R数据可视化第二弹---ggplot2工具箱

ggplot2工具箱

ggplot2的图层化架构让我们以一种结构化的方法来设计和构建图形,这里每一小节解决一个特定的作图问题。

1.基本图形类型

  • geom_area()用于绘制面积图
  • geom_bar(stat="identity")绘制条形图,我们需要指定stat=“identity”,因为默认的统计变换会自动对值进行计数。
  • geom_line()绘制线条图,从左到右连接
  • geom_point()绘制散点图
  • geom_polygon()绘制多边形
  • geom_text()可在指定点处添加标签
  • geom_tile()用来绘制色深图(image plot)或水平图(level plot)

使用以下代码绘制几何对象:

> library(ggplot2)
> df <- data.frame(
+ x=c(3,1,5),
+ y=c(2,4,6),
+ lable=c("a","b","c")
+ )
> p <- ggplot(df,aes(x,y))+xlab(NULL)+ylab(NULL)
> p + geom_point()+labs(title="geom_point")
> p + geom_bar(stat="identity")+labs(title="geom_bar(stat=\"identity\")")
> p + geom_line() + labs(title="geom_line")
> p + geom_area()+labs(title="geom_area")
> p+ geom_path()+labs(title="geom_path")
> p + geom_text(aes(label=lable))+labs(title="geom_text")
> p + geom_tile() + labs(title="geom_tile")
> p + geom_polygon() + labs(title="geom_polygon")

  

2.展示数据分布

时间: 2024-11-07 15:01:24

R数据可视化第二弹---ggplot2工具箱的相关文章

R数据可视化--ggplot2定位之分面

分面也就是切割数据生成一系列小联号图,每个小图表示不同的数据子集.本篇将讨论如何较好的微调分面,特别是与位置标度相近的方法. 在qplot中可以选择分面系统.2维分面使用face_grid,1维分面使用face_wrap. 分面通常会占用大量空间,因此本篇使用mpg数据集的子集来进行展示. > library(ggplot2) > mpg2 <- subset(mpg,cyl != 5 &drv %in% c("4","f")) 1.网格分

R数据可视化----ggplot2之标度、坐标轴和图例详解

标度控制着数据到图形属性的映射,当有需要时,ggplot2会自动添加一个默认的标度.我们确实可以在不了解标度运行原理的情况下画出许多图形,但理解标度并学会如何操纵它们则将赋予我们对图形更强的控制能力. 每一种图形属性都拥有一个默认的标度,此标度将在我们每次使用这个图形属性时被自动添加到图形中,这些标度列于下表中,默认属性粗体显示: 图形属性 离散型 连续型 颜色和填充色 brewer grey hue identity manual gradient gradient2 gradientn 位置

R数据可视化初阶-散点图、散点图矩阵、相关系数

散点图plot ? plot(v,type,col,xlab,ylab) ? v:数值向量. ? type:采用值"p"仅绘制点,"l"仅绘制线和"o"绘制点和线. ? xlab:x轴的标签. ? ylab:y轴的标签. ? main:图表的标题. ? col:用于给点和线的颜色 在绘制第一行后,可以通过lines()函数使用一个额外的向量作为输入来绘制图表中的第二行 PS:只是用用,数据量太小,基本看不出来啥规律 > cardata mp

《R数据可视化手册》高清英文版PDF+中文版PDF+源代码

下载:https://pan.baidu.com/s/1f4bhEOBB0TpOkyuB9yjxxQ 高清中文版PDF,337页,带目录和书签:高清英文版PDF,413页,带目录和书签:中英文两版可以对比学习. 配套源代码: 经典书籍,讲解详细: 其中高清中文版如图 原文地址:http://blog.51cto.com/3215120/2308549

第三篇:数据可视化 - ggplot2

前言 R语言的强大之处在于统计和作图.其中统计部分的内容很多很强大,因此会在以后的实例中逐步介绍:而作图部分的套路相对来说是比较固定的,现在可以先对它做一个总体的认识. 在上一篇文章中,介绍了使用graphics库进行绘图的方法,而本文将引入一个更为强大的库 --- ggplot2,它能做出各式各样,非常酷炫的统计图(甚至地图,热图等). 本文将结合一个实际项目中的例子讲解如何使用ggplot2绘图. ggplot绘图总体步骤 1. 调用ggplot函数设置图形基本信息 --- 如:使用的数据集

第二篇:数据可视化 - 基本API

前言 数据可视化是数据挖掘非常重要的一个环节,它不单在查阅了解数据环节使用到,在整个数据挖掘的流程中都会使用到. 因为数据可视化不单可以形象地展示数据,让你对数据有更好的总体上的了解,而且还可以让你清晰的将自己的观点表述出来.因此不仅仅是在项目实施环节,在与客户谈需求或者写论文时,数据可视化也能帮到你. 但在介绍统计图的具体绘制之前,先来看看两个基本的图像绘制函数plot和legend. 绘图基础函数 - Plot 在R语言中,plot是基本的用来绘制点和线段的函数. 最基本的调用方式为:plo

利用R语言进行交互数据可视化(转)

上周在中国R语言大会北京会场上,给大家分享了如何利用R语言交互数据可视化.现场同学对这块内容颇有兴趣,故今天把一些常用的交互可视化的R包搬出来与大家分享. rCharts包 说起R语言的交互包,第一个想到的应该就是rCharts包.该包直接在R中生成基于D3的Web界面. rCharts包的安装 require(devtools) install_github('rCharts', 'ramnathv') rCharts函数就像lattice函数一样,通过formula.data指定数据源和绘图

利用R语言进行交互数据可视化

本文是本人受统计之都邀请写的一篇关于数据可视化的文章,感兴趣的同学可以上统计之都去查看. http://cos.name/2016/06/using-r-for-interactive-data-visualization/ 上周在中国R语言大会北京会场上,给大家分享了如何利用R语言交互数据可视化.现场同学对这块内容颇有兴趣,故今天把一些常用的交互可视化的R包搬出来与大家分享. rCharts包 说起R语言的交互包,第一个想到的应该就是rCharts包.该包直接在R中生成基于D3的Web界面.

第三篇:R语言数据可视化之条形图

条形图简介 数据可视化中,最常用的图非条形图莫属,它主要用来展示不同分类(横轴)下某个数值型变量(纵轴)的取值.其中有两点要重点注意: 1. 条形图横轴上的数据是离散而非连续的.比如想展示两商品的价格随时间变化的走势,则不能用条形图,因为时间变量是连续的: 2. 有时条形图的值表示数值本身,但也有时是表示数据集中的频数,不要引起混淆: 绘制基本条形图 本例选用测试数据集如下: 绘制方法是首先调用ggplot函数选定数据集,并在aes参数中指明横轴纵轴.然后调用条形图函数geom_bar(stat