R语言学习ggplot2绘制统计图形包全面解析
发布时间：2021-11-07 13:50:33 所属栏目：教程 来源：互联网
导读：目录 一、序二、ggplot2是什么？三、ggplot2能画出什么样的图？四、组装机器五、设计图纸六、机器的零件1. 零件散点图1) 变换颜色2) 拟合曲线3) 变换大小4) 修改透明度5) 分层6) 改中文2. 零件直方图与条形图1) 直方图2) 润色3) 条形图3. 零件饼图4. 零件箱
|
目录 一、序二、ggplot2是什么？三、ggplot2能画出什么样的图？四、组装机器五、设计图纸六、机器的零件1. 零件——散点图1) 变换颜色2) 拟合曲线3) 变换大小4) 修改透明度5) 分层6) 改中文2. 零件——直方图与条形图1) 直方图2) 润色3) 条形图3. 零件——饼图4. 零件——箱线图5. 零件——小提琴图6. 零件打磨7. 超级变变变8. 其他常用零件七、实践出真知八、学习资源九、参考资料 一、序 作为一枚统计专业的学僧，首先需要掌握的编程语言一定是R。虽然自己对R谈不上精通，但却有着不一样的热爱，尤其热衷于使用R语言绘制各种各样觉得十分酷炫的图。每每磕完一个绘图作品，仿佛过了一个愉快的寒暑假，充实而满足。而在R语言中，谈到绘图，就不得不聊聊ggplot2这个大神器。 刚开始接触学习的时候，其实是非常抵触，觉得非常非常难的，但随着一张张图片跃然于屏幕之上，心中的抵触满满消失，取而代之的甚至多出了一丝喜爱。而这丝喜爱愈酿愈醇厚，愈酿愈香甜。这就促使我写一写这篇博文。回顾我之前学习ggplot2所走过的路，使大家能够避免走上我曾经走过的死胡同，从而走上一条康庄大道。也希望大家能够爱上R这门编程语言，享受使用ggplot2绘图的乐趣。 本文其实借鉴了网上很多的教程与参考文献，具体这些学习资料的网址，也会在文末进行说明。 二、ggplot2是什么？ 一句话概括：它是一个用来绘制统计图形(不只是统计图形)的R包！ 为什么叫ggplot呢？其中的gg当然不是Good Game的意思，而是Grammar of Graphics，直译就是绘图的语法，这是一门学问，绘图的学问。后面会介绍其与众不同的语法。 作者是Hadley Wickham，下面我们先瞻仰一下大神，沾点灵气，为后续的ggplot学习之路打好基础。 说起这位作者，可就厉害了。他是RStudio公司的首席科学家，在博士期间其实就已经开发出了ggplot包，后面觉得写的不行，于是推陈出新，天空一声巨响，ggplot2闪亮登场。由于这个包实在是太好用了，所以渐渐的，如今Python等多个编程语言都有了其对应的库。 当然，如果仅仅凭借ggplot2，Wickham还无法成为RStudio公司的首席科学家，他还是dplyr，devtools，readxl，rvest等包的作者，是一位全能型大神。 与此同时，在工作之外，他擅长烘焙和调制鸡尾酒，并且还有自己的家庭食谱网站。真的非常的腻害！ 更新：大神还荣获2019年的统计学诺贝尔奖——COPSS 奖！ 好了，言归正传，我们接着介绍ggplot2。 三、ggplot2能画出什么样的图？ 前面一直在夸它的好，得看看它究竟能创作出什么样的图！（由于博客的限制，不能使用svg的高清无码矢量图，故只能使用略带模糊的jpg图片） 前面两个图都是标准的统计学的我们需要画的图，只不过是将箱线图、柱状图、直方图、散点图、拟合回归以及相关系数，全部融合在了一张图上，信息量非常丰富。集百家之所长，成一家之言！但这还没什么，ggplot2还能做出令你更加吃惊的统计图。就比如下面的回归树图： 还有下面这个像岩浆一样的族谱图：从祖先到你，如何薪火相传。 以及最后一个犯罪率的变化情况。 好看的图片千千万，有趣的绘图包只有ggplot2。这里只介绍极小的一部分情况，说明一下它能做些什么。屏幕中的图，如果不自己生成，就永远只是别人家的图，而不是自己的，所以下面我们就来讲讲如何像搭积木，组装机器一样，组装成一个独属于你的妖娆且风骚的图片。 四、组装机器 ggplot2绘图三步走： 按照**“设计图纸”** 用一个个**“零件”** 自己进行**“组装”** 后面会一一进行介绍，这三步。但其实只要有一个概念，用ggplot2就是像PS一样，一个图层一个图层的叠加，最后组成我们的目标绘图。 它的优势非常明显： 用户能在更抽象层面上控制图形，使创造性绘图更容易 采用图层的设计方式，使其更具灵活性 图形美观，同时避免繁琐细节 将常见的统计变换融入到了绘图中 五、设计图纸 想要了解ggplot2，我们必须先了解下面这些概念： 数据（Data）和映射（Mapping）：将数据映到图像 几何对象（Geometric）：代表在图中看到的实际元素，如点、线、多边形等 统计变换（Statistics）：对数据进行某种汇总，如直方图，或将二维关系用线性模型解释 标度（Scale）：将数据的取值映射到图形空间，例如用：颜色、大小、形状表示不同取值 坐标系（Coordinate）：数据如何映射到图形所在平面，提供作图所需的坐标轴和网格线 分面（Facet）：将数据分解为子集，进行联合展示 图层（Layer）：对所需的绘图操作进行一层一层叠加，最终得到所需图形 这些概念能帮助你加深对其的理解，但是还是不懂？没关系！我们刚开始只需要掌握下面的零件构造就好了！ 六、机器的零件 在最最最开始，你需要安装R并且建议安装R Studio，都是免费的，并且都需要安装，然后可以直接从R Studio打开。 然后我们需要先安装ggplot2包，在R或者R Studio中使用下述语句，即可完成安装。 install.packages('ggplot2') 接着，我们就可以学习其中的每个零件的用法了。 1. 零件——散点图 如果我们想要看两个变量之间的关系，最简单，最方便的做法就是绘制散点图，那我们如何使用ggplot2绘制这样一个图形呢？ library(ggplot2) p <- ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) p + geom_point() 首先需要使用library()对ggplot2包进行加载（记得每次重新打开都需要进行加载！），当然也可以使用require()。然后就可以愉快地进行绘图了。 我们需要找到一个映射，也就是一对一的对应关系，这个我们在程序中如何给定呢？这就需要使用ggplot()这个函数。 首先在data =后面需要加上数据集的名称，在例子中是mpg一个关于汽车的数据集（注意：这个数据集是ggplot2包中特有的，加载了包才会有这个数据集）。在这个数据集里面有很多变量，其中有cty与hwy等一系列变量。 每个变量都有一列数值，也就是样本的信息，我们需要看cty与hwy两个变量对应的信息，就需要指定x轴是谁，y轴对应的是谁。在代码中，首先需要使用aes()将两个坐标轴的信息对应起来。aes代表的是aesthetic mappings，具有美感的映射，然后在里面分别使用x = ，y =来制定需要映射的变量。至此，我们的对应关系就找出来了。 但是！此时，你运行p这个变量是没有图像信息反馈出来的，因为你只是指定了关系，而没有说明应该以什么形式进行展现。可能是散点、折线、曲线等等。不过由于我们是进行散点图的绘制，所以使用的是后面还要+ geom_point()就可以展现出散点图了，其中geom表示的是geometric object，几何对象的意思。 接着，我们再对散点图进行一点点润色。（黑黑的点真的好丑） 1) 变换颜色 p <- ggplot(mpg, aes(x = cty, y = hwy, colour = factor(year))) p + geom_point() 这里我们指定了其散点的颜色，在aes()中使用了colour =，其后面的year也是mpg数据集中的一个变量。里面只有1999和2008两年，每个样本都有一个年份。（colour =写在aes()里面可以自动分配颜色，写在外面就是强制指定点的颜色，如加上‘blue'等） 不过为了将数字转化成factor因子形式，我们这里使用了factor()将数值变成了因子（可以自己尝试不添加factor()看看会出现什么样的结果，其实会出现颜色的深浅表示数值的大小）。 这里使用了p <- ggplot(mpg, aes(x = cty, y = hwy, colour = factor(year)))，我们默认将后面这部分赋值给了变量p，后面的p全部都是指代这行语句。 这行代码还有另外一个地方发生了变化，data =消失，只是这个都可以省略，只要在对应的位置有数据集这个变量就好了（这里是mpg）。同理，其实x = 与y = 在这里都可以省略。 在出现了散点之后，还是觉得空荡荡的，我们再加点别的零件。 2) 拟合曲线 p + geom_point() + stat_smooth() 相比于原先的操作，只是再加了一行 + stat_smooth()，stat表示的是statistical transformation，统计学变换。因为我们需要用插值的方法来绘制拟合直线，并且附带置信区间。 3) 变换大小 p + geom_point(aes(colour = factor(year), size = displ)) + stat_smooth() # 排量越大，点越大 想要变换点的大小，只需再在aes()中加上size =，后面接上一个新的变量名称displ代表着汽车的排量，每个点的尺寸越大，代表着排量越大，其对应关系如右边图例所示。 在此基础上我们还想在一张图上添加更多的信息，同时也可以解决点与点之间的重叠的问题，不会因为遮盖而使得我们有部分点看不到。那么我们应该怎么做呢？ 透明度！ 4) 修改透明度 p + geom_point(aes(colour = factor(year), size = displ), alpha = 0.5) + stat_smooth() + scale_size_continuous(range = c(4, 10)) 同样，我们只需使用alpha =即可其范围在0 — 1之间，越小表示越透明。注意，在这里，我们是写在aes()的外面，代表对所有的点都强制透明度为0.5。 在修改完透明度后，我们发现，图像已经有一点梦幻般的感觉了。但仔细一看，会发现，这张图实在是太拥挤了，1999年与2008年全部挤在了一块儿，那有没有什么简单的方法可以将两年直接分开呢？ 使用分层操作！ 5) 分层 p + geom_point(aes(colour = class, size = displ), alpha = 0.5) + stat_smooth() + scale_size_continuous(range = c(4, 10)) + facet_wrap(~ year, ncol = 1) 这次变化的内容其实有点多，我们来细细捋一捋，首先是分层。 其实分层操作用起来非常的简单，就一行代码：facet_wrap(~ year, ncol = 1)，facet_wrap()是关键，facet与wrap两个词组合，就是逐面地包起来。里面我们选择按照year这个变量来分层，就可以将1999与2008分开。一定要注意！这里在year前面有个~，回归中的用法。而最后的ncol = 1代表着我们的小窗口是1列，指定了1列之后，默认就是两行啦。（因为年份一共只有两种）如果不加这句，会默认横着排列，或者想要指定几行，则使用nrow = 1。 第二个修改的地方是colour = class。同样的，class也是数据集中的一个变量，代表不同种类的汽车，而因为汽车的种类非常多，所以颜色也就变的很多了。 第三个修改点是：添加了scale_size_continuous(range = c(4, 10))，也就是指定我们size的变化范围。在本图中，就是控制点的绝对大小的范围， 不要太大，也不要太小。 至此，散点图该润色的地方，已经润色的差不多了，唯独还有一个小小的缺陷：能否加个标题，并且将这些英文简写的名称改得更容易懂一些。毕竟做统计图不是为了自娱自乐，而是要给别人看的，要让大家明白你在做什么，在分析什么。 所以我们还需要进行一点点修改。 6) 改中文 p + geom_point(aes(colour = class, size = displ), alpha=0.5) + stat_smooth() + scale_size_continuous(range = c(4, 10)) + facet_wrap(~ year,ncol = 1) + labs(y = '每加仑高速公路行驶距离', x = '每加仑城市公路行驶距离', title = '汽车油耗与型号', size = '排量', colour = '车型') + theme(text = element_text(family = "STHeiti"), plot.title = element_text(hjust = 0.5)) 看到这么长的代码，首先要做的就是淡定，不要虚！我们慢慢来解释。 其实我们只添加了两个地方，labs()与theme()。 labs()修改的是我们标签的名称。我们前面在aes()中用了x =，y =，size =以及colour =，这些都是会有标签名称的，默认都是前面显示的一些英文。而这里，我们只需要在labs()中，写上其对应的名称即可。另外我们还附送一个title =，就是我们图像的标题。 theme()更偏向于格式的修改。text = element_text(family = "STHeiti")是对字体进行修改，变为黑体。Windows系统的各位，可以不添加这行，一样会显示前面labs()中设定的中文。而如果是Mac或者Linux系统，由于字体的缺失，会显示成一个一个的框框，在图像上显示不了中文字。 第二行plot.title = element_text(hjust = 0.5)是调整标题的位置，不加这行，标题会居左，加上才会居中。hjust = 0.5其实就是左右移动的意思，0.5表示居中。 2. 零件——直方图与条形图 学完了零件——散点图，我们再来学学其它零件。 我们先着重介绍直方图与条形图。可能会有有人问，这两个不都是方块儿条吗，有什么区别。其实这两个图有本质的区别：一个是针对连续的变量（直方图，histogram），将连续的变量砍成一段一段，再进行计数；一个是针对离散的变量（条形图，bar），直接对每类的样本来数数。 1) 直方图 p1 <- ggplot(mpg, aes(x = hwy)) p1 + geom_histogram() 这里不再用前面的变量p，而是变成p1，其映射是不需要y的，只需要指定x =数据集中的一个变量即可。然后+ geom_histogram()会使用默认的参数进行直方图的绘制。 2) 润色 p1 + geom_histogram(aes(fill = factor(year), y = ..density..), alpha = 0.3, colour = 'black') + stat_density(geom = 'line', position = 'identity', size = 1.5, aes(colour = factor(year))) + facet_wrap(~ year, ncol = 1) 这里又进行了很多操作，下面将其进行分解。 首先是facet_wrap(~ year, ncol = 1)按年分层，这里不再详述。我们来聊聊geom_histogram()中的参数。 fill = factor(year) 放在aes() 中表示按年进行填充颜色。为什么不用前面说到的colour = ？这是ggplot绘图中一个非常重要的点！（敲黑板！）对于线与点这种面积为0的结构，它的颜色就直接使用colour =进行指定，而对条形图，柱状图，扇形图（特殊的柱状图），箱线图等等有面积的图形，其面积的颜色，我们需要用fill =来指定。 添加y = ..density.. 是将原本的频数直方图变成频率密度直方图，目的是为了在直方图上添加密度曲线，两者可以同时在一张图上展现。 alpha = 0.3 是指定填充颜色的透明度， colour = 'black'则是强制指定柱状图边框的颜色为黑色。注意这两个参数是放在aes()外面，就是强制设定的意思。 stat_density()表示添加统计学中的密度曲线，进行密度估计。geom = 'line'指定为线形， position = 'identity'表示一个一一映射， size = 1.5 是强制修改线的尺寸，为原先的1.5倍。最后的aes(colour = factor(year))为修改拟合密度曲线的颜色，这里就是用的colour =而不是fill = 3) 条形图 p2 <- ggplot(mpg, aes(x=class)) p2 + geom_bar() 直接简单地计算不同车种类在数据集中的数量，使用 + geom_bar()，用默认参数即可绘制。我们直接从图上也可以看出，geom_bar()与geom_histogram()，两者绘制出来的图形，一个有间隔，一个没有间隔。这就正好对应了我们的离散与连续的区别。 我们想进一步比较不同年份，两者的汽车种类的数量是否有差别，我们可以使用并立条形图。 a. 并立条形图 p3 <- ggplot(mpg, aes(class, fill = factor(year))) p3 + geom_bar(position = 'dodge') 只需添加参数position = 'dodge'，并立条形图带回家！当然前面要说明用什么变量来并立，这里是年份：fill = factor(year) 同样，我们可以做不同的条形图。 b. 堆叠条形图 p3 <- ggplot(mpg, aes(class, fill = factor(year))) p3 + geom_bar(position = 'dodge') c. 分面条形图 p3 + geom_bar(aes(fill = class)) + facet_wrap(~ year) 只需动一动手指，就可享受到买一送三的奢华体验！ （编辑：武汉站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
