精华内容
下载资源
问答
  • 当Y轴上的值差异性比较大的时候,如何进行坐标轴的截断,文档系统讲解了截断方法。
  • 最全的条形图绘制方法总结,毕业论文绘图必须教程,方便快捷解决你的绘图困扰
  • 29.R语言ggplot2——点图、折线图绘制方法教程.pdf
  • ggplot2文档说明r语言ggplot2包的基本函数说明及实例
  • 用于序列间的相关性矩阵计算,其中用到的其他语言包需自行下载,主题可自行调整
  • R软件及Rstudio画图大全,ggplot2里面有很多关于R原件的画图代码及图形展示。希望对你有用。
  • R语言ggplot2基础绘图案例 内含 1.条形图两张(详细代码及png图) 2.散点图三张(详细代码及png图) 3.折线图两张(详细代码及png图)
  • 8. R语言ggplot2-主成分分析PCA加置信圈.pdf
  • 32.R语言ggplot2和ggtext实现条形图加文本标注教程.pdf
  • R语言ggplot2包绘制散点图详解

    千次阅读 2020-03-19 09:44:44
    R语言ggplot包可以实现各种复杂的制图功能,本文以散点图为例,介绍ggplot2代码的使用方法。 首先,使用R内置数据attitude绘制complaints和learning的散点图。请注意ggplot2语法和R原生代码的区别。ggplot2采用...
    • List item
      R语言的ggplot包可以实现各种复杂的制图功能,本文以散点图为例,介绍ggplot2代码的使用方法。
      首先,使用R内置数据attitude绘制complaints和learning的散点图。请注意ggplot2语法和R原生代码的区别。ggplot2采用图层模式,不同图层用“+”叠加。
    > head(attitude,3)
      rating complaints privileges learning raises critical advance
    1     43         51         30       39     61       92      45
    2     63         64         51       54     63       73      47
    3     71         70         68       69     76       86      48
    

    首先用ggplot()函数指定数据源,之后使用geom_point()函数绘制散点图,该函数使用mapping参数传入x和y所在的列。

    ggplot(data = attitude) + 
      geom_point(mapping = aes(x = complaints, y = learning))
    

    image.png

    那么,如何对散点进行分类呢?我们采用CO2数据。

    > head(CO2)
    Grouped Data: uptake ~ conc | Plant
      Plant   Type  Treatment conc uptake
    1   Qn1 Quebec nonchilled   95   16.0
    2   Qn1 Quebec nonchilled  175   30.4
    3   Qn1 Quebec nonchilled  250   34.8
    4   Qn1 Quebec nonchilled  350   37.2
    5   Qn1 Quebec nonchilled  500   35.3
    6   Qn1 Quebec nonchilled  675   39.2
    

    这次在aes中指定了color属性,设置为Plant列,这样可以对不同的Plant对应的散点应用不同的颜色。

    ggplot(data = CO2) + 
      geom_point(mapping = aes(x = conc, y = uptake, color = Plant))
    

    image.png

    同样,还可以指定size参数,使散点大小与某一参数相关。

    ggplot(data = CO2) + 
      geom_point(mapping = aes(x = conc, y = uptake, color = Plant, size=conc))
    

    image.png

    指定shape参数,使散点的形状与某一参数相关。

    ggplot(data = CO2) + 
      geom_point(mapping = aes(x = conc, y = uptake, color = Plant, size=conc, shape=Type))
    

    image.png

    下面使用iris数据展示ggplot2的更多功能。

    > head(iris,3)
      Sepal.Length Sepal.Width Petal.Length Petal.Width Species
    1          5.1         3.5          1.4         0.2  setosa
    2          4.9         3.0          1.4         0.2  setosa
    3          4.7         3.2          1.3         0.2  setosa
    

    在mapping的aes参数中,还可以指定透明度alpha。

    ggplot(data = iris) + 
      geom_point(mapping = aes(x = Sepal.Length, y = Sepal.Width, alpha=  Petal.Length , color = Species, shape= Species, size= Petal.Width))
    

    image.png

    以上这些图像都采取了默认的设置,如果我们想自定义散点的形状、颜色等参数时,该怎么办呢?
    image.png

    引入color参数,可以自行设置颜色;使用shape参数可以自定义形状,各形状对应的序号如下。注意到color等参数是与mapping参数并列的。

    ggplot(data = iris) + 
     geom_point(mapping = aes(x = Sepal.Length, y = Sepal.Width), color = "red",shape=11)
    
    ggplot(data = iris) + 
      geom_point(mapping = aes(x = Sepal.Length, y = Sepal.Width, color= Species), color = c("#0FC62A","orange","#ABC"))
    

    image.png

    2.3.3.2. 多图布局
    如何将不同分类的变量绘制到不同的图上,实现多图布局呢?
    在geom_point函数后用“+”连接facet_wrap()函数,其中首个参数为用于分类的变量前加“~”,nrow参数表示每行布局的图像数。

    ggplot(data = iris) + 
      geom_point(mapping = aes(x = Sepal.Length, y = Sepal.Width, color = Species, shape= Species, size= Petal.Length)) + 
      facet_wrap(~ Species, nrow = 2)
    

    image.png

    如果需要用两个变量实现多图布局,可使用facet_grid()函数指定行列对应的变量,用“~”分隔。

    ggplot(data = CO2) + 
      geom_point(mapping = aes(x = conc, y = uptake, color=Plant)) + 
      facet_grid(Type ~ Treatment)
    

    image.png

    若“~”前后的参数换为“.”,则只在列或行进行多图布局。

    ggplot(data = CO2) + 
      geom_point(mapping = aes(x = conc, y = uptake, color=Plant)) + 
      facet_grid(Type ~ .)
    ggplot(data = CO2) + 
      geom_point(mapping = aes(x = conc, y = uptake, color=Plant)) + 
      facet_grid(. ~ Treatment)
    

    散点图常常会出现点重叠的情况,尤其是数据四舍五入后作图。通过调整参数position = “jitter”,可以避免这种网格化,为每个点添加少量随机噪声。因为没有两个点可能会接收到相同数量的随机噪声,所以这就使避免了散点堆积的情况。

    ggplot(data = CO2) + 
      geom_point(mapping = aes(x = conc, y = uptake, color=Plant), , position = "jitter") + 
      facet_grid(Type ~ Treatment)
    

    image.png

    主要参考文献:# R for Data Science
    https://r4ds.had.co.nz/data-visualisation.html

    展开全文
  • 9. R语言ggplot2绘图基础篇-柱状图加误差棒.pdf
  • R语言ggplot2修改图例

    千次阅读 2020-01-04 15:05:02
    R语言修改图例。
    序号操作代码
    1修改图例名称labs(fill = “name”)
    2隐藏/删除图例标题theme(legend.title = element_blank())
    3修改图例顺序scale_color_discrete(limits = c(“a”, “d”, “c”))
    4不加legendtheme(legend.position = “none”)
    5修改legend位置theme(legend.position = “left”) #(right, top, bottom)
    6修改尺寸大小theme(legend.text = element_text(colour = “red”, angle = 45, size = 10, hjust = 3, vjust = 3, face = “bold”))
    7颜色修改及一致性geom_bar(position = “stack”, aes(order = desc(name)))
    展开全文
  • 一、R语言的安装。 1.在搜索引擎中输入网址:R: The R Project for Statistical Computing (r-project.org)R: The R Project for Statistical Computing (r-project.org),跳转到R语言官网。 R: The R Project for...

    一、R语言的安装。

    1.在搜索引擎中输入网址:R: The R Project for Statistical Computing (r-project.org)R: The R Project for Statistical Computing (r-project.org),跳转到R语言官网。

    R: The R Project for Statistical Computing (r-project.org)

     2. 点击download R,跳转结果如下:

    3.选择China镜像,这里推荐使用中国科学技术大学的镜像,地址为:The Comprehensive R Archive Network。点击链接,得到以下界面,点击Download R for Windows

    4.点击后得到以下界面,点击install R for first time

     5.点击后,选折下载最新版本的R。

    6.点击Download R 4.1.2 for Windows ,进行下载,安装。

    二、RStudio的安装。

    1.在搜索引擎输入网址RStudio | Open source & professional software for data science teams - RStudio,跳转到如下页面。

    2.点击Products,如下图,然后点击Rstudio

     3.跳转后,选择Rstudio Desktop,跳转下一页。

     4.点击DOWNLOAD RSTUDIO DESKTOP进行跳转。

    5.跳转后选择Download RStudio Desktop的最新版本下载,下载成功。

     

     三、R语言与RStudio下载成功后打开RStudio,如下图。        

     四、ggplot2的下载与调用。

    1.首次使用在代码框中输入:install.packages(“ggplot2”),然后会自动下载成功。(注意同时下载时R语言和RStudio均选最新版本,否则会造成R语言和RStudio不兼容而下载失败

    2.选中install.packages(“ggplot2”),点击run运行,ggplot2安装成功。

    3.以后使用ggplot2之前输入代码library(“ggplot2”)即可,选中library(“ggplot2”)点击run运行。

    展开全文
  • <code class="language-R">p9 <- ggplot(PT9, aes(x=温度, y=频率,group=1,colour=体感热度)) + geom_point(size=2,shape=21) + #加点 geom_smooth(method = "lm"...
  • R语言绘制箱线图箱线图(又称盒须图)是常见的统计图形之一,通过绘制连续型变量的五数总括,即最小值、下四分位数(第25百分位数)、中位数(第50百分位数)、上四分位数(第75百分位数)以及最大值,描述了连续型变量的...
    2eb60ba88a085386e9076e5fd59f39ec.gif R语言绘制箱线图 2e030501923c5666ea08385b1e7ec0e4.gif

    箱线图(又称盒须图)是常见的统计图形之一,通过绘制连续型变量的五数总括,即最小值、下四分位数(第25百分位数)、中位数(第50百分位数)、上四分位数(第75百分位数)以及最大值,描述了连续型变量的分布。箱线图能够显示出可能为离群点(范围±1.5×IQR以外的值,IQR表示四分位距,即上四分位数与下四分位数的差值)的观测。

    默认情况下,两条须的延伸极限不会超过盒型各端加1.5倍四分位距的范围。此范围以外的值以点(即离群点)来表示。

    2dfb5fa25c500f7c788283aaa57ef83b.png

    本篇通过分享R语言绘制箱线图的几种常见样式的简单示例,以帮助入门的同学们掌握常规的作图技巧。

    作图数据的网盘链接(提取码pmbr):

    https://pan.baidu.com/s/1WZ2UzXPGw9M448v-fms6RA

    网盘附件“alpha.csv”为某16S细菌群落测序所获得的部分alpha多样性指数数据。其第一列为样本名称;observed_species、shannon、chao1和PD_whole_tree为四种类型的alpha多样性指数,其中的数值代表了各样本中该alpha多样性指数的数值;group1和group2为样本所对应的分组信息。

    本篇我们将通过绘制箱线图,展示alpha多样性指数在各分组中的分布概况。

    R语言绘制箱线图的简单示例

    我们首先将作图数据读到R中,并分别从中挑选部分数据,便于后续绘制不同的样式。

    #读取数据
    library(reshape2)
    alpha alpha$group2
    alpha1 alpha2 alpha3

    boxplot()箱线图

    R启动时默认加载了boxplot()命令,可用于绘制箱线图。我们使用boxplot()绘制箱线图展示chao1指数在c分组中的分布,如下示例。

    ##boxplot() 箱线图,详情使用 ?boxplot 查看帮助
    par(mfrow = c(1, 2))
    #常规样式
    boxplot(value~group2, data = alpha3, col = '#f8766d', ylab = 'Chao1 (group c)')
    #根据数据分布,添加凹槽
    boxplot(value~group2, data = alpha3, col = '#f8766d', notch = TRUE, varwidth = TRUE, ylab = 'Chao1 (group c)')

    a72bd9f1eb6db1e74770dcc35b777b2a.png

    ggplot2绘制箱线图

    ggplot2功能强大自然不必多说,以下继续展示使用ggplot2绘制箱线图的示例。

    ##ggplot2
    library(ggplot2)
    #单变量箱线图
    ggplot(alpha3, aes(x = group2, y = value)) +
    geom_boxplot(outlier.size = 1, fill = '#f8766d') +
    theme(panel.grid = element_blank(), panel.background = element_rect(fill = 'transparent', color = 'black')) +
    labs(x = '', y = 'Chao1')

    c6347f008e3e98eefc9c7c15f5398c5a.png

    #将各数据值以抖动散点的方式添加在箱线图中,同时绘制凹槽
    ggplot(alpha3, aes(x = group2, y = value, fill = group1)) +
    geom_boxplot(fill = '#f8766d', notch = TRUE) +
    geom_jitter(color = 'red', show.legend = FALSE) +
    theme(panel.grid = element_blank(), panel.background = element_rect(fill = 'transparent', color = 'black')) +
    labs(x = '', y = 'Chao1 (group c)')

    3fcc614fc8330479ebd9bd67e2c677cc.png

    #存在多分组时,多组分开展示的箱线图
    ggplot(alpha2, aes(x = group2, y = value, fill = group1)) +
    geom_boxplot(outlier.size = 1) +
    theme(panel.grid = element_blank(), panel.background = element_rect(fill = 'transparent', color = 'black'), legend.title = element_blank(), legend.key = element_blank()) +
    labs(x = '', y = 'Chao1')

    66e35aee70c3e19e1f7f6ab66524b226.png

    #多变量情况,添加分面的箱线图
    ggplot(alpha1, aes(x = group2, y = value, fill = group1)) +
    geom_boxplot(outlier.size = 0.5, size = 0.5) +
    facet_wrap(~variable, 2, scales = 'free') +
    theme(panel.grid = element_blank(), panel.background = element_rect(fill = 'transparent', color = 'black'), legend.title = element_blank(), legend.key = element_blank()) +
    labs(x = '', y = 'Chao1')

    3006f88b195e07e20128f5a61dc16e40.png

    #带显著性标记“*”的箱线图
    #先绘制箱线图主体
    p geom_boxplot(outlier.size = 1) +
    theme(panel.grid = element_blank(), panel.background = element_rect(fill = 'transparent', color = 'black'), legend.title = element_blank(), legend.key = element_blank()) +
    labs(x = '', y = 'Chao1')
    #再手动添加显著性标记
    #注意,这里的显著性是提前已经计算好的,我们通过手动输入进来
    #本篇只关注作图,不涉及统计分析
    library(doBy)
    alpha2_stat names(alpha2_stat) alpha2_stat$group1 alpha2_stat$sig
    p + geom_text(data = alpha2_stat, aes(label = sig), vjust = -0.3) +
    annotate('text', x = alpha2_stat$group2, y = alpha2_stat$value, label = '———', vjust = -0.3)

    8b8401cc3531bc19831a6eca40fcac40.png

    #带显著性标记“abc”的箱线图,
    #先绘制箱线图主体
    p geom_boxplot(outlier.size = 0.5, size = 0.5) +
    facet_wrap(~variable, 2, scales = 'free') +
    theme(panel.grid = element_blank(), panel.background = element_rect(fill = 'transparent', color = 'black'), legend.title = element_blank(), legend.key = element_blank()) +
    labs(x = '', y = 'Chao1')
    #再手动添加显著性标记
    #同上所述,这里的显著性是提前通过差异分析已经计算好的,我们通过手动输入进来
    alpha1_stat names(alpha1_stat) alpha1_stat$sig
    p + geom_text(data = alpha1_stat, aes(label = sig, color = group1), position = position_dodge(1), vjust = -0.3)

    dc9e19d52032c4e1563afef6cc845495.png

    好了,以上就是本篇的内容,大致简介了几种简单的箱线图在R中的绘制示例,以帮助刚接触R的同学们入门,get到了吗?

    2eb60ba88a085386e9076e5fd59f39ec.gif 友情链接 2e030501923c5666ea08385b1e7ec0e4.gif

    R包vegan执行非参数多元方差分析(置换多元方差分析)

    R包rcompanion执行非参数双因素方差分析(Scheirer-Ray-Hare检验)

    R包sm执行非参数单因素协方差分析

    R语言执行非参数单因素方差分析(Kruskal-Wallis检验、Friedman检验)

    R语言执行多元方差分析

    R语言执行重复测量方差分析

    R语言执行双因素方差分析

    R语言执行单因素协方差分析

    R语言执行单因素方差分析及多重比较

    R语言执行两组间差异分析Wilcoxon检验

    R语言执行两组间差异分析T检验

    R语言绘制分组柱状图

    d972b60854bf7842381c94fc54b3b530.gif

    014c9e5ec4d5421f57d17954cc8dd2d0.png

    展开全文
  • - apply(data3, 2,function(R) { ggplot(data) + aes(x = year, fill =R) + geom_bar(position = "fill") } ) #S3提取其中一幅ggplot图 p['age']$age #填入你循环画图的一个变量 #加标签 p2=p['age']$age+labs...
  • 要学习ggplot2,咱的思维得要大变,因为ggplot2无论是数据的输入格式还是作图的命令风格跟常规的R作图函数都有较大差别。1、首先ggplot2的输入格式就跟咱们常见的数据有点不一样假设我们要做个柱状图,常规R用的...
  • r语言ggplot函数 Tidyverse包(例如ggplot2和dplyr)具有通常很方便的函数语法:您不必将列名放在引号中。 例如: dplyr::filter(mtcars, mpg > 30) 请注意,列名mpg未引用。 但是,如果要使用tidyverse编写...
  • R语言ggplot2频率分布直方图小例子

    千次阅读 2021-01-12 21:23:08
    第一步:准备数据将准备用直方图展示的数据整理在excel中,每个变量一列,比如本文用到的例子第二步:ggplot2作图读入数据exampledfpathdfheader=TRUE参数是因为刚刚保存的数据中有表头,如果自己的数据没有表头,...
  • R语言ggplot中的颜色

    千次阅读 2019-09-21 17:56:58
    ggplot2分组时默认使用的颜色,可以从另一个hadley写的包,scales包中调用。这个包算是一个工具包,用于和hadley写的其他包配合使用,颜色是其中一部分。 library(scales) show_col(hue_pal()(3)) # show_col...
  • R语言ggplot2修改坐标轴刻度

    万次阅读 2020-01-04 15:26:43
    R语言修改坐标轴刻度。
  • R语言 ggplot语句总结

    2020-04-25 21:55:17
    ggplot基础语句 折线图 ggplot(data,aes(x=,y=,colour=,group=))+ geom_line(size=1)+ labs(x='',y='',title='') + # 标题居中 theme(plot.title = element_text(hjust = 0.5)) 柱形图 ggplot(data,aes(x=,y=))...
  • 不仅包含了传统的线形,同时进行拓展不同的线形
  • 写在前面,本文介绍的是grid包函数在ggplot2作图时的用处。由于要手动调整要素位置,要是你的需求是要业务化的作图,这篇文章可能没什么帮助。本次记录的是一个很神奇的需求,有3张数据来源完全不同,theme什么的一...
  • 小伙伴们大家好,又到了积极教大家学习R语言可视化的时间了。所有的数据在最后呈现的时候都将以图象的形式直观的向大家展示,因此可视化可以说是科学数据处理的最后一步,所谓“编筐编篓,全在收口”,因此这最后一步...
  • 写在前面,本文介绍的是grid包函数在ggplot2作图时的用处。由于要手动调整要素位置,要是你的需求是要业务化的作图,这篇文章可能没什么帮助。本次记录的是一个很神奇的需求,有3张数据来源完全不同,theme什么的一...
  • R语言ggplot2可视化自定义图例(legend)示例点的大小实战 目录 R语言ggplot2可视化自定义图例(legend)示例点的大小实战 #ggplot2可视化自定义图例(legend)示例点的大小(size =1) #ggplot2可视化自定义...
  • R语言ggplot2画图3

    2020-11-22 21:34:48
    geom_label()和ggplot_Text()的使用详解 主要是用于在图中标注文本 ??geom_label()可以查看其帮助文档 ##Examples p <- ggplot(mtcars, aes(wt, mpg, label = rownames(mtcars)))###建立一个新的画板,标记mtcars...
  • R语言ggplot2-堆叠图

    千次阅读 2021-04-28 09:29:24
    如果你是电脑端,看到右下角的 “一键三连” 了吗,没错点它[哈哈] 要求 基本符合 head(diamonds) ggplot(data = diamonds)+ geom_bar(aes(x=cut,fill=clarity),position = "fill")+ coord_flip() 完美呈现 数据...
  • R语言ggplot2之图例的设置

    千次阅读 2020-12-28 20:57:53
    引言图例的设置包括移除图例、...library(ggplot2)p p + guides(fill=FALSE)123改变图例的位置我们可以用theme(legend.position=…)将图例移到图表的上方、下方、左边和右边。p scale_fill_brewer(palette="Pastel2...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 11,881
精华内容 4,752
关键字:

R语言ggplot