【ggplot2】R语言：ggplot2包

笔者邀请您，先思考：

1 如何使用ggplot2包绘制高质量图画？

我们将学习R中最受欢迎的软件包之一，它是ggplot2：图形语法的实现。 我正在使用R中提供的iris数据集。ggplot2在多个图层中创建绘图。我已经用ggplot创建了相关热图。我在博客的最后提供了更多资源。

ggplot的结构看起来：

1ggplot (data = data used for plot, aes=(mappings)) + geom_functions 

geom_function是用于创建绘图的图层。

我们将通过示例看到详细说明。

首先，我们将使用以下命令在R中安装ggplot2包并加载：

1install.packages("ggplot2") 
2library(ggplot2)

我们将使用iris数据进行进一步分析，我们先来检查数据。

1# 数据检查
2head(iris)

我们将开始绘制物种的萼片长度和萼片宽度之间的散点图。

1Plot <- ggplot(data = iris, aes(Sepal.Length, Sepal.Width)) + geom_point()
2

所以这里的数据组件采用iris数据集，aes采用萼片长度和萼片宽度作为绘图的x和y值，geom_point（）绘制散点图

1Plot1 <-  ggplot(data= iris, aes(Sepal.Length, Sepal.Width,color=Species)) + geom_point()
2

让我们通过在aes中添加颜色来为不同物种着色。

1Plot1 <-  ggplot(data= iris, aes(Sepal.Length, Sepal.Width,color=Species)) + geom_point()
2

线性图

1Plot2 <- ggplot(data= iris, aes(Sepal.Length, Sepal.Width)) + geom_line()
2

双轴 – 绘图线和散点图一起

1Plot3 <- ggplot(data= iris, aes(Sepal.Length, Sepal.Width,color=Species)) + geom_point() + geom_line()
2

在ggplot中平滑拟合模型

1gplot(data= iris, aes(Sepal.Length, Sepal.Width,color=Species)) + geom_point() + geom_smooth(method ="lm")

让我们对不同物种有不同的散点图。 Facets根据一个或多个离散变量的值将绘图划分为子图。

1Plot5<- ggplot(data= iris, aes(Sepal.Length, Sepal.Width,color=Species)) + geom_point()+ facet_wrap(~Species, nrow=2, ncol=2)
2

扩展到ggplot2

还有更多的包是ggplot2的扩展。 我们将看到’GGally’和gridExtra包。

• GGally-使用以下命令基于GGally从数据集中绘制所有可能的关系：

1library(GGally)
2ggpairs(iris)

正如我们在下面的图像中看到的，ggpair正在绘制可用数据集中所有可能的关系。 可以作为EDA的开始但是如果数据集很大则需要花费很长时间才能产生结果。 我在下面的资源部分提供了文档链接。

• gridExtra-使用gridExtra我们可以在单个输出窗口中组合多个绘图，就像一个易于使用和应用的仪表板。 使用以下命令。

1library(gridExtra)
2grid.arrange(Plot1, Plot3, ncol=2)

进一步的阅读和资源：

ggplot Documentation
Cheat Sheet
ggplot
Top R Packages
Awesome R
R Packages
GGally- Extension to ggplot2
gridExtra

原文链接：
https://www.analytics-tuts.com/ggplot-in-r/

版权声明：作者保留权利，严禁修改，转载请注明原文链接。

数据人网是数据人学习、交流和分享的平台http://shujuren.org 。专注于从数据中学习到有用知识。
平台的理念：人人投稿，知识共享；人人分析，洞见驱动；智慧聚合，普惠人人。
您在数据人网平台，可以1）学习数据知识；2）创建数据博客；3）认识数据朋友；4）寻找数据工作；5）找到其它与数据相关的干货。
我们努力坚持做原创，聚合和分享优质的省时的数据知识！
我们都是数据人，数据是有价值的，坚定不移地实现从数据到商业价值的转换！

点击阅读原文，进入数据人网，获取数据知识。

公众号推荐：

链达君，专注于分享区块链内容。

脚印英语，专注于分享英语口语内容。