• 主页
  • 课程

    关于课程

    • 课程归档
    • 成为一名讲师
    • 讲师信息
    同等学历教学

    同等学历教学

    免费
    阅读更多
  • 特色
    • 展示
    • 关于我们
    • 问答
  • 事件
  • 个性化
  • 博客
  • 联系
  • 站点资源
    有任何问题吗?
    (00) 123 456 789
    weinfoadmin@weinformatics.cn
    注册登录
    恒诺新知
    • 主页
    • 课程

      关于课程

      • 课程归档
      • 成为一名讲师
      • 讲师信息
      同等学历教学

      同等学历教学

      免费
      阅读更多
    • 特色
      • 展示
      • 关于我们
      • 问答
    • 事件
    • 个性化
    • 博客
    • 联系
    • 站点资源

      未分类

      • 首页
      • 博客
      • 未分类
      • R语言做数据可视化分析

      R语言做数据可视化分析

      • 发布者 weinfoadmin
      • 分类 未分类
      • 日期 2021年9月9日
      • 评论 0评论

      专题介绍:R是一种广泛用于数据分析和统计计算的强大语言,于上世纪90年代开始发展起来。得益于全世界众多 爱好者的无尽努力,大家继而开发出了一种基于R但优于R基本文本编辑器的R Studio(用户的界面体验更好)。也正是由于全世界越来越多的数据科学社区和用户对R包的慷慨贡献,让R语言在全球范围内越来越流行。其中一些R包,例如MASS,SparkR, ggplot2,使数据操作,可视化和计算功能越来越强大。R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件,它是一个用于统计计算和统计制图的优秀工具。R作为一种统计分析软件,是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上,而且嵌入了一个非常方便实用的帮助系统,相比于其他统计分析软件,R的学术性开发比较早,适合生物学和医学等学术学科的科研人员使用。





      这是我的第50篇原创文章,关于数据可视化分析。

      阅读完本文,你可以知道:

      1 R语言的可视化包?

      2 R语言实现常用的可视化?





      0
      前言

      我们身处数据时代,我们倡导数字经济,我们都是数据人。因此,我们合理分析数据以发现有意义的洞见就显得尤为重要。

      数据可视化分析是一个重要的工具,可以让你从数据中挖掘出关键的洞见。如果你的分析结果能够恰当的可视化,那可以与利益相关者做有效地沟通。



      1
      R语言的可视化包

      1 graphics包,R语言base包之一,用于绘制基础的可视化图形,例如:散点图、盒箱图等。

      2 lattice包,它在graphics包的基础上做了改进和拓新,适用于多变量数据可视化分析。

      3 ggplot2包,它基于Grammar of Graphics的原理设计和实现各种复杂的可视化,把可视化采用分图层叠加的方式来创建。

      4 plotly包,它利用开源JavaScript图形库创建可交互式的Web图形。

      等等


      2
      R语言实现常用的数据可视化

      数据准备,选择了R语言自带的2个数据集,分别如下:

      1airquality:1973年5月到9月纽约每日的空气质量测量

      2mtcars:Motor Trend Car Road Tests


      加载R包和数据集

      参考代码

      # 加载R包
      library(pacman)
      p_load(lattice, ggplot2, plotly)

      # 数据准备
      data("airquality")
      data("mtcars")


      数据可视化

      1 graphics包画图

      1.1 散点图

      参考代码

      # 1.1 散点图
      plot(airquality$Ozone, airquality$Wind)


      结论:

      Wind与Ozone具有一定的负相关性。


      1.2 散点图矩阵

      参考代码

      # 1.2 散点图矩阵
      plot(airquality)



      1.3 点线图

      参考代码

      # 1.3 点线图
      plot(airquality$Ozone, type = 'b')



      1.4 图形添加标签和标题

      参考代码

      # 1.4 添加标签和标题
      plot(airquality$Ozone, 
           xlab = '观察的index', 
           ylab = '臭氧的浓度', 
           main = '纽约的臭氧水平', 
           col = 'green')


      1.5 柱状图

      参考代码

      # 1.5 柱状图
      barplot(airquality$Ozone, 
              main = '空气中臭氧的浓度',
              xlab = 'ozone levels', 
              col='red',
              horiz = FALSE)


      1.6 直方图

      参考代码

      # 1.6 直方图
      hist(airquality$Solar.R, 
           main = '空气中太阳辐射度的值',
           xlab = 'Solar rad.', 
           col='red')


      1.7 盒箱图

      参考代码

      # 1.7 盒箱图
      boxplot(airquality[,0:4], 
              main='多变量盒箱图')


      1.8 多图组合展示

      参考代码

      # 1.8 多图组合展示
      par(mfrow=c(3,3), mar=c(2,5,2,1), las=1, bty="n")
      plot(airquality$Ozone)
      plot(airquality$Ozone, airquality$Wind)
      plot(airquality$Ozone, type= "c")
      plot(airquality$Ozone, type= "s")
      plot(airquality$Ozone, type= "h")
      barplot(airquality$Ozone, 
              main = 'Ozone Concenteration in air',
              xlab = 'ozone levels', 
              col='red',
              horiz = TRUE)
      hist(airquality$Solar.R)
      boxplot(airquality$Solar.R)
      boxplot(airquality[,0:4], 
              main='多变量盒箱图')



      2 lattice包画图

      2.1 散点图矩阵

      参考代码

      # 2.1 散点图矩阵
      splom(mtcars[c(1,3,4,5,6)], main="MTCARS Data")



      2.2 两个因子约束下的散点图

      参考代码

      # 2.2 两个因子约束的散点图
      # 因子变量类型
      gear_factor <- factor(mtcars$gear,levels=c(3,4,5),
                          labels=c("3gears","4gears","5gears")) 

      cyl_factor <- factor(mtcars$cyl,levels=c(4,6,8),
                          labels=c("4cyl","6cyl","8cyl"))

      xyplot(mtcars$mpg ~ mtcars$wt|cyl_factor*gear_factor,  
             main="Scatterplots : Cylinders and Gears",  
             ylab="Miles/Gallon", 
             xlab="Weight of Car")




      3 ggplot2包画图

      3.1 散点图

      参考代码

      # 3.1 散点图
      ggplot(data = mtcars, mapping = aes(x = wt, y = mpg)) + 
        geom_point() +
        theme_classic()


      3.2 图形修饰

      参考代码

      # 3.2 图形修饰
      ggplot(data = mtcars, 
             mapping = aes(x = wt, 
                           y = mpg, 
                           color = as.factor(cyl), 
                           size = qsec)) + 
        geom_point() +
        theme_classic()


      4 plotly包画图

      4.1 散点图

      参考代码

      # 4.1 散点图
      p <- plot_ly(data = mtcars, x = ~hp, y = ~wt)
      p


      4.2 多直线图

      参考代码

      # 4.2 多直线图
      data1 <- rnorm(100, mean = 10)   
      data2 <- rnorm(100, mean = 0)   
      data3 <- rnorm(100, mean = -10)   
      x <- c(1:100)
      data <- data.frame(x, data1, data2, data3)
      p <- plot_ly(data, x = ~x)%>%   

        add_trace(y = ~data1, name = 'data1',mode = 'lines') %>%             
        add_trace(y = ~data2, name = 'data2', mode = 'lines+markers') %>% 
        add_trace(y = ~data3, name = 'data3', mode = 'markers')
      p




      参考网址:

      1https://towardsdatascience.com/a-guide-to-data-visualisation-in-r-for-beginners-ef6d41a34174


      附录:完整参考代码

      ####################
      #R语言做数据可视化分析
      ###################

      # 加载R包
      library(pacman)
      p_load(lattice, ggplot2, plotly)

      # 数据准备
      data("airquality")
      data("mtcars")

      # 1 graphics包画图
      # 1.1 散点图
      plot(airquality$Ozone, airquality$Wind)

      # 1.2 散点图矩阵
      plot(airquality)

      # 1.3 点线图
      plot(airquality$Ozone, type = 'b')

      # 1.4 添加标签和标题
      plot(airquality$Ozone, 
           xlab = '观察的index', 
           ylab = '臭氧的浓度', 
           main = '纽约的臭氧水平', 
           col = 'green')

      # 1.5 柱状图
      barplot(airquality$Ozone, 
              main = '空气中臭氧的浓度',
              xlab = 'ozone levels', 
              col='red',
              horiz = FALSE)

      # 1.6 直方图
      hist(airquality$Solar.R, 
           main = '空气中太阳辐射度的值',
           xlab = 'Solar rad.', 
           col='red')

      # 1.7 盒箱图
      boxplot(airquality[,0:4], 
              main='多变量盒箱图')

      # 1.8 多图组合展示
      par(mfrow=c(3,3), mar=c(2,5,2,1), las=1, bty="n")
      plot(airquality$Ozone)
      plot(airquality$Ozone, airquality$Wind)
      plot(airquality$Ozone, type= "c")
      plot(airquality$Ozone, type= "s")
      plot(airquality$Ozone, type= "h")
      barplot(airquality$Ozone, 
              main = 'Ozone Concenteration in air',
              xlab = 'ozone levels', 
              col='red',
              horiz = TRUE)
      hist(airquality$Solar.R)
      boxplot(airquality$Solar.R)
      boxplot(airquality[,0:4], 
              main='多变量盒箱图')

      # 2 lattice包画图
      # 2.1 散点图矩阵
      splom(mtcars[c(1,3,4,5,6)], main="MTCARS Data")

      # 2.2 两个因子组合的散点图
      # 因子变量类型
      gear_factor <- factor(mtcars$gear,levels=c(3,4,5),
                          labels=c("3gears","4gears","5gears")) 

      cyl_factor <- factor(mtcars$cyl,levels=c(4,6,8),
                          labels=c("4cyl","6cyl","8cyl"))

      xyplot(mtcars$mpg ~ mtcars$wt|cyl_factor*gear_factor,  
             main="Scatterplots : Cylinders and Gears",  
             ylab="Miles/Gallon", 
             xlab="Weight of Car")

      # 3 ggplot2包画图
      # 3.1 散点图
      ggplot(data = mtcars, mapping = aes(x = wt, y = mpg)) + 
        geom_point() +
        theme_classic()
      # 3.2 图形修饰
      ggplot(data = mtcars, 
             mapping = aes(x = wt, y = mpg, color = as.factor(cyl), size = qsec)) + 
        geom_point() +
        theme_classic()


      # 4 plotly包画图
      # 4.1 散点图
      p <- plot_ly(data = mtcars, x = ~hp, y = ~wt)
      p
      # 4.2 多直线图
      data1 <- rnorm(100, mean = 10)   
      data2 <- rnorm(100, mean = 0)   
      data3 <- rnorm(100, mean = -10)   
      x <- c(1:100)
      data <- data.frame(x, data1, data2, data3)
      p <- plot_ly(data, x = ~x)%>%   

        add_trace(y = ~data1, name = 'data1',mode = 'lines') %>%             
        add_trace(y = ~data2, name = 'data2', mode = 'lines+markers') %>% 
        add_trace(y = ~data3, name = 'data3', mode = 'markers')
      p



      关于R语言做数据可视化,您有什么想法请留言。

      需要深入交流和沟通,请加我的微信:luqin360。备注:实名+工作或者专业,否则不会通过。


      数据思考与践行


      文章推荐

      1ggpubr包:生成可出版的图形

      2数据可视化分析

      你点的每个在看,我都认真当成了喜欢

      请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!

      • 分享:
      作者头像
      weinfoadmin

      上一篇文章

      R语言本地化安装github上的包
      2021年9月9日

      下一篇文章

      R语言DataExplorer包:促进探索性数据分析(EDA)
      2021年9月9日

      你可能也喜欢

      2-1675088548
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      30 1月, 2023
      9-1675131201
      如何快速批量修改 Git 提交记录中的用户信息
      26 1月, 2023
      8-1678501786
      肿瘤细胞通过改变CD8+ T细胞中的丙酮酸利用和琥珀酸信号来调控抗肿瘤免疫应答。
      7 12月, 2022

      留言 取消回复

      要发表评论,您必须先登录。

      搜索

      分类

      • R语言
      • TCGA数据挖掘
      • 单细胞RNA-seq测序
      • 在线会议直播预告与回放
      • 数据分析那些事儿分类
      • 未分类
      • 生信星球
      • 老俊俊的生信笔记

      投稿培训

      免费

      alphafold2培训

      免费

      群晖配置培训

      免费

      最新博文

      Nature | 单细胞技术揭示衰老细胞与肌肉再生
      301月2023
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      301月2023
      如何快速批量修改 Git 提交记录中的用户信息
      261月2023
      logo-eduma-the-best-lms-wordpress-theme

      (00) 123 456 789

      weinfoadmin@weinformatics.cn

      恒诺新知

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      链接

      • 课程
      • 事件
      • 展示
      • 问答

      支持

      • 文档
      • 论坛
      • 语言包
      • 发行状态

      推荐

      • iHub汉语代码托管
      • iLAB耗材管理
      • WooCommerce
      • 丁香园论坛

      weinformatics 即 恒诺新知。ICP备案号:粤ICP备19129767号

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      要成为一名讲师吗?

      加入数以千计的演讲者获得100%课时费!

      现在开始

      用你的站点账户登录

      忘记密码?

      还不是会员? 现在注册

      注册新帐户

      已经拥有注册账户? 现在登录

      close
      会员购买 你还没有登录,请先登录
      • ¥99 VIP-1个月
      • ¥199 VIP-半年
      • ¥299 VIP-1年
      在线支付 激活码

      立即支付
      支付宝
      微信支付
      请使用 支付宝 或 微信 扫码支付
      登录
      注册|忘记密码?