

    在这里插入图片描述

    5、总结

    以上仅为参考,如由问题欢迎留言讨论。

    参考文献


    1. https://blog.csdn.net/weixin_46111814/article/details/105650257 ↩︎ ↩︎

    展开全文
  • R语言使用ggplot2包的快速可视化函数qplot绘制分组直方图(分组颜色设置)实战 目录 R语言使用ggplot2包的快速可视化函数qplot绘制分组直方图(分组颜色设置)实战 #仿真数据 #qplot函数的语法 #qplot函数...

    R语言使用ggplot2包的快速可视化函数qplot绘制分组直方图(分组颜色设置)实战

    目录

    R语言使用ggplot2包的快速可视化函数qplot绘制分组直方图(分组颜色设置)实战

    展开全文
  • R语言中的plot函数有点类似,qplot()函数前两个参数也是x,y,代表图中的x,y坐标。还可以用data参数来指定数据,作用类似于attach()library(ggplot2) qplot(carat,price,data=diamonds) qplot函数同时也支持将...

    与R语言中的plot函数有点类似,qplot()函数前两个参数也是x,y,代表图中的x,y坐标。还可以用data参数来指定数据,作用类似于attach()

    library(ggplot2)
    qplot(carat,price,data=diamonds)

    这里写图片描述
    qplot函数同时也支持将变量的函数作为参数,所以也可以作出log(price)和log(carat)的函数

    qplot(log(carat),log(price),data=diamonds)

    这里写图片描述

    这种处理过后,图形看起来近似于线性了
    函数的参数也可以是已有变量的组合,比如表示体积(x*y*z)

    qplot(carat,x*y*z,data=diamonds)

    这里写图片描述
    然后为了我们的图像更加的简洁美观,qplot函数对于颜色、大小、形状和其他的图形属性也有对应的参数。
    ‘colour=’ 点的颜色
    shape=’ 点的形状

    qplot(carat,price,data=diamonds,colour=color)
    qplot(carat,price,data=diamonds,shape=cut)

    这里写图片描述
    这里写图片描述
    当然也可以用I()来手动设定图形属性,比如说‘colour=I(“red”)’,如果想设定图形中元素重叠的现象,可以使用alpha这个属性,取值从0(完全透明)到1(完全不透明)

    qplot(carat,price,data=diamonds,alpha=I(1/10))
    qplot(carat,price,data=diamonds,alpha=I(1/100))
    qplot(carat,price,data=diamonds,alpha=I(1/200))

    这里写图片描述
    之前的示例都是都是散点图,通过改变几何对象(geom)可以画出各种各样图形
    geom=”point” 绘制散点图,指定x,y时默认的设置
    geom=”smooth” 拟合一条平滑曲线
    geom=”boxplot” 绘制箱线胡须图(概括一系列点的分布)
    geom=”jitter” 绘制扰动点图
    geom=”path”,geom=”line” 在数据点之间连线
    geom=”histogram” 绘制直方图
    geom=”density” 绘制密度曲线
    geom=”bar” 绘制条形图(离散变量)
    拟合平滑曲线

    qplot(carat,price,data=diamonds,geom=c("point","smooth"))

    这里写图片描述

    通过设置‘span=’可以控制曲线的平滑程度,从0(很不平滑)到1(很平滑)

    箱线图和扰动点图

    qplot(color,price/carat,data=diamonds,geom="jitter")
    qplot(color,price/carat,data=diamonds,geom="boxplot")

    这里写图片描述

    这里写图片描述
    在绘图时,可以用colour控制外框线的颜色,fill设置填充颜色,size来调节线的粗细。
    直方图和密度曲线图
    直方图

    qplot(carat,data=diamonds,geom="histogram",bindwidth=0.1)

    这里写图片描述
    bindwidth参数用于描述直方图的组距。

    密度曲线图

    qplot(carat,date=diamonds,geom="density",coluor=color)

    这里写图片描述

    讨论过图形属性后,我们可以使用分面的方法来实现将所有的组绘制在同一图中,默认的分面方法是将图形拆成若干个窗格,通过形如row_var~col_var
    的表达式进行指定

    qplot(carat,data=diamonds,facets=color ~ .,geom = "histogram",bindwidth=0.1,xlim =c(0,3))

    这里写图片描述

    其他的一些选项
    *xlim,ylim*:
    用于设置X轴和Y轴的显示区间,它们的取值都是一个长度为2的数值向量,如:xlim=c(0,20) 表示显示X在0到20这个区间的值。
    *main*
    图形的主标题,参数可以是字符也可以是表达式。如 main=”plot title”
    *xlab,ylab*
    x轴与y轴的标签文字

    展开全文
  • R语言-ggplot qplot作图

    千次阅读 2016-07-24 23:18:51
    转载地址:... qplot()函数的详细用法: library(ggplot2) # 测试数据集,ggplot2内置的钻石数据 qplot(carat, price, data = diamonds) dsmall #1. 按color,size,shape的基本分类可视化
  • R语言-ggplot实战系列(一): 一行代码作出n种图的qplot()函数 Q:如何用一个函数绘制出不同类型的图呢? A:qplot()一行代码帮你解决boxplot, scatterplot, smoother plot, historgram … 请记住!ggplot2的快速做图...
  • R语言qplot()的用法

    千次阅读 2017-05-24 20:57:28
    ggplot2()函数ggplot2是一个强大的作图工具,它可以让你不受现有图形类型的限制,创造出任何有助于解决你所遇到问题的图形。...它的用法和R base包的plot函数很相似。qplot()参数qplot(x, y = NULL
  • R语言分组画条形图——qplot

    万次阅读 2020-04-09 19:19:44
    R语言对于统计图的绘制可以说是非常有效了,本文使用ggplot2包里的qplot函数绘制条形图。大家一快学习使用。那个对ggplot2语法不了解的同学也可以前来参观。因为该案例不会涉及太对的语法。 1、数据简介 本文的数据...

空空如也

空空如也

1 2 3 4 5 ... 18
收藏数 358
精华内容 143
关键字:

r语言qplot函数