本文共 13918 字,大约阅读时间需要 46 分钟。
excel作为一个强大的统计工具,自身包含着一部分数据可视化的功能。R作为可视化的大势,自然也可以画出这些图,有一篇就通过ggplot2包
进行了部分总结,甚是有趣,小编复刻学习了一番,现对代码做简单注释,以作分享。
加载所需工具包
library(ggplot2) #作图包 library(dplyr) #数据转换包 library(tidyr) #数据转换包 library(splines) #数据差值包
ggplot2的基本概念
数据data/映射美学asethetics/几何对象geometries/分面facets/统计statistics/坐标系coordinates/主题themes
数据准备
set.seed(123) #设定随机种子,保证做的图和样例一致样 df var=LETTERS[1:10], #字母A-J id=1:10, #数字1-10 a=runif(10), #10个随机数 b=runif(10), #10个随机数 c=runif(10), #10个随机数 stringsAsFactors = F #不转换为因子 ) print(df) #显示数据
得到所需数据样式(宽矩阵转长矩阵)
df1%gather("item",value,-1:-2)%>% bind_cols(data.frame(item_id=rep(1:3,each=10))) # 使用tidyr和dplyr包的gather函数进行数据样式转换,%>%是dplyr包的传递函数 print(df1)
ggplot画图
ggplot2是图层式绘图,一层层添加修改,图层需要指定数据集,数据集中的内容(ase数据),geom_图形,stat统计转换,position图形位置
柱形图——geom_bar,注意position参数
ggplot(df1,aes(var,value))+ geom_bar(aes(fill=item),stat = "identity",position="dodge",width=0.8)+ labs() # geom_bar=stat_count,stat=identy接受两个变量作图,position默认参数是stack,position="dodge"时,不同变量横向排列 ggplot(df1,aes(var,value))+ geom_bar(aes(fill=(item)),stat = "identity",position="stack",width=0.8)+ labs() ggplot(df1,aes(var,value))+ geom_bar(aes(fill=item),stat = "identity",position="fill",width=0.8)+ labs() ggplot(df1,aes(var,value))+ geom_bar(aes(fill=item),stat = "identity",width=0.8)+ facet_grid(item~.)+ # 垂直方向分割 labs() # 平面展示,(facet_grid)将三维图平面展示
折线图——geom_line
变量以点展示,然后连点成线
ggplot(df1,aes(id,value,colour=item))+ # 点 geom_line()+ # 连线 scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ #将X坐标轴改为十等分并标以字母 labs() ggplot(df1,aes(id,value,colour=item))+ geom_line(position="stack")+ scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ labs() ggplot(df1,aes(id,value,colour=item))+ geom_line(position="fill")+ scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ labs() ggplot(df1,aes(id,value,colour=item))+ geom_line()+ geom_point()+ scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ labs() #增加了散点图geom_point ggplot(df1,aes(id,value,colour=item))+ geom_line(position="stack")+ geom_point(position="stack")+ scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ labs() ggplot(df1,aes(id,value,colour=item))+ geom_line(aes(ymin=0),position="fill")+ geom_point(aes(ymin=0),position="fill")+ scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ labs() ggplot(df1,aes(id,value,colour=item))+ facet_grid(item~.)+ # 垂直方向分割 geom_line()+ scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ labs() #用facet_grid平面展示,
饼图
饼图,将一般的柱图进行直角坐标轴到极坐标轴的转换(coord_polar())
ggplot(df,aes(x=factor(1),a,fill=factor(var)))+ geom_bar(stat="identity",position="fill")+ coord_polar(theta="y")+ # 按Y轴极坐标转换 labs()因为是在条形图中对y轴进行极坐标转换,因此x轴长短需要一致,统一设为一个值,此处是x=factor(1)
复合饼图和复合条饼图
有嵌套类时,可以衍生一个图形展现子类内容,下图是一个demo,仅作为图案参考样式,还有许多需要改进的地方
df_tmpbase geom_blank()+ theme_void()+ xlim(c(0,2))+ ylim(c(0,2)) # 准备背景画布 base + annotation_custom( grob = ggplotGrob( ggplot(df,aes(x = "",a,fill=factor(var)))+ # 注释 geom_bar(stat="identity",position="fill", show.legend = F)+ labs(x=NULL,y=NULL)+ coord_polar(theta="y")+ theme_classic()), xmin =0,xmax=1, ymin=0.5,ymax = 1.5)+ # 图左 annotation_custom( grob = ggplotGrob( ggplot(df,aes(x = "",b,fill=factor(var)))+ geom_bar(stat="identity", position="fill", show.legend = F)+ labs(x=NULL,y=NULL)+ coord_polar(theta="y")+ theme_classic()), xmin =1.1,xmax=1.9, ymin=0.6,ymax = 1.4)+ # 图右 annotate("segment",x=0.5,xend=1.5, y=0.69,yend=0.77)+ # 下线条 annotate("segment",x=0.5,xend=1.5, y=1.35,yend=1.28) # 上线条+ labs() # 复合条饼图 base xlim(c(0,2))+ylim(c(0,2)) # 背景画布 base + annotation_custom( grob = ggplotGrob( ggplot(df,aes(x = "",a,fill=factor(var)))+ geom_bar(stat="identity", position="fill", show.legend = F)+ labs(x=NULL,y=NULL)+ coord_polar(theta="y")+theme_void()), # 饼图比条形图多了一个极坐标转换 xmin =0,xmax=1, ymin=0.5,ymax = 1.5)+ # 左图 annotation_custom( grob = ggplotGrob( ggplot(df,aes(x = "",b,fill=factor(var)))+ geom_bar(stat="identity", position="fill", show.legend = F)+ labs(x=NULL,y=NULL)+theme_void()), xmin =1.2,xmax=1.8,ymin=0.8,ymax = 1.2)+ # 右图 annotate("segment",x=0.5,xend=1.24,y=0.64,yend=0.84)+ # 下线段 annotate("segment",x=0.5,xend=1.24,y=1.38,yend=1.18)+ # 上线段 labs()
圆环图
一个圆环代表一个变量,颜色表示其属性
ggplot(df1,aes(x = item,value,fill=var))+ geom_bar(stat="identity",position="fill",width=0.8,colour="black")+ coord_polar(theta="y")
其他圆形图
用coord_polar作出的demo图
demo1 geom_bar(stat="identity",position="dodge") demo1 #柱形图 demo1+coord_polar(theta="y") # 按y轴极坐标转换 demo1+coord_polar(theta="x") # 按X轴极坐标转换,此时x还可以等于var demo2 geom_bar(stat="identity",position="fill",width=0.8) demo2 # 百分比柱形图 demo2+coord_polar(theta="x") # 按x轴极坐标转换
条形图
条形图就是横过来的柱形图,用函数coord_filp()
处理逆时针旋转90°
ggplot(df1,aes(var,value))+ geom_bar(aes(fill=item),stat = "identity",position="dodge",width=0.8)+ labs()+ coord_flip() # 和柱形图代码的唯一区别coord_flip() ggplot(df1,aes(var,value))+ geom_bar(aes(fill=item),stat = "identity",position="stack",width=0.8)+ labs()+ coord_flip() ggplot(df1,aes(var,value))+ geom_bar(aes(fill=item),stat = "identity",position="fill",width=0.8)+ labs(,fill="")+ coord_flip() ggplot(df1,aes(var,value))+ geom_bar(aes(fill=item),stat = "identity",position="dodge",width=0.8)+ labs(,fill="")+ coord_flip()+ facet_grid(.~item) # 水平方向分割,用多个分面展示多维
面积图——geom_area
面积图就是将折线图下面的区域标注颜色,表示面积。
ggplot(df1,aes(id,value))+ geom_area(aes(fill=item),position=position_dodge(width = 0), alpha=0.5)+ # 暗色不透明度 labs(,fill="")+ scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10]) ggplot(df1,aes(id,value))+ geom_area(aes(fill=item),alpha=0.5)+ labs()+ # 区别堆积折线图是少了`position=stack` scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10]) ggplot(df1,aes(id,value))+ geom_area(aes(fill=item),position="fill",alpha=0.5)+ labs(,fill="")+ scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10]) ggplot(df1,aes(id,value))+ geom_area(aes(fill=item),position="stack",alpha=0.5)+ # 区别于三维折线图添加了`position=stack`,便于分割后更好观察面积分布 labs(,fill="")+ scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ facet_grid(item~.) # 按垂直水平分割
XY散点图
需要注意的是确定X,Y轴以后,需要把对应的值赋到图中
ggplot(df1,aes(var,value))+ geom_point(aes(colour=item))+ labs(title = "散点图") df1_a% filter(item=="a") %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame() df1_b% filter(item=="b") %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame() df1_c% filter(item=="c") %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame() # 分开获得需要a,b,c的数据value,并被等分为1000份,用spline曲线连接,转换为数据框格式 df1_sp% mutate(item=rep(letters[1:3],each=1000)) # 添加1列item ggplot()+ geom_point(data=df1,aes(id,value,colour=item))+ geom_line(data=df1_sp,aes(x,y,colour=item))+ scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ labs(title = "带平滑线和数据标记的散点图") # 点加线 ggplot(df1,aes(id,value,colour=item))+ geom_point()+ geom_line()+ scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ labs(title = "带直线和点数据标记的散点图") ggplot(df1,aes(id,value,colour=item))+ geom_line()+ scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ labs(title = "带直线的散点图") # 就是折线图
气泡图
气泡图即点的大小表示数值大小的点图
ggplot(df1,aes(id,value,colour=item))+ geom_point(aes(size=value))+ scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10]) # `size=value`给点赋予数值大小属性
股价图
ggplot(df)+ geom_point(aes(Sys.Date()-1:10,c))+ geom_linerange(aes(Sys.Date()-1:10,ymin=a,ymax=b))+ labs() # `Sys.Date`返还任一日期时间,c是收盘量 # `geom_linerange`是由a,b两个对象的ymin和ymax定义的垂直区间线图 ggplot(df)+ geom_point(aes(Sys.Date()-1:10,c))+ geom_linerange(aes(Sys.Date()-1:10,ymin=a,ymax=b))+ geom_crossbar(aes(Sys.Date()-1:10,c,ymin=a,ymax=c),width=0.2)+ labs() # 在已知盘高-盘底-收盘图的基础上加上`geom_crossbar`,这里是连系a的最小和c的最大值, # geom_crossbar(): 空心柱,上中下三条线分别代表ymax,mean,ymin ggplot(data = filter(df1,item != "c"), aes(rep(Sys.Date()-1:10,3),value))+ facet_grid(item~.,scale="free")+ geom_point(data = filter(df1,item == "a"), aes(Sys.Date()-1:10,value))+ geom_linerange(data = filter(df1,item == "a"), aes(Sys.Date()-1:10,value, ymin=value-runif(10), ymax=value+runif(10)))+ geom_bar(data = filter(df1,item == "b"), aes(Sys.Date()-1:10,value*1000), stat="identity")+ labs() # 点和线距图是对象a的数据有盘高盘低,条形图是关于对象b的图,成交量 # facet_grid(item~.,scale="free"),垂直分割,且不同形式的图表可以被分割出来 ggplot(data = filter(df1,item != "c"), aes(rep(Sys.Date()-1:10,3),value))+ facet_grid(item~.,scale="free")+ geom_point(data = filter(df1,item == "a"), aes(Sys.Date()-1:10,value))+ geom_linerange(data = filter(df1,item == "a"), aes(Sys.Date()-1:10,value, ymin=value-runif(10), ymax=value+runif(10)))+ geom_crossbar(data = filter(df1,item == "a"), aes(Sys.Date()-1:10,value, ymin=value-runif(10), ymax=value+runif(10)), width=0.2)+ geom_bar(data = filter(df1,item == "b"), aes(Sys.Date()-1:10,value*1000), stat="identity")+ labs() # 在上一个图的基础上加了个`geom_crossbar`,筛选对象b作为开盘
曲面图——geom_contour
三维图形,下图是对密度的一个二维密度估计
ggplot(df1,aes(id,item_id))+ geom_contour(aes(z=value,colour=..level..), binwidth=0.001)+ scale_colour_gradientn(colours = terrain.colors(10))+ scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ scale_y_continuous(breaks = 1:3,labels = letters[1:3])+ labs() # binwidth设置组距,值越小画得线越多,密度图函数colour设置等高线颜色 ggplot(df1,aes(id,item_id))+ geom_contour(aes(z=value,colour=..level..), binwidth=0.1)+ scale_colour_gradientn(colours = terrain.colors(10))+ scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ scale_y_continuous(breaks = 1:3,labels = letters[1:3])+ labs() # 用不同颜色等高线画框架图,和上图比增加了组距。
雷达图
ggplot(df1,aes(id,value,colour=item))+ geom_bar(stat="identity", position="dodge", # 普通柱形图 fill="transparent",# 填充透明度 size=1)+ coord_polar()+ #极坐标转换 scale_x_continuous(breaks = 1:5,labels = LETTERS[1:5])+ facet_wrap(~item,nrow=2)+ # 水平分割,分割后的图呈两行排列 labs() # 雷达图就是极坐标转换后的普通柱形图,加了透明背景框,相当于其他透明图 ggplot(df1,aes(id,value,colour=item))+ geom_bar(stat="identity", position="dodge", fill="transparent", size=1, width=0.5)+ geom_point()+ coord_polar()+ scale_x_continuous(breaks = 1:5,labels = LETTERS[1:5])+ facet_wrap(~item,nrow=2)+ labs() # 在geom_bar的基础上加上了以三个对象a,b,c,的值为点的点图geom_point ggplot(df1,aes(id,value))+ geom_bar(aes(fill=item),stat="identity", position="dodge")+ # 以item项的值映射柱形图的表达值 scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ # x轴分成了十等份 coord_polar()+ facet_wrap(~item,nrow=2)+ labs()
直方图
直方图是先把数据划分区间,按从小到大的顺序排列,并以柱状图的形式表现
ggplot(df1,aes(value))+ geom_histogram(bins=5,colour="white") # 映射value表达值,边界框是白色 # 排列图(数据从小到大排列) df_tmp2% select(1:3) %>% # 前三列 arrange(a) %>% #按列a的值从小到大排序 mutate(per = a/sum(a)) %>% # 增加per列,值为对应总数的比例 arrange(desc(a)) %>% # 重新按列a的值从达到小排列 mutate(new_id = 1:10)%>% # 增加new_id列 mutate(per = cumsum(per)) # 将per列的值按new_id的顺序逐个叠加 ggplot(df_tmp2)+ geom_bar(aes(new_id,a,fill=var),stat="identity")+ # fill=var添加图例并按照图例上色 geom_line(aes(new_id,per))+ scale_x_continuous(breaks = 1:10, labels = df_tmp2$var) # 令X轴的值为df_tmp2的var
箱型图
箱型图是用分位数表述数据的离散和集中趋势
ggplot(df1,aes(item,value,colour=item))+ geom_boxplot(aes(fill=item),alpha=0.2, outlier.colour = "red", outlier.shape = 2, outlier.size = 5, coef=1.5)+ # 箱线图的异常值设定,边框为红色,形状为2指代的三角形,大小为5,参数coef指定了“须”的长度的极限值,默认值是1.5,表示两条须的极限不会超过盒型各端加1.5倍四分位距的范围,如果被置为0,条须的延长极限就会在数据集中元素的极限位置,图中不会有任何离群点。geom_jitter(width = 0.1) # geom_jitter()是geom_point(position="jitter")的简称,带状图,一维散点图。
瀑布图
瀑布图可表现图形涨跌趋势,后一个柱子和前一个柱子有增长和下降的关系。
df_tmp3 %select(1:3)%>%mutate(cum=cumsum(a) ,low=lag(cum,default = 0)) # 新增一列cum,值为对应a值逐个叠加,新增加一列low,对应的是同一行的cum的上一个值,开始值是0. ggplot(df_tmp3,aes(id,cum))+ # geom_step(colour="grey50")+ 是梯线 geom_crossbar(aes(ymin=low,ymax=cum), size=0, fill="skyblue", colour="grey50", # 边框颜色 width=1)+ scale_x_continuous(breaks = 1:10, labels = LETTERS[1:10]) #geom_crossbar(): 空心柱,上下两条线分别代表ymax、ymin
漏斗图
漏斗图的数据分布在图形中间,用coord_flip()转换方向,可以看到不同组的最大,最小值的差异
df_tmp4% select(1:3) %>% arrange(a) %>% mutate(new_id=1:10, ymin = (1-a)/2, ymax = a+(1-a)/2, mid = 0.5) # 新增四列,new_id,ymin,ymax和min列 ggplot(df_tmp4,aes(new_id,mid))+ # geom_step(colour="grey50")+ geom_crossbar(aes(ymin=ymin,ymax=ymax), size=0, fill="skyblue", colour="grey50", width=1)+ scale_x_continuous(breaks = 1:10, labels = df_tmp4$var)+ coord_flip() # 整个图形逆时针转90度 # geom_crossbar()空心柱 ggplot(df_tmp4,aes(new_id,mid))+ geom_linerange(aes(ymin=ymin,ymax=ymax, colour=factor(new_id)), size=15, alpha=0.5,show.legend = F)+ scale_x_continuous(breaks = 1:10, labels = df_tmp4$var)+ coord_flip()
原文章来源链接:https://brucezhaor.github.io/blog/2016/06/13/excel2ggplot/ 原文章作者:BruceZhaoR(RStats, interested in Statistics Models, Machine/Deep Learning, Data visualization, High Performance Computing ...) 作者主页:https://github.com/BruceZhaoR
转载地址:https://blog.csdn.net/weixin_33178459/article/details/112682219 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!