55-R可视化-4-ggplot2基石三部曲之基础一
开篇语
这一个部分一共三篇，学会了基本上你的ggplot 就达到ggplot 界小学二年级的水平了吧~
开始前
主要为ggplot2 中的前三个部分的内容。
ggplot2
可视化使得数据科学从业者更好地分析并解释数据 常用的ggplot 模版
ggplot2 的图形可以按照七种参数来对其进行调整
简单模版
ggplot(data = ) +
<geom_function>(mapping = aex())
ggplot 的学习路径
image.png
data 数据
image.png
aes 及映射
image.png
group #分组
labels #标记
关于aes 相关参数可以直接为这些参数赋值为相关的变量，通过映射的方式，按照函数默认方式为它们赋值。
ggplot(data = test)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length,
color = Species))
如果想要将以上的参数赋值为手动定义的内容，则需要将其抽出aes 函数内。
ggplot(data = test)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length),
color = "red")
手动设置与映射
映射要有“领导思维”，直接将变量给对应的参数；手动设置则“精准定位”，该是什么就给参数设定什么。
shape
具体的shape 有25个值。
facet 分面
facetgrid()
image.png
ggplot(mpg) +
geom_point(aes(displ,hwy,color=drv)) +
facet_grid(drv ~ cyl)
image.png
facet_warp()
facet_grid 对多图形的分面显示不是特别友好，而facet_warp() 则可以设定分面行与列的数目。
对比一下
ggplot(mpg) +
geom_point(aes(displ,hwy,color=drv)) +
facet_grid(class~.)
image.png
ggplot(mpg) +
geom_point(aes(displ,hwy,color=drv)) +
facet_wrap(~class, ncol = 3)
warp与grid 的区别
warp 只能对一种变量进行分类（一个维度），因此如果对其使用两个变量，则其会罗列在一个维度。
但其相比grid 的优势在于，它可以自定义输出的分面的行与列数。
易错点
- 对于color, shape 等不连续的变量区分参数，不适于映射连续变量。（其一无法体现连续变量的变化趋势，其二这些不连续的参数其数量有限，无法有效区分连续变量）对于连续变量可以选择size, alpha等。
练习题
6-1
#练习6-1
# 示例数据：ggplot2中数据集mpg
# 1.分别以mpg的displ和hwy两列作为横纵坐标，画点图。
ggplot(mpg) +
geom_point(aes(displ,hwy))
# 2.尝试修改颜色或大小，从mpg数据框中任选可以用来分类的列。
ggplot(mpg) +
geom_point(aes(displ,hwy,color=drv))
# 3.根据class列来分面
ggplot(mpg) +
geom_point(aes(displ,hwy,color=drv)) +
facet_grid(class ~ .)
# 4.根据drv和cyl两个变量来分面
ggplot(mpg) +
geom_point(aes(displ,hwy,color=drv)) +
facet_grid(drv ~ cyl)
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2021-11-11，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
