R语言学习--R for Data Science - 2.1 ggplot2
R语言学习--R for Data Science - 2.1 ggplot2
上一节介绍了跟练所需的软件，R包和数据，这节开始跟练书中的第一块内容：数据可视化。
我们分析数据是为了从数据中发现问题或者得到结论，而图形则能给我们带来更多直观的信息。生信分析也不例外，如单细胞测序，数万个细胞，每个细胞上万基因的不同表达水平所构成的数据是非常大的，直接通过数据表格几乎不可能发现有意义的信息，但是我们通过降维可视化可以清晰的看到每个样本的细胞组成，基因表达分布等多层次的信息，能帮助我们更好的理解和分析问题。
用的R包和数据
ggplot2，是这本书的作者之一Hadley Wickham开发的，包括tidyverse，他也是rstudio的首席科学家；ggplot2是个作图功能很强大的R包，底层是Wilkinson的图形语法，通过将图形分解为数据和映射（数据如何显示在图上），清晰定义了每个图层的语法。
mpg data frame，这个数据框是ggplot2包自带的，数据框是R中的一种数据结构，其每一列是一个变量，每一行是一个观测。mpg数据框包含美国环保机构针对38种型号汽车的观测数据，其中每一列的列名就是变量名，如displ是汽车引擎大小，单位是L；hwy是汽车在高速路上的燃料效率，单位是英里/加仑。这个数据框的具体信息可以通过在console中输入?mpg查看，R中的函数和自带的数据包都可以通过在其名字前加?来查看帮助信息，注意?也必须是英文字符。
> library(ggplot2)
> mpg
# A tibble: 234 × 11
manufacturer model displ year cyl trans drv cty hwy fl class
<chr> <chr> <dbl> <int> <int> <chr> <chr> <int> <int> <chr> <chr>
1 audi a4 1.8 1999 4 auto… f 18 29 p comp…
2 audi a4 1.8 1999 4 manu… f 21 29 p comp…
3 audi a4 2 2008 4 manu… f 20 31 p comp…
4 audi a4 2 2008 4 auto… f 21 30 p comp…
5 audi a4 2.8 1999 6 auto… f 16 26 p comp…
6 audi a4 2.8 1999 6 manu… f 18 26 p comp…
7 audi a4 3.1 2008 6 auto… f 18 27 p comp…
8 audi a4 quattro 1.8 1999 4 manu… 4 18 26 p comp…
9 audi a4 quattro 1.8 1999 4 auto… 4 16 25 p comp…
10 audi a4 quattro 2 2008 4 manu… 4 20 28 p comp…
# … with 224 more rows使用下面代码作图
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy))
图形如何产生的？
在上面这张图的代码中，首先使用了ggplot()这个函数，它的功能是创建一个空白坐标系，其xy轴可以通过后续图层添加，它的第一个参数是作图用的数据，用ggplot(data = mpg)就会生成如下图片，是个空白背景：
接下来，通过geom_point()函数添加数据的映射，这里的point是散点图，bar则是条形图，还有很多种形状可以通过这种方式添加；geom函数有个mapping参数，需要使用函数aes()来传递参数给mapping，aes()中需指定x和y参数代表了数据中的哪个变量，如mapping = aes(x = displ, y = hwy)，geom函数会继承在ggplot函数中传入的数据，并在这个数据集中寻找指定的x和y变量。
作图模板
ggplot(data = <DATA>) +
<GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))习题练习
1. How many rows are in mpg? How many columns?
这道题主要考察如何查看数据框信息，下面列出3种方法：
#1. 因为这里的对象mpg的数据结构是tibble，可以直接运行对象名:
> mpg
# A tibble: 234 × 11 （这里显示了行数 x 列数）
manufacturer model displ year cyl trans drv cty hwy fl class
<chr> <chr> <dbl> <int> <int> <chr> <chr> <int> <int> <chr> <chr>
1 audi a4 1.8 1999 4 auto… f 18 29 p comp…
2 audi a4 1.8 1999 4 manu… f 21 29 p comp…
3 audi a4 2 2008 4 manu… f 20 31 p comp…
4 audi a4 2 2008 4 auto… f 21 30 p comp…
5 audi a4 2.8 1999 6 auto… f 16 26 p comp…
6 audi a4 2.8 1999 6 manu… f 18 26 p comp…
7 audi a4 3.1 2008 6 auto… f 18 27 p comp…
8 audi a4 quattro 1.8 1999 4 manu… 4 18 26 p comp…
9 audi a4 quattro 1.8 1999 4 auto… 4 16 25 p comp…
10 audi a4 quattro 2 2008 4 manu… 4 20 28 p comp…
# … with 224 more rows#2. 使用dim()函数:
> dim(mpg)
[1] 234 11#3. 使用str()函数:
> str(mpg)
tibble [234 × 11] (S3: tbl_df/tbl/data.frame)
$ manufacturer: chr [1:234] "audi" "audi" "audi" "audi" ...
$ model : chr [1:234] "a4" "a4" "a4" "a4" ...
$ displ : num [1:234] 1.8 1.8 2 2 2.8 2.8 3.1 1.8 1.8 2 ...
$ year : int [1:234] 1999 1999 2008 2008 1999 1999 2008 1999 1999 2008 ...
$ cyl : int [1:234] 4 4 4 4 6 6 6 4 4 4 ...
$ trans : chr [1:234] "auto(l5)" "manual(m5)" "manual(m6)" "auto(av)" ...
$ drv : chr [1:234] "f" "f" "f" "f" ...
$ cty : int [1:234] 18 21 20 21 16 18 18 18 16 20 ...
$ hwy : int [1:234] 29 29 31 30 26 26 27 26 25 28 ...
$ fl : chr [1:234] "p" "p" "p" "p" ...
$ class : chr [1:234] "compact" "compact" "compact" "compact" ...2. What does the drv variable describe? Read the help for ?mpg to find out.
这里告诉我们可以利用帮助文档查找数据集的相关信息，运行?mpg即可
3. Make a scatterplot of hwy vs cyl.
用其他变量作图，直接套模板即可
ggplot(data = mpg) +
geom_point(mapping = aes(x = cyl, y = hwy))
4. What happens if you make a scatterplot of class vs drv? Why is the plot not useful?
先作图看一下：
ggplot(data = mpg) +
geom_point(mapping = aes(x = class, y = drv))
毫无规律，通过查看帮助知道class代表车型，车型和车的驱动类型本身就没有相关性，这个图自然也就没什么意义了。提示我们作图时需要考虑变量的相关性，思考要通过图形表达什么信息。
参考资料：
https://r4ds.had.co.nz/index.html
本文系转载，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文系转载，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。