R语言与医学统计图形-【32】海盗图、词云图、日历图

1.海盗图

参数众多,其语法与基础包类似。

基础图。

#devtools::install_github('ndphillips/yarrr')
#install.packages('yarrr')
library(yarrr)

#基本海盗图
str(pirates)
pirateplot(formula = age ~ favorite.pirate,
           data = pirates,
           xlab = 'Favorite Pirate',
           ylab = 'Age',
           main="")


散点图展示年龄分布,盒形图展示平均年龄,beans展示年龄大致分布,越胖越集中。

不同主题的海盗图。

#theme
par(mfrow=c(2,2))
for(i in 1:4){
  pirateplot(formula = age~favorite.pirate,
             data=pirates,
             xlab = 'Favorite Pirate',
             ylab = 'Age',
             gl.lwd = 0, #不显示背景网格线
             bty = 'l', #边框类型
             pal = 'xmen', #调色板piratepal函数种的xmen色系
             avg.line.lwd = 0.5, #均值线宽
             main = paste('Theme is:',i),
             theme = i)
}


设置透明度。

#设置透明度
pirateplot(formula = age~favorite.pirate,
           data=pirates,
           xlab = 'Favorite Pirate',
           ylab = 'Age',
           gl.lwd = 0,
           bty = 'l',
           pal = rainbow(6),
           avg.line.lwd = 1.2,
           point.col = rainbow(6),
           point.o = 0.5, #点透明度
           inf.f.o = 0.8, #盒子透明度
           bar.f.o = 0.2, #添加透明度bar图
           bean.f.o = 0.4) #bean条带透明度


自定义坐标轴。

#自定义坐标轴
pirateplot(formula = age~favorite.pirate,
           data=pirates,
           xlab = 'Favorite Pirate',
           ylab = 'Age',
           gl.lwd = 0,
           bty = 'n',
           ylim = c(-10,50), #注意范围要能容下x轴标签
           pal = rainbow(6),
           avg.line.lwd = 1.2,
           point.col = 0.8,
           bar.f.o = 0.2,
           bean.f.o = 0.4,
           xaxt = 'none',
           yaxt = 'none') #不绘制坐标轴
axis(2,at=seq(0,50,5))
pirate <- unique(pirates$favorite.pirate)
text(1:6,-5,labels = sort(pirate),srt=45)

2.词云图

#install.packages('wordcloud2')
library(wordcloud2)

wordcloud2(demoFreq,size = 1.6)
wordcloud2(demoFreq,size = 1.6,
           color = 'random-light', #词云颜色
           backgroundColor = 'black')#背景色

#形状
wordcloud2(demoFreq,size = 0.7,
           shape = 'star') #形状

#中文词云
wordcloud2(demoFreqC,size = 2,
           fontFamily = 'STKaiti',
           minRotation = -pi/6,
           maxRotation = -pi/6,
           rotateRatio = 1) #旋转比例

#以单词样式展示
letterCloud(demoFreq,
            word = 'hello',
            color='random-light',
            backgroundColor='grey')

3.日历图

可展示随时间的变化。

如一年中每一天的大气污染物数据。

#install.packages('openair')
library(openair)

#ts函数生成时间序列数据(不包含对应时间)
value <- ts(data = sample(0:300,366,replace = T),
            start = as.Date('2016-01-01'),
            frequency = 1,
            end = as.Date('2016-12-31')
            )
#seq函数生成时间,与value对应
date <- seq(from=as.Date('2016-01-01'),
            by=1,
            length.out = 366)
pm25 <- data.frame(pm25=value,date=date)

calendarPlot(pm25,pollutant = 'pm25',year = 2016)

只展示前3个月的数据。

calendarPlot(selectByDate(pm25,month = c(1,2,3),year = 2016), #取子集
             pollutant = "pm25",year = 2016)

从上看出计算机默认语言为中文,所以展示的日历也是中文,星期都显示不全,要解决这个问题只需:
Sys.setlocale("LC_TIME", "English")即可。

原文地址:https://www.cnblogs.com/jessepeng/p/12354308.html

时间: 2024-11-08 13:35:54

R语言与医学统计图形-【32】海盗图、词云图、日历图的相关文章

R语言与医学统计图形-【12】ggplot2几何对象之条图

ggplot2绘图系统--几何对象之条图(包括误差条图) 1.条图 格式: geom_bar(mapping = , data = , stat = 'count', #统计变换默认计数 position = 'stack', #默认堆栈 width = , #条形宽度 binwidth = , na.rm = FALSE, show.legend = , inherit.aes = TRUE) positon: dodge并排 fill堆叠填充标准化为1 stack堆栈 identity不做调

R语言与医学统计图形-【9】过渡函数qplot

ggplot2绘图系统 基础绘图包向ggplot2过渡--qplot 绘图理念的不同: 基础绘图包是先铺好画布,再在这张画布上作图(常规思维): ggplot2打破常规,采用图层叠加的方法. qplot函数既有plot特点,又体现了ggplot2的特征,是一个过渡函数. library(ggplot2) data("diamonds") qplot(x=carat, y=price, data=diamonds, geom = 'point', color=color) #geom几何

R语言与医学统计图形-【14】ggplot2几何对象之直方密度图

ggplot2绘图系统--几何对象之直方图.密度图 1.直方图 参数. geom_histogram(mapping = , data = , stat = 'bin', #统计变换,概率密度为density position = 'stack', binwidth = , #条柱宽度 bins = , #条柱数目,默认30 na.rm = FALSE, show.legend = NA, inherit.aes = TRUE ) 示例. ggplot(diamonds,aes(carat))+

R语言与医学统计图形-【15】ggplot2几何对象之线图

ggplot2绘图系统--几何对象之线图 曲线:点连线.路径曲线.时间序列曲线.模型拟合曲线...... 直线:水平直线.垂直直线.斜线. 1.曲线 对象及其参数. #路径图 geom_path(mapping = , data = , stat = 'identity', position = 'identity', lineend = 'butt', #线段两端样式,round/square linejoin = 'round', #线段交叉样式,mitre/bevel linemitre

R语言与医学统计图形-【10】ggplot2图形映射

ggplot2绘图系统--图形映射 颜色的映射. #aes中映射变量 ggplot()+geom_point(aes(x=carat,y=price,color='blue'),#color视为单一变量 data=dsmall) #映射外的颜色 ggplot()+geom_point(aes(x=carat,y=price), data=dsmall,color='blue') #加I函数后,不管位置 #同样适用于fill/alpha/size/shape等属性 ggplot()+geom_po

R语言与医学统计图形-【11】ggplot2几何对象之散点图

ggplot2绘图系统--几何对象之散点图 以geom开头的函数超过30个.几何对象和标度函数scale密不可分.只有在aes中传入某个变量,scale才能发挥作用. 所谓标度scale,就是图形遥控器,用于控制元素属性.相对于color/shape等参数而言,可以进行更多.更精确的设置. 颜色标度设置 颜色梯度(gradient)标度(scale)函数. #双色梯度函数 scale_color_gradient(...,high='#56B1F7',low='#132B43',...) sca

R语言与医学统计图形-【13】ggplot2几何对象之盒形图

ggplot2绘图系统--几何对象之盒形图 参数: geom_boxplot(mapping = , #lower,middle,upper,x,ymax,ymin必须(有默认) #alpha/color/fill/linetype/shape/size/weight可选 data = , stat = 'boxplot', position = 'dodge', outlier.color = , #离群点颜色 outlier.shape = 19, outlier.size = 1.5, o

R语言结合概率统计的体系分析---数字特征

现在有一个人,如何对这个人怎么识别这个人?那么就对其存在的特征进行提取,比如,提取其身高,其相貌,其年龄,分析这些特征,从而确定了,这个人就是这个人,我们绝不会认错. 同理,对数据进行分析,也是提取出数据的特征,对其特征进行分析,从而确定这些数据所呈现的信息状况,从而确定了这些数据的独特性和唯一性,因为他呈现的信息是唯一的,绝不与别的是相同的. 那么这些特征是什么呢?拥有哪些特征呢?似乎应该是经过无数科学家的总结,终于发现了几个重要的特征,包括数字特征和分布特征,这个数字特征,包括集中位置,分散

R语言:常用统计一些方法代码

理论漫衍依赖于若干未知参数时Kolmogorov-Smirnov 检讨ks.test()例一 对一台设备举办寿命检讨,记录十次无妨碍操纵时间,并按从小到大的序次分列如下,用ks检讨要领检讨此设备无妨碍事情时间是否切合rambda=1/1500的指数漫衍呼吁:X<-c(420, 500, 920, 1380, 1510, 1650, 1760, 2100, 2300, 2350)ks.test(X, "pexp", 1/1500)例二 假设从漫衍函数F(x)和G(x)的总体中别离随