• 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
      • 小白学数据可视化:单变量连续型可视化——直方图

      小白学数据可视化:单变量连续型可视化——直方图

      • 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5篇数据可视化(data visualization)的文章。

      • 第1篇:《小白学数据可视化:前言》

      • 第2篇:《小白学数据可视化:基于R生态的数据可视化工作环境构建》

      • 第3篇:《小白学数据可视化:如何选择适合您数据的图形?》

      • 第4篇:《小白学数据可视化:一个ggplot2画图完整实例》

      本文介绍对数据集中重要的连续型单一变量做可视化分析。比方说,金融科技里面用户信用评分的分布,世界各国的国民经济总产值分布等。我们可以使用直方图来揭示连续型单一变量的分布关系。

      直方图简介

      直方图,大家都不陌生。很多领域里面都会谈到,大同小异。数学里面,说到了直方图;数据分析里面,说到了直方图;数字图像处理里面,也说到了直方图。直方图,不仅仅是一种很有效的可视化分析工具,还是一种巧妙地特征工程方法。

      如何做直方图呢?

      • 第一步:对变量分箱。分箱要么指定箱子的数目(ggplot2的直方图默认值是30),要么指定箱子的宽度。

      • 第二步:统计每个箱子所占的频数。

      • 第三步: 针对各个箱子和对应的频数结果绘制图形(与Excel的柱状图相类似了)。

      ggplot2包画直方图

      第一步:加载R包

      library(ggplot2)
      library(scales)
      library(dplyr)

      第二步:准备数据集

      # 构建业务场景的数据集
      set.seed(1234)
      data_df <- data.frame(
        sex = factor(rep(c('Female', 'Male'), each = 1000)),
        weight = round(c(rnorm(1000, mean = 55, sd = 5), rnorm(1000, mean = 65, 5)))
      )

      第三步:研究变量weight的分布
      采用直方图,并且修饰和完善直方图

      ggplot(data = data_df, mapping = aes(x = weight)) +
        geom_histogram() +
        labs(title = '体重分布图',
             x = 'weight')

      接下来对每个柱子做修饰,利用参数fill填充柱子的颜色,参数color设计柱子边框的颜色。

      ggplot(data = data_df, mapping = aes(x = weight)) +
        geom_histogram(fill = 'cornflowerblue',
                       color = 'white') +
        labs(title = '体重分布图',
             x = 'weight')

      通过参数bins或者binwidth控制直方图所要展示的柱子数目。

      ggplot(data = data_df, mapping = aes(x = weight)) +
        geom_histogram(fill = 'cornflowerblue',
                       color = 'white',
                       bins = 20) +
        labs(title = '体重分布图',
             subtitle = 'bins 的数目是20',
             caption = 'source:数据人网(http://shujuren.org)',
             x = 'weight')

      或者

      ggplot(data = data_df, mapping = aes(x = weight)) +
        geom_histogram(fill = 'coral',
                       color = 'white',
                       binwidth = 5) +
        labs(title = '体重分布图',
             subtitle = 'binwidth的宽度是5',
             caption = 'source:数据人网(http://shujuren.org)',
             x = 'weight')

      直方图默认情况下是采用计数(count)表示,我们采用百分比来表示。

      ggplot(data = data_df, mapping = aes(x = weight, y = ..count.. / sum(..count..))) +
        geom_histogram(fill = 'coral',
                       color = 'white',
                       binwidth = 5) +
        labs(title = '体重分布图',
             subtitle = 'bins 的数目是20',
             caption = 'source:数据人网(http://shujuren.org)',
             x = 'weight',
             y = '百分比') +
        scale_y_continuous(labels = percent)

      ggplot2包利用ggplot()函数绘制的图像,返回值也可以记录为一个对象,类似变量一样,后续在其基础上,可以继续补充和完善。

      在图像对象基础上增添平均线。

      # 记录为一个图像对象
      pic1 <- ggplot(data = data_df, mapping = aes(x = weight, y = ..count.. / sum(..count..))) +
        geom_histogram(fill = 'coral',
                       color = 'white',
                       binwidth = 5) +
        labs(title = '体重分布图',
             subtitle = 'bins 的数目是20',
             caption = 'source:数据人网(http://shujuren.org)',
             x = 'weight',
             y = '百分比') +
        scale_y_continuous(labels = percent)
      # 添加平均线
      pic1 + geom_vline(aes(xintercept = mean(weight)), 
                        color = 'blue', 
                        linetype = 'dashed',
                        size = 2) 

      在图像对象基础上增添核密度曲线。

      pic1 + geom_density(aes(y = ..density..), alpha = .2, color = 'red', size = 2)

      使用变量sex控制分组,并且对每个组添加均值线。

      mean_df <- data_df %>% group_by(sex) %>% summarise(grp_mean = mean(weight))
      ggplot(data = data_df, aes(x = weight, color = sex)) +
        geom_histogram(fill = 'white',
                       binwidth = 5,
                       position = 'dodge') +
        geom_vline(data = mean_df, aes(xintercept = grp_mean, color = sex), linetype = 'dashed', size = 2) +
        theme(legend.position = 'top')

      更多内容,可以查看geom_histogram()函数帮助文档。可视化分析的时候,要清楚可视化的目的,然后再选择合适的可视化手段,最后再做些锦上添花的事情。

      关于本文,您有什么见解,请留言。


      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

      作为一名数据分析师,R是怎样影响我的?
      2021年9月9日

      下一篇文章

      PDFMV框架的P
      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?