【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。

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!