# R绘图笔记 | 二维散点图与统计直方图组合

```ggscatterhist(data, x, y, group = NULL, color = "black", fill = NA,
palette = NULL, shape = 19, size = 2, linetype = "solid",
bins = 30, margin.plot = c("density", "histogram", "boxplot"),
margin.params = list(), margin.ggtheme = theme_void(),
margin.space = FALSE, main.plot.size = 2, margin.plot.size = 1,
title = NULL, xlab = NULL, ylab = NULL, legend = "top",
ggtheme = theme_pubr(), ...)```

data是用于绘图的数据，x和y分别指定数据中的x轴和y轴，group指定一个分组变量，shape指定点的形状【参考：散点图】。

```library(ggpubr)

N<-300
x1 <- rnorm(mean=1.5, N)
y1 <- rnorm(mean=1.6, N)
x2 <- rnorm(mean=2.5, N)
y2 <- rnorm(mean=2.2, N)

data1 <- data.frame(x=c(x1,x2),y=c(y1,y2))
```> head(data1)
x         y
1  1.9237124 0.1088482
2  3.1930833 1.8434623
3  3.4372797 1.9396251
4 -0.1662552 1.9320601
5  1.4886753 0.7804415
6  1.7652103 0.4776553```

margin.plot = "histogram"指定边缘的图是直方图，margin.params用来指定该图形的参数。看下面代码，比较一下就知道各参数什么意思。

```ggscatterhist(
data1, x ='x', y = 'y', shape=21,fill="#7FFFD4",color = "black",size = 3, alpha = 1,
#palette = c("#00AFBB", "#E7B800", "#FC4E07"),
margin.params = list( fill="red",color = "blue", size = 0.3,alpha=1),
margin.plot =  "histogram",
legend = c(0.8,0.8),
ggtheme = theme_minimal())```

```N<-200
x1 <- rnorm(mean=1.5, sd=0.5,N)
y1 <- rnorm(mean=2,sd=0.2, N)
x2 <- rnorm(mean=2.5,sd=0.5, N)
y2 <- rnorm(mean=2.5,sd=0.5, N)
x3 <- rnorm(mean=1, sd=0.3,N)
y3 <- rnorm(mean=1.5,sd=0.2, N)
data2 <- data.frame(x=c(x1,x2,x3),y=c(y1,y2,y3),class=rep(c("A","B","C"),each=200))```
```> head(data2)
x        y class
1 1.9221129 2.139207     A
2 2.1656947 1.778408     A
3 1.6277478 2.221711     A
4 1.1816189 2.006987     A
5 1.6467425 1.833635     A
6 0.4997666 2.033704     A```
```ggscatterhist(
data2,  x ='x', y = 'y',  #iris
shape=21,color ="black",fill= "class", size =3, alpha = 0.8,
palette = c("#00AFBB", "#E7B800", "#FC4E07"),
margin.plot =  "density",
margin.params = list(fill = "class", color = "black", size = 0.2),
legend = c(0.9,0.15),
ggtheme = theme_minimal())```

```ggMarginal(p, data, x, y, type = c("density", "histogram", "boxplot",
"violin", "densigram"), margins = c("both", "x", "y"), size = 5, ...,
xparams = list(), yparams = list(), groupColour = FALSE,
groupFill = FALSE)```

p：添加边缘地块的ggplot2散点图。如果p不提供，则必须提供所有数据，x和y。

data：用于创建边缘地块的数据。框架。如果p被提供并且边缘图反映相同的数据是可选的。

type：要显示什么类型的边缘图。其中之一是[密度，直方图，箱线图，小提琴，密度图（density, histogram, boxplot, violin, densigram）](“密度图”是指密度图覆盖在直方图上)。

```scatter <- ggplot(data=data1,aes(x=x,y=y)) +
geom_point(shape=21,fill="#00AFBB",color="black",size=3)+
theme_minimal()+
theme(
#text=element_text(size=15,face="plain",color="black"),
axis.title=element_text(size=15,face="plain",color="black"),
axis.text = element_text(size=13,face="plain",color="black"),
legend.text= element_text(size=13,face="plain",color="black"),
legend.title=element_text(size=12,face="plain",color="black"),
legend.background=element_blank()
#legend.position = c(0.12,0.88)
)

ggMarginal(scatter,type="histogram",color="black",fill="#00AFBB")```
```scatter <- ggplot(data=data2,aes(x=x,y=y,colour=class,fill=class)) +
geom_point(aes(fill=class),shape=21,size=3)+#,colour="black")+
scale_fill_manual(values= c("#00AFBB", "#E7B800", "#FC4E07"))+
scale_colour_manual(values=c("#00AFBB", "#E7B800", "#FC4E07"))+
theme_minimal()+
theme(
#text=element_text(size=15,face="plain",color="black"),
axis.title=element_text(size=15,face="plain",color="black"),
axis.text = element_text(size=13,face="plain",color="black"),
legend.text= element_text(size=13,face="plain",color="black"),
legend.title=element_text(size=12,face="plain",color="black"),
legend.background=element_blank(),
legend.position = c(0.9,0.15)
)
ggMarginal(scatter,type="density",color="black",groupColour = FALSE,groupFill = TRUE)```

```library(gridExtra)
#(a) 二维散点与统计直方图

# 绘制主图散点图，并将图例去除，这里point层和path层使用了不同的数据集
scatter <- ggplot() +
geom_point(data=data1,aes(x=x,y=y),shape=21,color="black",size=3)+
theme_minimal()
# 绘制上边的直方图，并将各种标注去除
hist_top <- ggplot()+
geom_histogram(aes(data1\$x),colour='black',fill='#00AFBB',binwidth = 0.3)+
theme_minimal()+
theme(panel.background=element_blank(),
axis.title.x=element_blank(),
axis.title.y=element_blank(),
axis.text.x=element_blank(),
axis.text.y=element_blank(),
axis.ticks=element_blank())
# 同样绘制右边的直方图
hist_right <- ggplot()+
geom_histogram(aes(data1\$y),colour='black',fill='#00AFBB',binwidth = 0.3)+
theme_minimal()+
theme(panel.background=element_blank(),
axis.title.x=element_blank(),
axis.title.y=element_blank(),
#axis.text.x=element_blank(),
axis.text.y=element_blank(),
axis.ticks=element_blank())+
coord_flip()

empty <- ggplot() +
theme(panel.background=element_blank(),
axis.title.x=element_blank(),
axis.title.y=element_blank(),
axis.text.x=element_blank(),
axis.text.y=element_blank(),
axis.ticks=element_blank())
# 要由四个图形组合而成，可以用空白图作为右上角的图形也可以，但为了好玩加上了R的logo，这是一种在ggplot中增加jpeg位图的方法
# empty <- ggplot(data.frame(x=1:10,y=1:10),aes(x,y))+
#   annotation_raster(logo,-Inf, Inf, -Inf, Inf)+
#   opts(axis.title.x=theme_blank(),
#        axis.title.y=theme_blank(),
#        axis.text.x=theme_blank(),
#        axis.text.y=theme_blank(),
#        axis.ticks=theme_blank())
# 最终的组合
grid.arrange(hist_top, empty, scatter, hist_right, ncol=2, nrow=2, widths=c(4,1), heights=c(1,4))```
```# 绘制主图散点图，并将图例去除，这里point层和path层使用了不同的数据集
scatter <- ggplot() +
geom_point(data=data2,aes(x=x,y=y,fill=class),shape=21,color="black",size=3)+
scale_fill_manual(values= c("#00AFBB", "#E7B800", "#FC4E07"))+
theme_minimal()+
theme(legend.position=c(0.9,0.2))
# 绘制上边的直方图，并将各种标注去除
hist_top <- ggplot()+
geom_density(data=data2,aes(x,fill=class),colour='black',alpha=0.7)+
scale_fill_manual(values= c("#00AFBB", "#E7B800", "#FC4E07"))+
theme_void()+
theme(legend.position="none")
# 同样绘制右边的直方图
hist_right <- ggplot()+
geom_density(data=data2,aes(y,fill=class),colour='black',alpha=0.7)+
scale_fill_manual(values= c("#00AFBB", "#E7B800", "#FC4E07"))+
theme_void()+
coord_flip()+
theme(legend.position="none")

empty <- ggplot() +
theme(panel.background=element_blank(),
axis.title.x=element_blank(),
axis.title.y=element_blank(),
axis.text.x=element_blank(),
axis.text.y=element_blank(),
axis.ticks=element_blank())
# 要由四个图形组合而成，可以用空白图作为右上角的图形也可以，但为了好玩加上了R的logo，这是一种在ggplot中增加jpeg位图的方法
# empty <- ggplot(data.frame(x=1:10,y=1:10),aes(x,y))+
#   annotation_raster(logo,-Inf, Inf, -Inf, Inf)+
#   opts(axis.title.x=theme_blank(),
#        axis.title.y=theme_blank(),
#        axis.text.x=theme_blank(),
#        axis.text.y=theme_blank(),
#        axis.ticks=theme_blank())
# 最终的组合
grid.arrange(hist_top, empty, scatter, hist_right, ncol=2, nrow=2, widths=c(4,1), heights=c(1,4))
```

1.R语言数据可视化之美，张杰/著

2.grid.arrange()函数帮助文档

3.ggMarginal()函数帮助文档

4.ggscatterhist()函数帮助文档

0 条评论

• ### 腾讯CentOS云服务器挂载云硬盘与硬盘分区

我对Linux不是很熟悉，我在学习的过程中记录了很多笔记，在去年发过一篇文章:CentOS 7系统服务器上安装R和Rstudio，并在浏览器中运行Rstudio...

• ### CentOS 7系统服务器上安装R和Rstudio，并在浏览器中运行Rstudio

如果你已经购买服务器，登陆这里就不多说了，这里用的是腾讯云服务器CentOS 7系统

• ### R语言数据分析与挖掘(第八章):判别分析(2)——贝叶斯（Bayes）判别分析

Bayes判别，它是基于Bayes准则的判别方法，判别指标为定量资料，它的判别规则和最大似然判别、Bayes公式判别相似，都是根据概率大小进行判别，要求各类近似...

• ### 跟着Nature microbiology学画图~堆积柱形图+箱线图以及组合图

说明没问题,是得到了dataframe；这样：数据准备好了，作图的工具也准备好了，那么我们就开始作图：

• ### R-ggplot2 基础图表绘制-散点图示例

前两期分别介绍了R-ggplot2 基础散点图R-ggplot2 基础图表绘制-散点图和 Python-seaborn基础散点图Python-seaborn 基...

• ### 一图看清nova中创建虚拟机的流程

用户的入口是nova_client或者是horizon，他们是RestAPI的http客户端。

• ### Exchange漏洞仍被持续利用，WannaCry也呈上升趋势

近期，微软旗下Microsoft Exchange产品中被曝光的漏洞已经成功引起了网络犯罪分子们的注意，并且他们已经着手针对这一特定攻击向量展开大规模的攻击活动...

3.1. 环境变量 hadoop-env.sh name value 含义 JAVA_HOME /usr/java/jdk1....

• ### [海豚区块链] 政协委员骆沙鸣：应加快我国区块链技术研发应用

据人民政协报消息，7月10日，全国政协在北京召开“发展实体经济、提高供给体系质量”专题协商会。骆沙鸣委员在发言中表示加快我国区块链技术的研发应用，建立区块链工程...

• ### 区块链技术开发公司 企业主链才是落实市场的关键？

在区块链技术开发公司不断完善的当下，很多企业都想加入进来。有远见的人永远能嗅到区块链未来市场的发展趋向，以区块链技术开发实体企业应用，在空白的市场里拥有无限开发...