R Language
ggplot2

Osservazioni

Grafici a dispersione

Tracciamo un semplice grafico a dispersione usando il set di dati dell'iride incorporato come segue:

library(ggplot2)
ggplot(iris, aes(x = Petal.Width, y = Petal.Length, color = Species)) + 
  geom_point()

Questo da:

Visualizzazione di più trame

Visualizza più grafici in un'immagine con le diverse funzioni di facet . Un vantaggio di questo metodo è che tutti gli assi condividono la stessa scala su tutti i grafici, rendendo più facile il loro confronto a colpo d'occhio. Useremo il set di dati mpg incluso in ggplot2 .

Avvolgere i grafici riga per riga (tenta di creare un layout quadrato):

ggplot(mpg, aes(x = displ, y = hwy)) + 
  geom_point() + 
  facet_wrap(~class)

Visualizza più grafici su una riga, più colonne:

ggplot(mpg, aes(x = displ, y = hwy)) + 
  geom_point() + 
  facet_grid(.~class)

Visualizza più grafici su una colonna, più righe:

ggplot(mpg, aes(x = displ, y = hwy)) + 
  geom_point() + 
  facet_grid(class~.)

Visualizza più grafici in una griglia di 2 variabili:

ggplot(mpg, aes(x = displ, y = hwy)) + 
  geom_point() + 
  facet_grid(trans~class) #"row" parameter, then "column" parameter

Prepara i tuoi dati per la stampa

ggplot2 funziona al meglio con un lungo data frame. I seguenti dati di esempio che rappresentano i prezzi per i dolci in 20 giorni diversi, in un formato descritto come ampio, perché ogni categoria ha una colonna.

set.seed(47)
sweetsWide <- data.frame(date      = 1:20,
                         chocolate = runif(20, min = 2, max = 4),
                         iceCream  = runif(20, min = 0.5, max = 1),
                         candy     = runif(20, min = 1, max = 3))

head(sweetsWide)
##   date chocolate  iceCream    candy
## 1    1  3.953924 0.5890727 1.117311
## 2    2  2.747832 0.7783982 1.740851
## 3    3  3.523004 0.7578975 2.196754
## 4    4  3.644983 0.5667152 2.875028
## 5    5  3.147089 0.8446417 1.733543
## 6    6  3.382825 0.6900125 1.405674

Per convertire i sweetsWide un formato lungo da utilizzare con ggplot2 , è possibile utilizzare diverse utili funzioni dalla base R e i pacchetti reshape2 , data.table e tidyr (in ordine cronologico):

# reshape from base R
sweetsLong <- reshape(sweetsWide, idvar = 'date', direction = 'long', 
                      varying = list(2:4), new.row.names = NULL, times = names(sweetsWide)[-1])

# melt from 'reshape2'
library(reshape2)
sweetsLong <- melt(sweetsWide, id.vars = 'date')

# melt from 'data.table'
# which is an optimized & extended version of 'melt' from 'reshape2'
library(data.table)
sweetsLong <- melt(setDT(sweetsWide), id.vars = 'date')

# gather from 'tidyr'
library(tidyr)
sweetsLong <- gather(sweetsWide, sweet, price, chocolate:candy)

Tutti danno un risultato simile:

head(sweetsLong)
##   date     sweet    price
## 1    1 chocolate 3.953924
## 2    2 chocolate 2.747832
## 3    3 chocolate 3.523004
## 4    4 chocolate 3.644983
## 5    5 chocolate 3.147089
## 6    6 chocolate 3.382825

Vedi anche Rimodellare i dati tra le forme lunghe e larghe per i dettagli sulla conversione dei dati tra il formato lungo e largo .

I sweetsLong risultantiLong ha una colonna di prezzi e una colonna che descrive il tipo di dolce. Ora il tracciamento è molto più semplice:

library(ggplot2)
ggplot(sweetsLong, aes(x = date, y = price, colour = sweet)) + geom_line()

Aggiungi linee orizzontali e verticali per tracciare

Aggiungi una linea orizzontale comune per tutte le variabili categoriali

# sample data
df <- data.frame(x=('A', 'B'), y = c(3, 4))

p1 <- ggplot(df, aes(x=x, y=y)) 
        + geom_bar(position = "dodge", stat = 'identity') 
        + theme_bw()

p1 + geom_hline(aes(yintercept=5), colour="#990000", linetype="dashed")

Aggiungi una linea orizzontale per ogni variabile categoriale

# sample data
df <- data.frame(x=('A', 'B'), y = c(3, 4))

# add horizontal levels for drawing lines
df$hval <- df$y + 2

p1 <- ggplot(df, aes(x=x, y=y)) 
        + geom_bar(position = "dodge", stat = 'identity') 
        + theme_bw()

p1 + geom_errorbar(aes(y=hval, ymax=hval, ymin=hval), colour="#990000", width=0.75)

Aggiungi una linea orizzontale sopra le barre raggruppate

# sample data
df <- data.frame(x = rep(c('A', 'B'), times=2), 
             group = rep(c('G1', 'G2'), each=2), 
             y = c(3, 4, 5, 6), 
             hval = c(5, 6, 7, 8))

p1 <- ggplot(df, aes(x=x, y=y, fill=group)) 
        + geom_bar(position="dodge", stat="identity")

p1 + geom_errorbar(aes(y=hval, ymax=hval, ymin=hval), 
               colour="#990000", 
               position = "dodge", 
               linetype = "dashed")

Aggiungi una linea verticale

# sample data
df <- data.frame(group=rep(c('A', 'B'), each=20), 
                 x = rnorm(40, 5, 2), 
                 y = rnorm(40, 10, 2))

p1 <-  ggplot(df, aes(x=x, y=y, colour=group)) + geom_point()

p1 + geom_vline(aes(xintercept=5), color="#990000", linetype="dashed")

Grafico a barre verticale e orizzontale

ggplot(data = diamonds, aes(x = cut, fill =color)) +
  geom_bar(stat = "count", position = "dodge")

è possibile ottenere un grafico a barre orizzontale semplicemente aggiungendo estetico coord_flip () all'oggetto ggplot:

  ggplot(data = diamonds, aes(x = cut, fill =color)) +
  geom_bar(stat = "count", position = "dodge")+
  coord_flip()

Trama di violino

I grafici del violino sono stime della densità del kernel speculari nel piano verticale. Possono essere utilizzati per visualizzare diverse distribuzioni affiancate, con il mirroring che aiuta a evidenziare eventuali differenze.

ggplot(diamonds, aes(cut, price)) +
  geom_violin()

Le trame di violini sono chiamate per la loro somiglianza con lo strumento musicale, questo è particolarmente visibile quando sono accoppiate con un boxplot sovrapposto. Questa visualizzazione descrive quindi le distribuzioni sottostanti sia in termini di riepilogo dei 5 numeri di Tukey (come grafici a scatole) che di stime a densità continua completa (violini).

ggplot(diamonds, aes(cut, price)) +
  geom_violin() +
  geom_boxplot(width = .1, fill = "black", outlier.shape = NA) +
  stat_summary(fun.y = "median", geom = "point", col = "white")

Produce grafici di base con qplot

qplot è concepito per essere simile alla funzione di base r plot() , cercando di tracciare sempre i dati senza richiedere troppe specifiche.

qplot di base

qplot(x = disp, y = mpg, data = mtcars)

aggiungendo colori

qplot(x = disp, y = mpg, colour = cyl,data = mtcars)

aggiungendo un più liscio

qplot(x = disp, y = mpg, geom = c("point", "smooth"), data = mtcars)