R Language
ggplot2

Uwagi

Wykresy punktowe

Wykreślamy prosty wykres rozproszenia przy użyciu wbudowanego zestawu danych tęczówki w następujący sposób:

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

To daje:

Wyświetlanie wielu wykresów

Wyświetlaj wiele wykresów na jednym obrazie z różnymi funkcjami facet . Zaletą tej metody jest to, że wszystkie osie mają tę samą skalę na wykresach, co ułatwia ich porównanie na pierwszy rzut oka. Użyjemy zestawu danych mpg zawartego w ggplot2 .

Zawijaj wykresy linia po linii (próbuje utworzyć układ kwadratowy):

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

Wyświetlaj wiele wykresów w jednym wierszu, w wielu kolumnach:

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

Wyświetl wiele wykresów w jednej kolumnie, w wielu wierszach:

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

Wyświetlaj wiele wykresów w siatce według 2 zmiennych:

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

Przygotuj swoje dane do kreślenia

ggplot2 działa najlepiej z długą ramką danych. Poniższe przykładowe dane, które reprezentują ceny słodyczy w 20 różnych dniach, w formacie opisanym jako szeroki, ponieważ każda kategoria ma kolumnę.

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

Aby przekonwertować sweetsWide do długiego formatu do użycia z ggplot2 , można ggplot2 kilku przydatnych funkcji z bazy R oraz pakietów reshape2 , data.table i tidyr (w porządku chronologicznym):

# 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)

Wszystkie dają podobny wynik:

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

Zobacz także Przekształcanie danych między długimi i szerokimi formularzami, aby uzyskać szczegółowe informacje na temat konwertowania danych między długim i szerokim formatem.

Otrzymane sweetsLong ma jedną kolumnę cen i jedną kolumnę opisującą rodzaj słodyczy. Teraz drukowanie jest znacznie prostsze:

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

Dodaj poziome i pionowe linie do wydruku

Dodaj jedną wspólną linię poziomą dla wszystkich zmiennych jakościowych

# 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")

Dodaj jedną linię poziomą dla każdej zmiennej kategorialnej

# 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)

Dodaj poziomą linię nad pogrupowanymi paskami

# 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")

Dodaj linię pionową

# 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")

Pionowy i poziomy wykres słupkowy

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

możliwe jest uzyskanie poziomego wykresu słupkowego poprzez dodanie estetyki coordin_flip () do obiektu ggplot:

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

Fabuła skrzypiec

Wykresy skrzypcowe są szacunkami gęstości jądra odzwierciedlonymi w płaszczyźnie pionowej. Można ich użyć do wizualizacji kilku dystrybucji obok siebie, a odbicie lustrzane pomaga uwidocznić wszelkie różnice.

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

Działki skrzypcowe są nazwane ze względu na ich podobieństwo do instrumentu muzycznego, co jest szczególnie widoczne, gdy są połączone z nakładaną fabułą skrzynkową. Ta wizualizacja opisuje następnie podstawowe rozkłady zarówno w kategoriach 5-liczbowego podsumowania Tukeya (jako wykresy pudełkowe), jak i pełnych ciągłych oszacowań gęstości (skrzypce).

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")

Twórz podstawowe wykresy za pomocą qplot

Funkcja qplot ma być podobna do podstawowej funkcji r plot() , starając się zawsze drukować dane bez wymagania zbyt dużej specyfikacji.

podstawowy qplot

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

dodawanie kolorów

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

dodanie płynniejszego

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