R的作图工具包,可以使用非常简单的语句实现非常复杂漂亮的效果。
加载qplot
library(ggplot2) # 测试数据集,ggplot2内置的钻石数据 qplot(carat, price, data = diamonds) dsmall <- diamonds[sample(nrow(diamonds), 100), ] #对diamonds数据集进行抽样
#1. 按color,size,shape的基本分类可视化#1.1 简单的散点图(利用color分类,不同颜色的钻石由不同颜色的点代表)
#1.2. 简单的散点图(利用shape分类,不同的切割方式由不同形状的点代表)
#2. 绘制不同类型的图表:geom参数
qplot(x,y,data=data,geom="")中的geom=""用来控制输出的图形类型
I. 两变量图
(1) geom="points",默认参数,绘制散点图(x,y)
(2) geom="smooth" 绘制平滑曲线(基于loess, gam, lm ,rlm,glm)
(3) geom="boxplot" 绘制箱线图 ,当x为属性变量(factor),y为数值变量时
II.单变量图
(4) geom="histogram",直方图
(5) geom="density",核密度估计图
(6) geom="bar",条形图barchart
III.时间序列
(7) geom="line",折线图,可用于时间序列(当x=date)
(8) geom="path",路径图(参见后文)
# 2.1 同时绘制散点图+平滑直线
qplot(carat, price, data = dsmall, geom=c("point","smooth"))
#参数调整:method=""等#(a). method = "loess", 默认平滑算法, 通过span=调整窗宽, span=0(波动) 到 span=1(光滑)
qplot(carat, price, data = dsmall, geom = c("point", "smooth"), method = "loess",span=0.2)
# (b). method = "gam": GAM 在大数据时比loess高效,需要载入 mgcv 包
library(mgcv) qplot(carat, price, data = dsmall, geom = c("point", "smooth"), method="gam", formula = y ~ s(x))
# (c). method="lm", 线性平滑
qplot(carat, price, data = dsmall, geom = c("point", "smooth"), method = "lm")
# method="lm",formula = y ~ ns(x, 3),三次自然样条,需要载入splines包
library(splines) qplot(carat, price, data = dsmall, geom = c("point", "smooth"), method = "lm", formula = y ~ ns(x, 3))
# method = "rlm", robust linear model, 受异常值影响小,需要载入MASS包
library(MASS) qplot(carat, price, data = dsmall, geom = c("point", "smooth"), method = "rlm")
# 2.2:x为属性变量,y为连续变量,绘制boxplot
qplot(color, price/carat, data=diamonds,geom="boxplot")
# 2.3:单变量,直方图
qplot(carat, data = diamonds, geom = "histogram")
#2.4: 单变量,核密度估计图
qplot(carat, data = diamonds, geom = "density")
# 按不同颜色绘制的density图
qplot(carat, data = diamonds, geom = "density",colour=color)
# 2.5 条形图(柱状图)
#计数,求count(color) qplot(color, data = diamonds, geom = "bar")
#加权,对每个求sum(carat),类似于excel里的数据透视图,按不同的color计算carat的总和 qplot(color, data = diamonds, geom = "bar", weight = carat)
#2.6. Time-series qplot(date, unemploy / pop, data = economics, geom = "line")
#2.7. Path plot#如果要查看失业率(unemploy / pop)与平均失业时间(uempmed)之间的关系,一个方法是利用散点图,但是这样做就会导致无法观察到随时间变化的趋势了,path plot利用颜色深浅来代表年份,随着颜色从浅蓝变成深蓝,可以观察到失业率与失业时间的关系的变化趋势。
#具体实现:先自定义函数year(),将字符串格式的时间转化为年 year <- function(x) as.POSIXlt(x)$year + 1900 #画出path plot,颜色按年份由浅到深 qplot(unemploy / pop, uempmed, data = economics, geom = "path", colour = year(date))
我们已经讨论了如何利用外观参数在同一图中比较不同分类的差异。而分面可以将不同的亚类放在不同的图中进行比较:
qplot(carat, data = diamonds, facets = color ~ .,geom = "histogram", binwidth = 0.1, xlim = c(0, 3))
qplot(carat, data = diamonds, facets = color ~ .,geom = "histogram", binwidth = 0.1, xlim = c(0, 3))
下面的图形在一开始的基础上添加了新的元素:分面,多个图层以及统计数据。分面和图层扩展了上面提到的数据结构:每一个分面的每一个图层都有属于自己的数据集。你可以将它想象成是一个三维的数组:分面构成了二维平面,然后图层给予其在新的维度上的扩展。在这个例子中,不同图层上的数据是一样的,但是从理论上来讲,不同的图层中可以有不同的数据。
qplot(displ, hwy, data=mpg, facets = . ~ year) + geom_smooth()
基本绘图类型:
这些几何元素是ggplot的基础。他们彼此结合可以构成复杂的图像。他们中的绝大多数对应特定的绘图类型。
geom_area()
geom_bar()
geom_line()
geom_point()
geom_polygon()
geom_text()
geom_tile()
> library("ggplot2") > head(mpg) manufacturer model displ year cyl trans drv cty 1 audi a4 1.8 1999 4 auto(l5) f 18 2 audi a4 1.8 1999 4 manual(m5) f 21 3 audi a4 2.0 2008 4 manual(m6) f 20 4 audi a4 2.0 2008 4 auto(av) f 21 5 audi a4 2.8 1999 6 auto(l5) f 16 6 audi a4 2.8 1999 6 manual(m5) f 18 hwy fl class 1 29 p compact 2 29 p compact 3 31 p compact 4 30 p compact 5 26 p compact 6 26 p compact > p <- ggplot(mpg, aes(x = cty, y = hwy, colour = factor(year))) > summary(p) data: manufacturer, model, displ, year, cyl, trans, drv, cty, hwy, fl, class [234x11] mapping: x = cty, y = hwy, colour = factor(year) faceting: facet_null()
然后就是几何对象和统计,简单的理解就是通过统计变换把前面的元素表现出来,因为统计变换的函数stat开头的默认有包含自己的几何图形,而几何图形函数geom又带有自己的统计变换,通常都能达到目的。
p + geom_point() #散点图
ggplot(mpg, aes(x = displ)) + geom_histogram(aes(y = (..count..)), fill = "steelblue", colour = "#808080", bin = 0.1) #直方图
ggplot(mpg, aes(y = displ, x = factor(cyl), fill = factor(cyl))) + geom_boxplot() #盒图
ggplot(diamonds, aes(carat, price)) + stat_bin2d() #二维密度图
p + geom_point() + stat_smooth(method = "lm", se = F)
ggplot(mpg, aes(x = cty, y = hwy)) + geom_point(aes(colour = factor(year))) + stat_smooth(method = "lm", se = F) #请注意两种方式的区别
ggplot(mpg, aes(y = hwy, x = class, colour = class)) + geom_boxplot() + geom_jitter(alpha = 0.3) + theme(panel.grid = element_blank(), panel.background = element_rect(fill = NA, colour = "black"))
ggplot(mpg, aes(x = displ)) + stat_bin(aes(y = ..density.., fill = factor(year)), colour = "#909090") + stat_density(aes(ymax = "density", colour = factor(year)), geom = "line", size = 1.2) + facet_wrap(~year, ncol = 1)
将数据中变量映射到图形属性。映射控制了二者之间的关系。
标度:标度负责控制映射后图形属性的显示方式。具体形式上来看是图例和坐标刻度。scale和mapping是紧密相关的概念。
几何对象(Geometric):几何对象代表我们图中看到的图形元素,如点、线、多边形等。
统计变换(Statistics):对原始数据进行某种计算,例如二元散点上加上一条回归线。
坐标系统(Coordinate):坐标系统控制坐标轴并影响所有图形元素,坐标轴可以进行变换以满足不同的需要。
图层(Layer):数据、映射、几何对象、统计变换等构成一个图层。图层可以允许用户一步步的构建图形,方便单独对图层进行修改。
分面(Facet):条件绘图,将数据按某种方式分组,然后分别绘图。分面就是控制分组绘图的方法和排列形式。
关于ggplot2的绘图功能还有待进一步挖掘。