title: "ggplot2 上篇"

author: "li_volleyball"

date: "2016年4月16日"

output: word_document

单变量

连续


library(ggplot2)
a<-ggplot(mpg,aes(hwy))
a+geom_area(stat = 'bin')

a+geom_area(stat = 'bin',binwidth=20)
a+geom_area(stat = 'bin',color='red')
a+geom_area(stat = 'bin',fill='yellow',color='black')
a+geom_area(stat = 'bin',fill='yellow',color='black',linetype=2,size=2)
b<-ggplot(mpg,aes(hwy))
b+geom_area(aes(y=..density..),stat='bin')
a+geom_density(kernel="gaussian")
a+geom_dotplot()
a+geom_freqpoly()
a+geom_histogram(binwidth = 5)

离散

b1<-ggplot(mpg,aes(fl))
b1+geom_bar()
a+geom_bar()

Graphical Primitives

library(maps)
world_map<-map_data("world")
c<-ggplot(world_map,aes(long,lat))
c+geom_polygon(aes(group=group))
d<-ggplot(economics,aes(date,unemploy))
d+geom_path()
d+geom_ribbon(aes(ymin=unemploy-900,ymax=unemploy+900))
e<-ggplot(seals,aes(x=long,y=lat))
e+geom_segment(aes(xend=long+delta_long,yend=lat+delta_lat),
arrow = arrow(length = unit(0.1,"cm"))) +
borders("state")
e+geom_rect(aes(xmin=long,ymin=lat,xmax=long+delta_long,ymax=lat+delta_lat))

双变量

连续x,连续y

f<-ggplot(mpg,aes(cty,hwy))

f+geom_blank()  #清空图层
f+geom_point() #绘制散点图
f+geom_point(aes(shape=factor(cyl)))
f+geom_point(aes(colour=factor(model)))
f+geom_jitter() #通过在离散型分布上添加随机噪声以避免遮盖绘制问题 f+geom_jitter(aes(colour=factor(cyl)))+geom_quantile()
#引入线性分位回归,quantile regression m <- ggplot(mpg, aes(displ, 1 / hwy)) + geom_point()
m
m + geom_quantile()
m + geom_quantile(quantiles = 0.5)
q10 <- seq(0.05, 0.95, by = 0.05)
m + geom_quantile(quantiles = q10)
m + geom_quantile(colour = "red", size = 2, alpha = 0.5) f+geom_jitter()+geom_rug(sides = "bl") # bl bottom/left
f+geom_smooth(span=2)
f+geom_jitter()+geom_smooth(span=2)
f+geom_jitter()+geom_smooth(span=2,method = "lm",se=F) f+geom_text(aes(label=cty))
f+geom_jitter(aes(colour=factor(cty)))+geom_text(aes(label=cty))

x离散 y连续

g<-ggplot(mpg,aes(class,hwy))
g+geom_bar(stat="identity") g+geom_boxplot(aes(colour=factor(class))) g+geom_dotplot(binaxis = "y",stackdir = "center",aes(colour=factor(class))) g+geom_violin(scale = "area",aes(fill=factor(class)))

x离散 y离散

h<-ggplot(diamonds,aes(cut,color))
h+geom_jitter(aes(colour=factor(cut)))

连续二维分布

i<-ggplot(diamonds, aes(x, y)) + xlim(4, 10) + ylim(4, 10)
i+geom_jitter()
i+geom_bin2d()
i+ geom_bin2d(bins = 10)
i + geom_bin2d(bins = 30)
i+geom_bin2d(binwidth=c(0.1,0.1)) i+geom_density2d()
i+geom_hex() #六边形

连续函数

j<-ggplot(economics,aes(date,unemploy))
j+geom_area()
j+geom_line()
j+geom_step(direction="hv")

可视化误差 error

df <- data.frame(grp = c("A", "B"), fit = 4:5, se = 1:2)
k <- ggplot(df, aes(grp, fit, ymin = fit-se, ymax = fit+se))
k+geom_crossbar(fatten=2)
k+geom_errorbar()
k+geom_linerange()
k+geom_pointrange()

地图

data <- data.frame(murder = USArrests$Murder,
state = tolower(rownames(USArrests)))
head(data)
map <- map_data("state")
head(map)
l <- ggplot(data, aes(fill = murder))
l + geom_map(aes(map_id = state), map=map)+expand_limits(x= map$long, y= map$lat)

三变量

head(seals)
seals$z <- with(seals, sqrt(long^2 +lat^2))
m <- ggplot(seals, aes(long, lat))
m + geom_contour(aes(z = z))
m + geom_raster(aes(fill = z), hjust=0.5,vjust=0.5, interpolate=FALSE) #光栅
m + geom_tile(aes(fill = z)) #瓦片

ggplot2 上篇的更多相关文章

  1. 跟我一起ggplot2(1)

    ggplot2 R的作图工具包,可以使用非常简单的语句实现非常复杂漂亮的效果. qplot 加载qplot library(ggplot2) # 测试数据集,ggplot2内置的钻石数据 qplot( ...

  2. 看看C# 6.0中那些语法糖都干了些什么(上篇)

    今天没事,就下了个vs2015 preview,前段时间园子里面也在热炒这些新的语法糖,这里我们就来看看到底都会生成些什么样的IL? 一:自动初始化属性 确实这个比之前的版本简化了一下,不过你肯定很好 ...

  3. R语言:ggplot2精细化绘图——以实用商业化图表绘图为例

    本文版权归http://www.cnblogs.com/weibaar 本文旨在介绍R语言中ggplot2包的一些精细化操作,主要适用于对R画图有一定了解,需要更精细化作图的人,尤其是那些刚从exce ...

  4. .Net开发笔记(十四) 基于“泵”的UDP通信(接上篇)

    上一篇中说到了“泵”在编程中的作用以及一些具体用处,但没有实际demo,可能不好理解,这篇文章我分享一个UDP通信的demo,大概实现了类似“飞鸽传书”在局域网中文本消息和文件传输的功能.功能不全也不 ...

  5. ASP.NET Core的配置(4):多样性的配置来源[上篇]

    较之传统通过App.config和Web.config这两个XML文件承载的配置系统,ASP.NET Core采用的这个全新的配置模型的最大一个优势就是针对多种不同配置源的支持.我们可以将内存变量.命 ...

  6. ASP.NET Core的配置(3): 将配置绑定为对象[上篇]

    出于编程上的便利,我们通常不会直接利用ConfigurationBuilder创建的Configuration对象读取某个单一配置项的值,而是倾向于将一组相关的配置绑定为一个对象,我们将后者称为Opt ...

  7. 谈谈基于OAuth 2.0的第三方认证 [上篇]

    对于目前大部分Web应用来说,用户认证基本上都由应用自身来完成.具体来说,Web应用利用自身存储的用户凭证(基本上是用户名/密码)与用户提供的凭证进行比较进而确认其真实身份.但是这种由Web应用全权负 ...

  8. Sass-也许你想和CSS玩耍起来(上篇)

    我们努力,我们坚持,共勉! 众所周知,css其实不是一门编程语言,熟悉的人都知道css全称Cascading Style Sheets(层叠样式表)是一种用来表现HTML(标准通用标记语言的一个应用) ...

  9. ggplot2 多图排版

    和R自带的绘图系统不同,ggplot2不能直接通过par(mfrow) 或者 layout()来排版多张图片.终于发现,其实可以通过一个『gridExtra』包来搞定: require(gridExt ...

随机推荐

  1. Java文件处理:分离全国省市县ID(数据来自和风天气)

    最近,在做第一行代码上的酷欧天气APP,但是发现书中的API已经用不了了,所以选择了和风天气的API,但是,在遍历省市县数据是遇到了麻烦,之前中国天气网是有个省市对应下一级行政区列表的,像这样: 但是 ...

  2. css3 media媒体查询器用法总结

    随着响应式设计模型的诞生,Web网站又要发生翻天腹地的改革浪潮,可能有些人会觉得在国内IE6用户居高不下的情况下,这些新的技术还不会广泛的蔓延下去,那你就错了,如今淘宝,凡客,携程等等公司都已经在大胆 ...

  3. Loadrunner关联取参及设置检查点

    Loadrunner关联取参及设置检查点: 获取post的响应值当作参数存储,要在此post请求之上添加 web_reg_save_param("sign", "LB=m ...

  4. MooseFs-分布式文件系统系列(一)之了解并安装它

    preface 在上上家公司,曾维护过公司的MFS文件系统,主要用来存储系统日志文件,单纯的把日志当作文件存储,在当时的架构下,MFS就像一个中间站一样,这边程序生成的日志放入MFS,那边日志分析程序 ...

  5. 回调函数通俗解析(之前看了很久都不理解,今天终于ok啦)

    自学jquery的时候,看到一英文词(Callback),顿时背部隐隐冒冷汗.迅速google之,发现原来中文翻译成回调.也就是回调函数了.不懂啊,于是在google回调函数,发现网上的中文解释实在是 ...

  6. SaltStack之Job管理和Runner(八)

    SaltStack之Job管理和Runner 配置文件/etc/salt/master cachedir: /var/cache/salt/master # cache路径 keep_jobs: 24 ...

  7. mongodb嵌套查询

    db.dbModel.find({'Missions.Rewards.PrizeType':21} )

  8. Linux学习笔记<三>

    <1>查看本机的IP地址 命令:ifconfig -a 机器的ip地址是:(inet 地址:172.16.163.57 ) <2>单独查看内存使用情况的命令:free -m 查 ...

  9. 浏览器本地存储(browser-storage,HTML5-localStorage > IE-UserData > Cookie)

    https://www.baidufe.com/component/browser-storage/index.html BrowserStorage是浏览器本地存储的一个解决方案,存储优先级依次为: ...

  10. string.capwords()函数

    string.capwords()函数 string.capwords()函数,有需要的朋友可以参考下. 代码 : import syssys.path.append("C:/Python2 ...