R语言_ggplot2_Lv1_Toolbox

R语言_学习笔记

1、准备工作

> library(labeling)
> library(ggplot2)

2、小试牛刀

> df <- data.frame(x = c(3, 1, 5), y = c(2, 4, 6), label = c("a","b","c"))
> p <- ggplot(df, aes(x, y)) + xlab(NULL) + ylab(NULL)

• 面积图

> p + geom_area(fill="mediumpurple1") + labs(title = "geom_area")

- 路径图

> p + geom_path(color="orangered1") + labs(title = "geom_path")

- 含标签的散点图

> p + geom_text(aes(label = label)) + labs(title = "geom_text")

- 色深图

> p + geom_tile(aes(fill=label)) + labs(title = "geom_tile")

- 多边形图

> p + geom_polygon(fill="lightpink") + labs(title = "geom_polygon")

3、永远不要指望仅依靠默认的参数，就能对某个具体的分布获得一个表现力强的图形

• 生肉

> ggplot(diamonds,aes(x=depth))+geom_histogram(fill="tan2")

• 自调版本

> ggplot(diamonds,aes(x=depth))+geom_histogram(binwidth=.1,fill="tan2")+xlim(55,70) 

• 分面直方图

> depth_dist <- ggplot(diamonds, aes(depth)) + xlim(58, 68)
depth_dist + geom_histogram(aes(fill=cut,y = ..density..), binwidth = 0.1) +facet_grid(cut ~ .) + theme(legend.position="none")

• 条件密度图

> depth_dist + geom_histogram(aes(fill = cut), binwidth = 0.1, position = "fill")

• 频率多边图

> depth_dist + geom_freqpoly(aes(y = ..density.., colour = cut), binwidth = 0.1)

从最后的这三幅图中可以看出，随着钻石质量的提高，分布逐渐向左偏移，且愈发对称。

4、箱线图的一般及高级使用

• 一般使用(以离散型变量作为分组条件)

> ggplot(diamonds,aes(cut,depth)) + geom_boxplot(aes(fill=cut))

• 高级使用(以连续型变量作为分组条件)

> ggplot(diamonds,aes(carat,depth,group=round_any(carat,0.1,floor)))+geom_boxplot(fill="orange") +xlim(0,3)

5、处理散点图遮盖问题

• 个人认为最简单也最漂亮的方法。缺点是看不清散点聚集最多的具体位置。

> with(diamonds,smoothScatter(carat,price,xlim=c(1,3)))

• 使用小六边形，可以看到散点聚集最多的具体位置。但图形没有上面的漂亮。

> library(grid)
> library(lattice)
> library(hexbin)
> dp <- ggplot(diamonds, aes(carat, price)) + xlim(1,3) 
> dp + stat_binhex(binwidth=c(0.02, 200))

• 使用密度估计对点的密度建模并进行可视化。

> d <- ggplot(diamonds, aes(carat, price)) + xlim(1,3)
> d + stat_density2d(geom = "point", aes(size = ..density..), contour = F,color="cornflowerblue") + scale_size_area()

6、统计摘要
偶然发现，bar图和histogram图都只能对一个变量进行描述。虽然，我们可以通过调整position参数，来分组的呈现它们。但本质上还是只描述了data集中的某一个变量。y轴始终只能是两种情况：count or density，绝不可能是data集中另一个变量。解决的办法就是使用stat_summary()

> ggplot(diamonds, aes(cut,price)) + stat_summary(fun.y = median, geom = "bar",aes(fill=cut)) 

(1) 该图展示的是各种cut类型的钻石的平均价格比较。
(2) 当然也可以比较它们的max、min、median。
(3) 像这种同时存在两个变量的条形图，如果不使用stat_summary是做不到的。

7、为图层添加图形注解
图层还是图层，只是将额外的数据添加到这个图层上，便于我们对数据的理解和分析。

• 图层生肉：

> ggplot(economics,aes(date,unemploy))+ xlab(NULL) + ylab("No.unemployed(1000s)") + geom_line()
> data(presidential)
> presidential <- presidential[-(1:3),]  #注意，每RUN一次，都会删除数据集的前三行。
> yrng <- range(economics$unemploy) 
#This function returns a vector containing the minimum and maximun of all the given arguments
> xrng <- range(economics$date)

• First

> last_plot() + geom_rect(aes(xmin = start, xmax = end, y = NULL, x = NULL,fill = name), ymin = yrng[1], ymax = yrng[2], data=presidential,alpha=0.2)+scale_fill_manual(values=c("blue","orange","red","green","pink","black","gold"))

• Second

> last_plot() + geom_text(aes(x = start, y = yrng[1], label = name),data = presidential, size = 5, hjust =0, vjust =0.5 ,angle=30)

• Third

> caption <- paste(strwrap("Unemployment rates in the US have varied a lot over the years", 40), collapse="\n")
> last_plot() + geom_text(aes(x = xrng[2], y = yrng[2], label= caption),data=data.frame(), hjust = 1, vjust = 1, size = 5)

• Forth

> highest <- subset(economics, unemploy == max(unemploy))
> last_plot()+ geom_point(colour = alpha("red", 0.8), data = highest, size = 7)