r语言ggplot2包学习笔记（上代码+注释）

#ggplot2学习笔记##第一节：尝试ggplot library(ggplot2) #使用的是R内置数据（mpg） qplot(displ,hwy,data=mpg,colour=factor(cyl)) #displ排量x轴，hwy高速油耗y轴，数据源mpg，气缸数cly1. qplot(displ,hwy,data=mpg,facets=.~year)+geom_smooth() #facets分组参数，这里是根据时间分组。geom_smooth()函数为拟合曲线 p <- ggplot(data = diamonds,aes(carat,price,colour=cut)) #aes映射参数 carat映射到X,price到Y，cut到colour summary(p)#查看映射关系 #要有图像一定需要图层，下面我们来建设图层 p <- ggplot(diamonds,aes(x=carat)) p <- p+layer(geom="bar",geom_params=list(fill="steelblue"),stat ="bin",stat_params=list(binwidth=2)) #geom参数：point 基础散点 point(size) 气泡图 bar 条形图 boxplot 箱线图 line直线图 #geom.params设置geom参数这里颜色为铁蓝色。stat指定统计变化，bin为频数。stat.params=list(binwidth=2)统计区间为2 summary(p);p ##layer层简写 可以直接用geom_point()等函数，如下 p <- ggplot(data = diamonds,aes(carat,price,colour=cut))+geom_point() #######总结：ggplot第一步先定义数据映射，第二步定义图层。（就像是PS上画图一样。） ##第二节：ggplot参数说明 #使用mtcars数据 rm( list = ls ( all = TRUE))#清除内存数据 p <- ggplot(mtcars,aes(mpg,wt,colour="cyl"))+geom_point() #修改数据源 mtcars<-transform(mtcars,mpg=mpg^2)#修改数据内容transform()函数 p%+% mtcars#用新的数据暂时取代P里面的数据 #修改参数 p+geom_point(aes(colour=factor(cyl))) summary(p) #作业题百分比排列方式使用position #题目一：堆叠型bar x <- ggplot(diamonds,aes(clarity,fill=cut))#产生对象 x为clarity y没写，则为count，fill填充颜色为cut x + geom_bar(position="stack") +scale_y_continuous(breaks=seq(0,12000,2000)) #堆叠型bar + y刻度从0到12000，单位2000 #题目二：百分比bar x <- ggplot(diamonds,aes(clarity,fill=cut))+geom_bar(position = "fill") #题目三：间隔型变量 x <- ggplot(diamonds,aes(clarity,fill=cut))+geom_bar(position = "dodge") #组合geoms和stats d<- ggplot(diamonds,aes(carat))+xlim(0,3) d + stat_bin(aes(ymax=..count..),binwidth=0.1,geom="area") summary(d) #整合回归画图, 使用nlme 包和Oxboys 数据包 library(nlme) model<- lme(height~age,data = Oxboys,random=~1+age|Subject) #混合线性回归应变量身高，自变量年龄 oplot<- ggplot(Oxboys,aes(age,height,group=Subject))+geom_line() age_grid<- seq(-1,1,length=10) subjects<- unique(Oxboys$Subject) preds<- expand.grid(age = age_grid,Subject=subjects)#将年龄和subject进行排列组合 preds$height<-predict(model,preds)#通过混合线性模型预测排列组合的身高 oplot+geom_line(data=preds,colour="#3366FF",size=0.4)#在原来黑色图层上增加蓝色预测数据 #统计误差图 Oxboys$fitted<- predict(model) Oxboys$resid<- with(Oxboys,fitted-height) oplot %+% Oxboys +aes(y=resid)+geom_smooth(aes(group=1))#Oxboys数据暂时替代oplot再做图 ########### ##第三节：ggplot功能展示 rm( list = ls ( all = TRUE))#清除内存数据 library(ggplot2) df<- data.frame( x=c(3,1,5), y=c(2,4,6), label=c("a","b","c") ) p<- ggplot(df,aes(x,y,label=label))+xlab(NULL)+ylab(NULL) p+geom_point()+ggtitle("geom_point")#散点效果+title p+geom_bar(stat="identity")+ggtitle("geom_bar(stat=\"identity\")") #柱形图。。。注意"需要加\才能引用 p+geom_line()+ggtitle("geom_line")#线图 p+geom_area()+ggtitle("geom_area")#填黑线图 p+geom_path()+ggtitle("geom_path")#路径图 p+geom_tile()+ggtitle("geom_tile")#瓦片图 p+geom_polygon()+ggtitle("geom_polygon")#多边形填充图 #画分布的技巧（1）画密度 depth_dist<- ggplot(diamonds,aes(depth))+xlim(58,68) depth_dist+geom_histogram(aes(y=..density..),binwidth =0.1)+facet_grid(cut~.) #density位统计量”密度“所以前后增加..binwidth取样区间0.1做取样 以cut做分组 #画分布的技巧（2）画分布 depth_dist+geom_histogram(aes(fill=cut),binwidth=0.1,position="fill") #overplotting处理（几何对象重叠处理） rm( list = ls ( all = TRUE))#清除内存数据 df<- data.frame(x=rnorm(2000),y=rnorm(2000)) norm<-ggplot(df,aes(x,y)) norm+geom_point()#我们会发现很多点都重合了，那就是重叠数据 norm+geom_point(shape=1)#改变shape达到目的 norm+geom_point(shape=".")#改变点的类型 norm+geom_point(alpha=1/3)#使用透明度参数 #案例2 diamonds数据库 td<-ggplot(diamonds,aes(table,depth))+xlim(50,70)+ylim(50,70) td+geom_point() td+geom_jitter(position = position_jitter(width=0.5))#使用扰动解决重叠数据

td+geom_jitter(position = position_jitter(width=0.5),alpha=1/10)

参考文献：

《R语言应用系列丛书·ggplot2：数据分析与图形艺术》