李誉辉，四川大学硕士在读，研究数据分析与可视化，以及网络爬虫。誉辉兄最近出的文章都是很系统的，从R ggplot2的基础讲解到三维数据可视化plot3D，文章都整理讲解得很全面系统，我本人也是很喜欢这样的文章，故而推荐给大家。
KM法即乘积极限法（product-limit method），是现在生存分析最常用的方法，是由Kaplan和Meier于1958年提出，因此称Kaplan-Meier法，通常简称KM法。KM法是这样估计生存曲线：首先计算出活过一定时期的病人再活过下一时期的概率（即生存概率），然后将逐个生存概率相乘，即为相应时段的生存率。
small <- diamonds[sample(nrow(diamonds), 1000), ]
饼图把一个圆分成多个部分，这些部分的弧长（以及面积）代表一个整体的比例。月亮图也是如此，它把一个圆分成多个部分，这些部分的面积代表整个圆的比例，但在月亮图中，这些部分被画成圆的月牙形，就像月相。
ggplot2可以用来创建优雅的图形，由于它的灵活，简洁和一致的接口，可以提供美丽、可直接用来发表的图形，吸引了许多用户，特别是科研领域的用户。ggplot2使用grid包来提供一系列的高水平的函数，并将其延伸为图形语法，即独立指定绘图组件，并将它们组合起来，以构建我们想要的任何图形显示。图形语法包含6个主要成分：data, transformations, element, scales, guide和 coordinate system。图层图形语法源于多层数据构建图形的想法。它定义了下表中的图形组分：data, aesthetic mappings, statistical transformations, geometric objects, position adjustment, scales, coordinate system 和 faceting（数据、几何映射、统计变换、几何对象、位置调整、比例、坐标和面）。数据、几何映射、统计变换、几何对象、位置调整形成一个图层，一个图可以有多个图层。
参考链接是 ggplot2 area plot : Quick start guide - R software and data visualization - Easy Guides - Wiki - STHDA
其实 ggplot2 并没有类似于 geom_pie() 这样的函数实现饼图的绘制，它是由 geom_bar() 柱状图经过 coord_polar() 极坐标弯曲从而得到的。 对于为什么 ggplot2 中没有专门用于饼图绘制的函，有人说：“柱状图的高度，对应于饼图的弧度，饼图并不推荐，因为人类的眼睛比较弧度的能力比不上比较高度（柱状图）。” 关于饼状图被批评为可视化效果差，不推荐在 R 社区中使用的文章在网络也有不少，感兴趣的可以去搜一下。
605172933感谢“宏基因组0”群友李海敏、沈伟推荐此包绘制堆叠柱状图各成分连线：突出展示组间物种丰度变化。
文章来源："Preoperative immune landscape predisposes adverse outcomes in hepatocellular carcinoma patients with liver transplantation" (2021,npj Precision Oncology)，数据与代码全部公开在https://github.com/sangho1130/KOR_HCC。
Q1 ：能不能自行指定映射的具体颜色？ 想要自行指定映射的颜色，就必须要有映射。
ggplot2的特殊语法规则：列名不带引号，行末写加号（加号表示不同函数之间的连接）
条形图专用于离散变量和数值变量之间的可视化展现，其通过柱子的高低，直观地比较离散变量各水平之间的差异，它被广泛地应用于工业界和学术界。在R语言的ggplot2包中，读者可以借助于geom_bar函数轻松地绘制条形图。对于条形图大家对其的印象是什么呢？又见过哪些种类的条形图呢？在本篇文章我将带着各位网友说道说道有关条形图的哪些品种。
上一篇中我们介绍了ggplot2的基本语法规则，为了生成各种复杂的叠加图层，需要了解ggplot2中一些基本的几何图形的构造规则，本文便就常见的基础几何图形进行说明；
ggplot2是与base r语言不同的作图语法，最少元素包括：指定数据、美学映射、几何对象
ggplot2 包提供了一套基于图层语法的绘图系统，它弥补了 R 基础绘图系统里的函数缺乏一致性的缺点，将 R 的绘图功能提升到了一个全新的境界。ggplot2 中各种数据可视化的基本原则完全一致，它将数学空间映射到图形元素空间。想象有一张空白的画布，在画布上我们需要定义可视化的数据（data），以及数据变量到图形属性的映射（mapping）。
ggplot2及其衍生包可以绘制各种各样的复杂绘图，常见的使用场景是使用ggplot2绘制单图，使用ggpubr、cowplot、gridExtra及patchwork等工具包进行拼图，尤其是patchwork包，它的函数设计理念很优秀，使用很方便 。
2017年8月份的R语言更新包中，默默地加入了支持ggplot2树状图的新几何对象，从此在R语言中制作树状图，不用再求助于第三方包的辅助了。 该包既有Cran上的正式发行版，也有托管在GitHub上的开发版，安装方式如下： CRAN: install.package("treemapify") Github: devtools::install_github("wilkox/treemapify") GitHub主页： https://github.com/wilkox/treemapify 载入本文章所
颜色-color；大小-size；形状-shape；透明度-alpha；填充颜色-fill
R有几种不同的系统用来产生图形，但ggplot2是最优雅而多变的那一种。ggplot2实现了图形语法，一种描述和构建图形的逻辑系统。通过ggplo2，我们能够快速学习，多处应用。
画图的思维：1.我的数据适合什么样的图？2.搜画图代码 3.仿制示例数据 4.套代码，调细节
base包、ggplot2、ggpubr（ggpubr对ggplot2进行了简化和美化，适用于新手入门，可操作空间较小）
首先，加载 ggplot2 并生成要在示例中使用的数据框（我使用的是稍微修改过的数据集，因此最终结果会与原始图有所不同）。
图片 图片 常用可视化R包 作图 base ggplot2（特殊语法：列名不带引号，行末写加号） 图片 颜色：color 大小：size 形状：shape 图片 透明度：alpha 填充颜色：fill（既有边框又有内心的，才需要color和fill两个参数） 映射和手动设置的区别 图片 自行指定映射的具体颜色 ggplot(data = iris)+ geom_point(mapping = aes(x = Sepal.Length, y = Pe
上次 R 可视乎主要讲述了《Geospatial Health Data》[1]一书中关于空间地理数据可视化用 R 包制作地图的基础内容，参见 R可视乎｜空间地理数据可视化（1）。本篇将继续介绍空间地理数据可视化的 R 包和函数。
此外貌似还可以用md 或html 渲染，不过这里其实有更强的ggtext 了：R语言之可视化（32）之ggtext：提高ggplot2的文本呈现 - 简书 (jianshu.com)[2]
本章将教您如何使用ggplot2可视化您的数据。 R有几个用于制作图形的系统，但ggplot2是最优雅和最通用的系统之一。 ggplot2实现了图形语法，它是一个用于描述和构建图形的系统。如果您想在开始之前了解更多关于ggplot2理论基础的内容，我建议您阅读“The Layered Grammar of Graphics”，
用许多条目来表示和比较时间序列，将它们绘制为折线图可能具有挑战性。绘制此类数据集的一种更方便的方法是地平线图，它能够压缩数据但仍保留所有信息。
今天跟大家分享如何在地图上进行散点图、气泡图绘制。 昨天跟大家介绍了ggplot函数进行地图绘制的原理，通过轮廓点和分组来定义每一个地区（国家边界），通过多边形填充来完成区域填色。 ggplot的图层叠加原理晕允许我们在坐标系统的叠加多个图层； 所以在地图上叠加散点、甚至气泡可以很容易的实现： 包的导入： library(maptools) library(ggplot2) library(plyr) 导入地理信息数据： china_map <- readShapePoly("c:/rstudy/bou2_
image.png 将其另存为csv格式。 以上数据来源 https://www.r-graph-gallery.com/220-basic-ggplot2-histogram.html
aes()函数是ggplot2包中一个重要的函数，它用于将变量映射到图形属性上，如颜色、形状、大小、位置等。它的主要功能包括以下三个方面：
但是学生的表现实在是太超出我意料了，能超脱于现有的工具，达到随心所欲的定制化，值得分享！
ggplot2是基于grid的绘图工具，它绘制的图像其实是由多个grob（grid graph object）组成的，比如一张点图，它的标题是titleGrob，点图的基本单元包括pointsGrob。
在前面我们学习了基础绘图系统和 ggplot2 绘图系统的图形排版组合，具体可见下面推文。
之前的ggplot2入门实践篇已经更新告一段落，也已经做了归总分类分享给大家。 最近翻看突然发现少了一个知识点，就是分面中没有讲填充多边形分面的应用，虽然其理念跟其他的常用图表类型一致。 但是鉴于多边形填充本身就比较复杂，再加上分面肯定能把大部分小伙伴儿绕晕，这里还是亲自实践一篇案例详细讲解一下实际用法。 如果你还不懂如何使用ggplot2制作数据地图的话，你可以参考以下序列文件： 地图部分（ggplot2） 你想要的地图素材资源，我都帮你整理好了~ 一篇文章教你搞定JSON素材，从此告别SHP时代~ 大道
上节学习了ggplot2的基础作图，并掌握了基本的作图模板。但是每次作图只有两个变量映射到了图形中，如下图：
查看每列的非重复值及每个值的重复次数(直接用base的table(mpg$manufacturer)感觉效果类似)
ggplot2是R语言最流行的第三方扩展包，是RStudio首席科学家Hadley Wickham读博期间的作品。根据其绘图理念，图形由以下几个模块组成：
ggplot2是由Hadley Wickham创建的一个十分强大的可视化R包。按照ggplot2的绘图理念，Plot(图)= data(数据集)+ Aesthetics(美学映射)+ Geometry(几何对象)。本文将从ggplot2的八大基本要素逐步介绍这个强大的R可视化包。
本次演示我们以R自带的数据集diamonds为例进行绘图，由于数据量比较大我们使用tidyverse随机抽取1000条数据进行演示。
上一期我们讲解了如何使用谢益辉写的xaringan包[1]制作幻灯片，推文在这：R沟通｜用xaringan包制作幻灯片。但是最后留了一个小尾巴，如果你不喜欢最原始版本的主题的话。你可以把内部的css进行设置，这时你得需要一些javascript的知识。
gridExtra包让混合多个图片变得轻而易举。它提供了grid.arrange() 函数来完成 这个任务。它的nrow参数允许指定如何安排布局。
之前有过一段时间，特别热衷于数据地图，也分享很多篇关于地图制作的教程（涉及到各种作图软件），但大多是整理拼凑，自己发挥的不多。 最近在看哈德利.威科姆的那本火遍全球的R语言数据可视化经典教程——《ggplot2——数据分析与图形艺术》。书内虽然关于数据地图的内容很少，但是ggplot所渗透的可视化图层理念实在让人叹为观止。 书中完全将复杂的地图图表语言拆解成常规图表思维，通过图层叠加、分组填色、空间映射，让我对地图这种深度可视化形式有了更多深入的理解。 今天这一篇主要分享美国地图的绘图代码，同样是我们之前分
ggridges包提供了geom_density_ridges_gradient()函数，用于画核密度估计峰峦图
前几天有一个读者在公众号留言问上面这幅图应该如何实现，我想到一个办法是利用ggplot2分别画散点图和密度图，然后利用aplot包来拼图，aplot包是ggtree的作者新开发的一个包，非常重要的一个作用就是解决拼图的时候坐标轴对齐的问题。这个aplot包的用法大家可以在微信搜索里直接搜aplot就可以直接找到原作者写的推文的介绍，而且这个公众号经常推送R语言的学习内容，非常好，作者是真正的大神级别的人物了。
image.png 另外一种形式，以下代码来自网络，原文地址 https://stackoverflow.com/questions/54964279/how-to-create-a-world-street-map-with-r
ECDF：Empirical cumulative distribution function，用于描述数据的分布，横坐标为指标，纵坐标为累计概率
做柱形图填充用到的函数是geom_col_pattern()，填充的内容有4个，分别是 'stripe' (default), 'crosshatch', 'point', 'circle'
ggplot画图是画图中的战斗机，但是往往在我们用ggplot2画图时候，需要根据需求更改坐标，图例等，最常见的就是更改x，y坐标系的名称。在ggplot2中，坐标系与比例尺和参考线是自动生成的，并且生成得很好。
*ggplot2中通过不同的geom函数生成图层，从前往后覆盖，因此需要考虑函数书写的顺序
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
