精华内容
下载资源
问答
  • r语言可视化
    2021-08-08 11:55:39

    R语言可视化绘制基本图形

    简单条形图;

    堆叠条形图分组条形图;

    均值条形图与条形图的微调;

    spinogram图

    饼图、直方图、密度图、箱图、小提琴图、线图、散点图;

    # Listing 6.1 - Simple bar plot
    # vertical barplot

    par(ask=TRUE)
    opar <- par(no.readonly=TRUE) # save original parameter settings

    library(vcd)
    counts <- table(Arthritis$Improved)
    counts

    barplot(counts, 
            main="Simple Bar Plot",
            xlab="Improvement", ylab="Frequency")

    # horizontal bar plot   
    barplot(counts, 
            main="Horizontal Bar Plot", 
            xlab="Frequency", ylab="Improvement", 
            horiz=TRUE)


    # Listing 6.2 - Stacked and grouped bar plots 
    # stacked barplot
    # obtain 2-way frequency table
    library(vcd)
    counts <- table(Arthritis$Improved, Arthritis$Tr

    更多相关内容
  • R语言可视化

    2019-02-27 09:24:42
    R 语言可视化,如何通过R 语言将数据以各种图形形式展现。
  • R语言可视化手册pdf

    2018-09-26 22:15:23
    R语言可视化手册【美】Winston Chang著 肖楠 邓一硕等译
  • 本书讲解利用R语言进行数据操作!!!!!
  • R语言可视化手册

    2018-05-05 23:32:06
    R语言可视化手册,详细的绘图讲解,以及代码演示,包括各类图形。
  • R做图套用可视化的精美,非常实用,希望有帮助吧。
  • 专注R语言可视化&商务图表实战课程,完整版视频教程,附源码、课件。 主要内容: 本套课程涵盖五大模块:分别为: 先修篇——可视化基础三要素以及R语言数据结构与数据处理基础; 入门篇——围绕ggplot2核心语法...
  • 该资源内含R语言colors()函数得颜色编号可视化代码 具体效果见:https://tjxwz.blog.csdn.net/article/details/115867838 版权声明:代码下载只能自己学习使用,切勿用于商业用途,违者必究。
  • 给大家分享一套课程——专注R语言可视化&商务图表实战视频教程,大家自行下载学习。
  • R语言应用实战代码】-地理加权回归残差可视化.zip
  • 先修篇——可视化基础三要素以及R语言数据结构与数据处理基础; 入门篇——围绕ggplot2核心语法进行讲解,基于个人学习经历,力求全面、完整、重点突出的将ggplot2核心 理念呈现给初学者; 进阶篇——围绕三大...
  • R语言可视化之图表文件输出
  • R语言绘图确实很方便,尤其是ggplot2,特别好使。这本书讲述了关于ggplot2的很多常用的方法,以及配色等,所以这本原版彩色(非扫描版)的书可以提供不小帮助,希望对大家有用。
  • R语言之数据可视化

    千次阅读 2021-08-27 21:04:07
    数据可视化 ggplot2包介绍 ggplot2包由Hadley Wickham编写,提供了一种基于Wilkinson所述图形语法的图形系统。ggplot2包的目标是提供一个全面的、基于语法的、连贯一致的图形生成系统,允许用户创建新颖的、有创新性...

    数据可视化

    ggplot2包介绍

    ggplot2包由Hadley Wickham编写,提供了一种基于Wilkinson所述图形语法的图形系统。ggplot2包的目标是提供一个全面的、基于语法的、连贯一致的图形生成系统,允许用户创建新颖的、有创新性的数据可视化图形。

    总的来说有以下几点:

    • ggplot2的核心理念是将绘图与数据分离,数据相关的绘图与数据无关的绘图分离
    • ggplot2保有命令式作图的调整函数,使其更具灵活性
    • ggplot2将常见的统计变换融入到了绘图中。
    • ggplot2是按图层作图

    ggplot2图像的三个基本构成:数据、图形属性映射、几何对象

    按照ggplot2的绘图理念,Plot(图)= data(数据集)+ Aesthetics(美学映射)+ Geometry(几何对象)。

    例如:

    # ggplot(data,aes(x=x,y=y))+geom_point()
    
    • 数据:用于绘制图形的数据
    • 映射:aes()函数是ggplot2中的映射函数, 所谓的映射即为数据集中的数据关联到相应的图形属性过程中一种对应关系, 图形的颜色,形状,分组等都可以通过通过数据集中的变量映射。
    • 几何对象:我们在图中实际看到的图形元素,如点、线、多边形等。

    ggplot2绘图代码如同数据公式一般,只需要套相应的公式即可绘制出丰富的图形,后续的讲解也会按照此方法。

    ggplot2参考链接:

    • https://ggplot2.tidyverse.org/reference/
    • https://ggplot2-book.org/

    ggplot2的安装方法

    # install.packages("ggplot2")
    

    环境配置

    library(ggplot2) # 画图工具ggplot2
    library(ggpubr) # 将多个图形拼接
    library(plyr) # 数据处理包
    

    案例数据

    本文会使用到两个数据集

    1.1h1n1流感问卷数据集

    h1n1流感问卷数据集是关于h1n1流感问卷调查的一个数据,属于外部数据

    数据集包含26,707个受访者数据,共有32个特征+1个标签(是否接种h1n1疫苗)

    读取相关的数据集

    h1n1_data <- read.csv("./datasets/h1n1_flu.csv", header = TRUE)
    

    1.2波士顿房价数据集

    波士顿房价数据集属于R语言自带数据集,也可以通过外部读取

    读取相关的数据集

    boston_data <- read.csv("./datasets/BostonHousing.csv", header = TRUE)
    

    散点图

    散点图是指在数理统计回归分析中,数据点在直角坐标系平面上的分布图,散点图表示因变量随自变量而变化的大致趋势,由此趋势可以选择合适的函数进行经验分布的拟合,进而找到变量之间的函数关系。

    散点图的优势:

    • 数据用图表来展示,显然比较直观,在工作汇报等场合能起到事半功倍的效果,让听者更容易接受,理解你所处理的数据。
    • 散点图更偏向于研究型图表,能让我们发现变量之间隐藏的关系为我们决策作出重要的引导作用。
    • 散点图核心的价值在于发现变量之间的关系,包括线性与非线性之间的关系。
    # 读取数据
    boston_data <- read.csv("./datasets/BostonHousing.csv", header = TRUE)
    # 绘制简单的散点图 x轴选择的是lstat ,y轴选择的是medv
    ggplot(data = boston_data, aes(x = lstat, y = medv)) +
      geom_point()
    

    在这里插入图片描述

    上图选择的是lstat为x轴,medv为y轴绘制的散点图,x轴表示弱势群体人口所占比例,y轴表示房屋的平均价格,通过图上的数据可以看到,弱势人群的比例增加会影响房价,这2个变量呈现一定的负相关。

    ggplot2可以修改散点图的性状和大小,R语言中存储了一些相关的形状。

    size参数修改点的大小,color参数修改点的颜色。

    # 使用第17号形状
    p1 <- ggplot(data = boston_data, aes(x = lstat, y = medv)) +
      geom_point(shape = 17)
    # size参数修改点的大小,color参数修改点的颜色
    p2 <- ggplot(data = boston_data, aes(x = lstat, y = medv)) +
      geom_point(size = 3, color = "red")
    ggarrange(p1, p2, nrow = 1)
    

    在这里插入图片描述
    可将数据集的其它属性映射到散点图的颜色属性中

    p3 <- ggplot(data = boston_data, aes(x = lstat, y = medv, colour = factor(rad))) +
      geom_point()
    p4 <- ggplot(data = boston_data, aes(x = lstat, y = medv, colour = rad)) +
      geom_point()
    ggarrange(p3, p4, nrow = 1)
    

    在这里插入图片描述
    ggplot2关于散点图的相关做法有很详细的介绍,相关参考链接:https://ggplot2.tidyverse.org/reference/geom_point.html

    直方图

    直方图是一种统计报告图,由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据类型,纵轴表示分布情况。
    直方图可以很好的查看数据的分布情况,是常用的数据可视化展示图形。

    我们对rad变量进行直方图分析

    ggplot(data = boston_data, aes(x = rad)) +
      geom_histogram()
    

    在这里插入图片描述
    可以看到ggplot2可以自动对数据进行直方图的统计

    我们给直方图填充颜色,同时改变直方图类型color表示直方图的边框,fill表示直方图中的填充颜色,ggplot2支持RGB颜色表的配色方案,linetype表示直方图线的类型

    RGB颜色表可以参考:http://www.mgzxzs.com/sytool/se.htm

    p5 <- ggplot(data = boston_data, aes(x = rad)) +
      geom_histogram(color = "black", fill = "#69b3a2")
    p6 <- ggplot(data = boston_data, aes(x = rad)) +
      geom_histogram(color = "black", fill = "#69b3a2", linetype = "dashed")
    ggarrange(p5, p6, nrow = 1)
    

    在这里插入图片描述
    ggplot2也支持在直方图上添加平均线和密度图

    p7 <- p5 + geom_vline(aes(xintercept = mean(rad)), color = "blue", linetype = "dashed", size = 1)
    p8 <- ggplot(data = boston_data, aes(x = rad)) +
      geom_histogram(color = "black", fill = "#69b3a2", aes(y = ..density..)) +
      geom_density(alpha = .2, fill = "#FF6666")
    ggarrange(p7, p8, nrow = 1)
    

    在这里插入图片描述
    ggplot2关于直方图的相关做法有很详细的介绍,相关参考链接:https://ggplot2.tidyverse.org/reference/geom_histogram.html

    柱状图

    柱状图是一种常用的数据可视化图形,根据翻译的不同,柱状图又叫长条图、柱状统计图、条状图、棒形图

    柱状图图用来比较两个或以上的价值(不同时间或者不同条件),只有一个变量,通常利用于较小的数据集分析。长条图亦可横向排列,或用多维方式表达。需要注意的是柱状图与直方图是不同的数据可视化方法,不要弄混淆了。

    对h1n1数据集中填写人的种族情况进行可视化展示,使用pylr包中的count对edcation进行计数统计

    data <- count(h1n1_data["race"])
    p <- ggplot(data, aes(x = race, y = freq)) +
      geom_bar(stat = "identity")
    # 也可以进行水平放置
    p1 <- p + coord_flip()
    ggarrange(p, p1)
    

    在这里插入图片描述
    可以看到左边的柱状图文字有点挡住了,我们把文字旋转45°

    data <- count(h1n1_data["race"])
    ggplot(data, aes(x = race, y = freq)) +
      geom_bar(stat = "identity") +
      theme(axis.text.x = element_text(angle = 45, hjust = 1))
    

    在这里插入图片描述
    对柱状图的样式进行修改

    # 更改条的宽度和颜色:
    # 更改条的宽度
    p2 <- ggplot(data, aes(x = race, y = freq)) +
      geom_bar(stat = "identity", width = 0.5) +
      theme(axis.text.x = element_text(angle = 45, hjust = 1))
    # 改变颜色
    p3 <- ggplot(data, aes(x = race, y = freq)) +
      geom_bar(stat = "identity", color = "blue", fill = "white") +
      theme(axis.text.x = element_text(angle = 45, hjust = 1))
    # 最小主题+蓝色填充颜色
    p4 <- ggplot(data, aes(x = race, y = freq)) +
      geom_bar(stat = "identity", fill = "steelblue") +
      theme_minimal() +
      theme(axis.text.x = element_text(angle = 45, hjust = 1))
    # 选择要显示的项目
    p5 <- p + scale_x_discrete(limits = c("White", "Black")) + theme(axis.text.x = element_text(angle = 45, hjust = 1))
    ggarrange(p2, p3, p4, p5)
    

    在这里插入图片描述
    对柱状图进行标签显示
    在这里插入图片描述
    如果觉得柱状图的顺序不是你想要的,可以对柱状图的顺序进行修改

    data <- within(data, {
      race <- factor(race, levels = c("White", "Black", "Hispanic", "Other or Multiple"))
    })
    ggplot(data, aes(x = race, y = freq)) +
      geom_bar(stat = "identity", fill = "steelblue") +
      theme(axis.text.x = element_text(angle = 45, hjust = 1))
    

    在这里插入图片描述
    ggplot2关于柱状图的相关做法有很详细的介绍,相关参考链接:
    https://ggplot2.tidyverse.org/reference/geom_bar.html

    饼状图

    饼状图作为常用的数据可视化图形之一,广泛的使用在各个领域,能够很清楚展示数据的所占的百分比。
    ggplot2并没有类似于geom_pie()这样的函数实现饼图的绘制,但ggplot2有一个理念,就是通过极坐标变换绘制饼图

    饼图在ggplot2中就是通过极坐标变换获得,在绘制饼图之前需要绘制堆叠的条形图,通过将条形图进行极坐标变换后,就能实现饼图绘制了。

    对h1n1问卷表中race数据进行数据展示

    data <- count(h1n1_data["race"])
    ggplot(data = data, aes(x = "", y = freq, fill = race)) +
      geom_bar(stat = "identity")
    

    在这里插入图片描述
    堆叠的条形图绘制完后,接下来就需要进行极坐标变换了,ggplot2中coord_polar()函数可以非常方便的实现极坐标变换。

    ggplot(data = data, aes(x = "", y = freq, fill = race)) +
      geom_bar(stat = "identity") +
      coord_polar(theta = "y")
    

    在这里插入图片描述
    看起来像饼图了,但是饼图周围还有多余的数字,如何清除呢?
    这里的标签其实就是坐标轴的标签,可以通过labs()函数将其清除。

    ggplot(data = data, aes(x = "", y = freq, fill = race)) +
      geom_bar(stat = "identity") +
      coord_polar(theta = "y") +
      labs(x = "", y = "", title = "") +
      theme(axis.text = element_blank())
    

    在这里插入图片描述
    接下来就是显示各个所占的比例
    第一种方法,将百分比直接显示在图例中,这种方式适合分类较多的情况。

    label_value <- paste("(", round(data$freq / sum(data$freq) * 100, 1), "%)", sep = "")
    label_value
    

    在这里插入图片描述

    将计算的百分比和race匹配

    label <- paste(data$race, label_value, sep = "")
    label
    

    在这里插入图片描述
    接下来就是将这些百分比标签放到图例中

    ggplot(data = data, aes(x = "", y = freq, fill = race)) +
      geom_bar(stat = "identity") +
      coord_polar(theta = "y") +
      labs(x = "", y = "", title = "") +
      theme(axis.text = element_blank()) +
      scale_fill_discrete(labels = label)
    

    在这里插入图片描述
    第二种方法,直接将百分比放到各自的饼区中。

    首先是去掉饼图中的图例

    ggplot(data = data, aes(x = "", y = freq, fill = race)) +
      geom_bar(stat = "identity") +
      coord_polar(theta = "y") +
      labs(x = "", y = "", title = "") +
      theme(axis.text = element_blank()) +
      theme(legend.position = "none")
    

    在这里插入图片描述
    将标签放置在饼图中

    ggplot(data = data, aes(x = "", y = freq, fill = race)) +
      geom_bar(stat = "identity", width = 1) +
      coord_polar(theta = "y") +
      labs(x = "", y = "", title = "") +
      theme(axis.text = element_blank(), legend.position = "none") +
      geom_text(aes(label = label), size = 3, position = position_stack(vjust = 0.5))
    

    在这里插入图片描述

    折线图

    折线图作为反映数据变化的趋势是常用的数据可视化图形之一,在ggplot2中通过geom_line()这个函数进行绘制。

    对波士顿房价中rad进行可视化展示,使用pylr包中的count对edcation进行计数统计

    data <- count(boston_data["rad"])
    data
    

    在这里插入图片描述
    把rad为24的数据去除掉

    data <- data[1:8, ]
    ggplot(data, aes(x = rad, y = freq)) +
      geom_line()
    

    在这里插入图片描述
    有时候我们需要在折线图上显示对应x轴的点数据,从而可以更加清晰的辨别原始数据,这特别适合数据比较稀疏的情况

    ggplot(data, aes(x = rad, y = freq)) +
      geom_line() +
      geom_point(size = 4)
    

    在这里插入图片描述
    我们调整横坐标的显示刻度

    ggplot(data, aes(x = rad, y = freq)) +
      geom_line() +
      geom_point(size = 4) +
      scale_x_continuous(breaks = c(1:8))
    

    在这里插入图片描述
    也可以修改线的类型和颜色

    ggplot(data, aes(x = rad, y = freq)) +
      geom_line(linetype = "dashed", color = "red") +
      geom_point(size = 4) +
      scale_x_continuous(breaks = c(1:8))
    

    在这里插入图片描述
    ggplt2关于折线图的相关做法的参考链接:
    https://ggplot2.tidyverse.org/reference/geom_abline.html

    ggplot2扩展包主题

    R语言中的ggplot2包里面的风格固定,在需要特殊的图形时,需要更改甚至自定义设置主题。
    ggplot2内置了8种风格的主题

    主题函数效果
    theme_bw()网格白色主题
    theme_classic()经典主题
    theme_dark()暗色主题,可用于对比
    theme_gray()默认主题
    theme_light()浅色坐标带网格
    theme_linedraw()黑色网格线
    theme_minimal()极简主题
    theme_void()空白主题

    我们来试一试不同的主题

    p <- ggplot(data = boston_data, aes(x = lstat, y = medv, colour = rad)) +
      geom_point()
    p1 <- p + theme_bw() + labs(title = "网格白色主题") + theme(legend.position = "none")
    p2 <- p + theme_classic() + labs(title = "经典主题") + theme(legend.position = "none")
    p3 <- p + theme_dark() + labs(title = "暗色主题") + theme(legend.position = "none")
    p4 <- p + theme_gray() + labs(title = "默认主题") + theme(legend.position = "none")
    p5 <- p + theme_light() + labs(title = "浅色坐标带网格") + theme(legend.position = "none")
    p6 <- p + theme_linedraw() + labs(title = "黑色网格线") + theme(legend.position = "none")
    p7 <- p + theme_minimal() + labs(title = "极简主题") + theme(legend.position = "none")
    p8 <- p + theme_void() + labs(title = "空白主题") + theme(legend.position = "none")
    ggarrange(p1, p2, p3, p4, p5, p6, p7, p8, ncol = 4, nrow = 2, heights = 1.2)
    

    在这里插入图片描述
    除了ggplot2自带的主题外,还有许多拓展主题包,比如:ggthemes、ggthemr

    ggthemes相关链接:https://github.com/jrnold/ggthemes

    ggthemr相关链接:https://github.com/Mikata-Project/ggthemr

    因为ggthemr没有上cran,因此需要通过github安装

    # devtools::install_github('Mikata-Project/ggthemr')
    

    greyscale主题方案

    library(ggthemr)
    ggthemr("greyscale")
    p3 <- ggplot(data = boston_data, aes(x = lstat, y = medv, colour = factor(rad))) +
      geom_point()
    p4 <- ggplot(data = boston_data, aes(x = lstat, y = medv, colour = rad)) +
      geom_point()
    ggarrange(p3, p4, nrow = 1)
    

    在这里插入图片描述
    light主题,配色非常的温柔

    library(ggthemr)
    ggthemr("light")
    p3 <- ggplot(data = boston_data, aes(x = lstat, y = medv, colour = factor(rad))) +
      geom_point()
    p4 <- ggplot(data = boston_data, aes(x = lstat, y = medv, colour = rad)) +
      geom_point()
    ggarrange(p3, p4, nrow = 1)
    

    在这里插入图片描述

    参考资料

    感谢Datawhale对开源学习的贡献!

    展开全文
  • R语言数据可视化之美》配套代码
  • 图表名称: 条形图 直方图 折线图 面积图 散点图 气泡图 箱线图 二维数据密度图
  • R语言可视化之分面

    2017-05-16 10:59:57
    R语言可视化之分面
  • 本资源为R语言可视化绘图代码资源——弦图代码,相比柱状图,弦图表达显得更高大上
  • R语言可视化(一)

    千次阅读 2020-01-07 15:15:20
    R语言数据可视化,绘制散点图,直方图,箱线图,lattice包绘图,ggplot2绘图,分栏

    可视化分析

    数据读取

    设置工作路径后读取路径下的数据

    setwd("C:\\Users\\Administrator\\Desktop\\R_visualization")
    df<-read.csv("Data.csv", header = TRUE)
    

    数据读取如下:
    在这里插入图片描述
    学习的数据和代码路径为:
    百度云链接:https://pan.baidu.com/s/1Ey99ESQTzjm3O5ggj2OrwQ
    提取码:huni

    散点图

    plot(df$SOD, df$tau)#,pch=21,lty=0.25,col="grey10") 
    

    在这里插入图片描述

    直方图

    hist(df$SOD,breaks =30,ylim=c(0,40),main  = "")
    

    在这里插入图片描述

    箱线图

    boxplot(SOD~Class,data=df,xlab="Class",ylab="SOD")
    

    在这里插入图片描述

    lattice包可视化

    library(lattice)
    p1<-xyplot(SOD~tau,df,col="black")
    p2<-histogram(~SOD,df,type="count",nint=30,col="white")
    p3<-bwplot(SOD~Class,df,xlab="Class", 
               par.settings = canonical.theme(color = FALSE))
    library(gridExtra) 
    grid.arrange(p1,p2,p3, ncol = 3, nrow = 1)
    

    在这里插入图片描述

    ggplot2绘图

    library(ggplot2)
    
    p1<-ggplot(df, aes(x=SOD,y=tau)) + 
      geom_point() #shape=21,color="black",fill="red",size=3,stroke=0.1
    
    p2<-ggplot(df, aes(SOD)) + 
      geom_histogram(bins=30,colour="black",fill="white")
    
    p3<-ggplot(df, aes(x=Class,y=SOD)) + 
      geom_boxplot() 
    
    library(gridExtra) 
    grid.arrange(p1,p2,p3, ncol = 3, nrow = 1)
    

    在这里插入图片描述

    参考资料1:https://github.com/EasyChart/Beautiful-Visualization-with-R/

    参考资料2:https://blog.csdn.net/tandelin/article/details/87719623

    展开全文
  • R语言可视化综述

    2017-05-16 00:31:22
  • R语言可视化综述(讲义)
  • R语言可视化——动态心型图

    千次阅读 2021-02-17 22:42:36
    再开始学习R语言基础画图得时候划过心型图,但是一直是静态得就把代码仍在角落里积灰了,今天拿出来用新的技术重写了一份。本文包含但不限于下面的函数包和技术:plot函数function方法的S3类、animation函数包、函数...

    引言

    再开始学习R语言基础画图得时候画过心型图,但是一直是静态得就把代码仍在角落里积灰了,今天拿出来用新的技术重写了一份。本文包含但不限于下面的函数包和技术:plot函数function方法的S3类、animation函数包、函数的闭包。如有没有讲解到得可自行百度学习。
    本文用到的心型函数是:
    在这里插入图片描述
    这是一个隐式表达式,为了方便编程,把他写为两个函数(注意这不是分段函数)。
    在这里插入图片描述
    有追女盆友急需的,本文全部代码可以移步下面资源链接。以整理好,拿走不谢。
    版权声明:代码下载只能自己追女盆友用,切勿用于用来追别人女盆友,违者必究。

    1、心型图初探

    1.1 带偏移的两个函数

    首先是做出需要的函数:

    fun <- function(up = T, d = 0){
      function(x){
        fun1 <- function(x, d){
          k <- (1-x^2)^(1/2)+abs(x)^(2/3)
          k + d
        }
        fun2 <- function(x, d){
          k <- -(1-x^2)^(1/2)+abs(x)^(2/3)
          k + d
        }
        if(up) return(fun1(x, d = d))
        return(fun2(x, d = d))
      }
    }
    

    参数说明:
    – 输入参数:up = T:心型图的上部
    – up = F:心型图的下部
    – d:y轴的偏移量 从-inf到inf取值
    – 输出参数:
    – 不同的曲线函数

    1.2 简单心型图

    plot(fun(T, d = i/30), -1, 1, lwd = 1, xlim = c(-1,1), ylim = c(-1,3))
    plot(fun(F, d = i/30),  -1, 1, add = T, lwd = 1)
    

    在这里插入图片描述
    一个基本的图形就出来了,稍微修饰一下。改变颜色,线粗,画图区域、去掉坐标信息。

    plot(fun(T, d = i/30), -1, 1, col = "red", lwd = 3,
    xlim = c(-1.1,1.1), ylim = c(-0.5,2.5), xlab = "", ylab = "", axes = F)
    plot(fun(F, d = i/30),  -1, 1, add = T, col = "red", lwd = 3)
    
    

    在这里插入图片描述

    2、改进的心型图

    这部分的改进主要是把图进行少量偏移做出立体感。

    Plot()
    

    在这里插入图片描述

    3、动态画心型图(gif)

    这部分就是利用包animation把上述的图进行加标注然后做成gif图。
    当然先是载入包,没有安装的自行安装一下。

    library(animation)
    

    然后就是把自己想说的话准备好,比如本文用的这句:今生愿我们成为彼此

    在这里插入图片描述
    增加长宽,减少读秒再来一份。
    在这里插入图片描述

    4、ggplot2版本的心型图

    4.1数据

    先是构造函数生成数据,因为不知道ggplot2直接画曲线的包,需要提前自己生成数据。

    Fun <-function(x)
    {
      y1 <- (1-x^2)^(1/2)+abs(x)^(2/3)
      y2 <- -(1-x^2)^(1/2)+abs(x)^(2/3)
      data <- data.frame(x = x,y1 = y1, y2 = y2)
      return(data)
    }
    

    4.2心型图初步

    ggplot(data = da) + 
    geom_line(aes(x, y1), color="red") + 
    geom_line(aes(x, y2), color="red")
    

    在这里插入图片描述
    填充颜色

    ggplot(data = da) + 
    geom_line(aes(x, y1), color="red") + 
    geom_line(aes(x, y2), color="red") + 
    geom_polygon(aes(x = x, y = y2, fill = 'red'), show.legend = F) +
    geom_polygon(aes(x = x, y = y1, fill = 'red'), show.legend = F)
    

    在这里插入图片描述
    去掉主题标签

    在这里插入图片描述

    4.3原件打包

    # 默认主题
    TH <- list(theme_bw(), 
      scale_x_continuous(labels = NULL),
      scale_y_continuous(labels = NULL), 
      theme(panel.grid.major = element_blank(),
      panel.grid.minor = element_blank(), 
      panel.border = element_blank(), 
      axis.ticks = element_blank(), 
      axis.title = element_blank())
    )
    

    4.4画图

    ggplot(data = da) + L + TH + cl 
    

    在这里插入图片描述
    最后再动起来。
    在这里插入图片描述

    5、总结

    最后希望可以帮助大家学习R语言。水平有限发现错误还望及时评论区指正,您的意见和批评是我不断前进的动力。当然如果有更好的改进方案欢迎评论区交流。
    本文的代码已整理好,实在刚需移步下面链接下载研究。

    展开全文
  • R语言可视化练习 1 主成分分析可视化结果 1.1 查看莺尾花数据集(前五行,前四列) iris[1:5,-5] ## Sepal.Length Sepal.Width Petal.Length Petal.Width ## 1 5.1 3.5 1.4 0.2 ## 2 4.9 3.0 1.4 0.2 ## 3 4.7 3.2
  • r语言中进行数据可视化R programming was developed in 1993 for making graphs and producing statistical results. There are many libraries in R language that can be used for making graphs and producing ...
  • gganimate是一款基于ggplot2的动态可视化扩展包,简单就是将ggplot2绘图对象转为gif动图的形式,这对于一些统计分析原理和可视化展示尤为重要,可以让抽象的数理理论更加形象化,也便于理解和方便课堂教学。...
  • R语言缺失数据可视化

    2020-10-08 11:16:57
    Data 以mlbench的Soybean数据集为例: # load packages library(mlbench) # load dataset data(Soybean) Amelia包的missmap library(Amelia) # create a missing map ...从行和列两个维度描述缺失数据
  • R语言可视化的颜色配置.
  • R语言数据可视化案例(世界杯球员信息数据可视化)世界杯球员案例数据预处理 世界杯球员案例 在 faraway 包中包含一个名为 worldcup 的数据集(加载 faraway 包后,可通过代码“head(worldcup)”查看数据的前 5 行,...
  • 关于主成分的理论介绍和R语言代码实现可见前段时间赵西西写的推文:主成分分析。但是后面留了一个小尾巴,如果想对主成分结果进行可视化,那得怎么实现?有没有简便的方法呢? 正好这几天有读者问起,那今天就来...
  • 我的可视化样本R语言可视化的一些实际示例世界-在精美的世界地图上绘制国际航线。 (使用的数据来自以下链接: : 和 新加坡热卖物业的热图(发布在 ) 简单箱形图或直方图的ggplot

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 75,740
精华内容 30,296
关键字:

r语言可视化