R语言之ggplot2画图篇

转载自：http://blog.csdn.net/lilanfeng1991/article/details/28665255

1. qplot

quick plot

数据集：diamonds

（1）基本用法

eg

[plain] view
plaincopy





library(ggplot2)

length(diamonds)

set.seed(1410)#设定种子数

dsmall<-diamonds[sample(nrow(diamonds),100),]#随机产生样本数

qplot(carat,price,data=diamonds)#画散点图



[plain] view
plaincopy





qplot(log(carat),log(price),data=diamonds)



color、size、shape

[plain] view
plaincopy





qplot(carat,price,data=dsmall,colour=color)



[plain] view
plaincopy





qplot(carat,price,data=dsmall,shape=cut)



[plain] view
plaincopy





<span style="font-family: Arial, Helvetica, sans-serif;">qplot(carat,price,data=dsmall,alpha=I(1/20))</span>

设置透明度

（2）geom

取值可以为：point、smooth、boxplot、path、line

对于连续型变量：geom可取histogram、freqpoly、density

对于离散型变量：bar

[plain] view
plaincopy





qplot(carat,price,data=dsmall,geom=c("point","smooth"))



[plain] view
plaincopy





qplot(carat,price,data=dsmall,geom=c("point","smooth"),span=0.2)



[plain] view
plaincopy





qplot(carat,price,data=dsmall,geom=c("point","smooth"),span=1)

2.ggplot2

数据（Data）和映射（Mapping）	将数据中的变量映射到图形属性，映射控制了二者之间的关系
标度（Scale）	标度负责控制映射后图形属性的显示方式，具体形式上看是图例和坐标刻度
几何对象（Geometric）	几何对象代表我们在图中实际看到的图形元素，如点、线、多边形等
统计变换（Statistics）	对原始数据进行某种计算，如对二元菜点图加上一条回归线
坐标系统（Coordinate）	坐标系统控制坐标轴并影响所有图形元素，坐标轴可以进行变换以满足不同的需要
图层（Layer）	数据、映射、几何对象、统计变换等构成一个图层，图层可以允许用户一步步的构建图形，方便单独对图层进行修改
分面（Facet）	条件绘图，将数据按某种方式分组，然后分别绘图。分布就是控制分组绘图的方式和排列形式

（1）geom_point

[plain] view
plaincopy





mpg

head(mpg)

p<-ggplot(data=mpg,mapping=aes(x=cty,y=hwy))

p+geom_point()

summary(p)

summary(p+geom_point())



[plain] view
plaincopy





#将年份映射到颜色属性

p<-ggplot(mpg,aes(x=cty,y=hwy,colour=factor(year)))

p+geom_point()

（2）增加平滑线

[plain] view
plaincopy





p+geom_point()+stat_smooth()



[plain] view
plaincopy





p<-ggplot(mpg,aes(x=ctymy=hwy))

p+geom_point(aes(colour=factor(year)))+stat_smooth()

（3）两种等价的绘图方式

[plain] view
plaincopy





#方法一

p<-ggplot(mpg,aes(x=cty,y=hwy))

p+geom_point(aes(colour=factor(year)))+stat_smooth()

#方法二

d<-ggplot()+

geom_point(data=mpg,aes(x=cty,y=hwy,colour=factor(year)))+

stat_smooth(data=mpg,aes(x=cty,y=hwy))#此时除了底层画布外，有两个图层，分别定义了geom和stat

（4）用标度来修改颜色取值

[plain] view
plaincopy





p<-ggplot(mpg,aes(x=cty,y=hwy))

p+geom_point(aes(colour=factor(year)))+stat_smooth()+scale_color_manual(values=c("blue","red"))

（5）将排量映射到散点大小

[plain] view
plaincopy





p+geom_point(aes(colour=factor(year),size=displ))+

stat_smooth()+

scale_color_manual(values=c("blue2","red4"))



[plain] view
plaincopy





p+geom_point(aes(colour=factor(year),size=displ),alpha=0.5,position="jitter")+

stat_smooth()+

scale_color_manual(values=c("blue2","red4"))+

scale_size_continuous(range=c(4,10))

（6）用坐标控制图形显示的范围

[plain] view
plaincopy





p+geom_point(aes(colour=factor(year),size=displ),alpha=0.5,position="jitter")+

stat_smooth()+

scale_color_manual(values=c("blue2","red4"))+

scale_size_continuous(range=c(4,10))+

coord_cartesian(xlim=c(15,25),ylim=c(15,40))

（7）利用facet分别显示不同年份的数据

[plain] view
plaincopy





p+geom_point(aes(colour=class,size=displ),alpha=0.5,position="jitter")+

stat_smooth()+

scale_size_continuous(range=c(4,10))+

facet_wrap(~year,ncol=1)

（8）增加图名并精细修改图例

[plain] view
plaincopy





p<-ggplot(mpg,aes(x=cty,y=hwy))

p+geom_point(aes(colour=class,size=displ),alpha=0.5,position="jitter")+

stat_smooth()+

scale_size_continuous(range=c(4,10))+

facet_wrap(~year,ncol=1)+

opts(title='汽车油耗与型号')+

labs(x="每加仑高速公路行驶距离",y="每加仑城市公路行驶距离")+

guides(size=guide_legend(title="排量"),colour=guide_legend(titile="车型",override.aes=list(size=5)))

（9）直方图

[plain] view
plaincopy





p<-ggplot(mpg,aes(x=hwy))

p+geom_histogram()



直方图的几何对象中内置有默认的统计变换

[plain] view
plaincopy





p+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)

（10）条形图

[plain] view
plaincopy





p<-ggplot(mpg,aes(x=class))

p+geom_bar()



[plain] view
plaincopy





class2<-mpg$class

class2<-reorder(class2,class2,length)

mpg$class2<-class2

p<-ggplot(mpg,aes(x=class2))

p+geom_bar(aes(fill=class2))



[plain] view
plaincopy





p<-ggplot(mpg,aes(class2,fill=factor(year)))

p+geom_bar(position="identity",alpha=0.5)



并立方式

[plain] view
plaincopy





p+geom_bar(position="dodge")



叠加方式

[plain] view
plaincopy





p+geom_bar(position="stack")



相对比例

[plain] view
plaincopy





p+geom_bar(position="fill")



分面显示

[plain] view
plaincopy





p+geom_bar(aes(fill=class2))+facet_wrap(~year)

（11）饼图

[plain] view
plaincopy





p<-ggplot(mpg,aes(x=factor(1),fill=factor(class)))+geom_bar(width=1)

p+coord_polar(theta="y")

（12）箱线图

[plain] view
plaincopy





p<-ggplot(mpg,aes(class,hwy,fill=class))

p+geom_boxplot()



[plain] view
plaincopy





p+geom_violin(alpha=0.3,width=0.9)+geom_jitter(shape=21)

3.观察密集散点的方法

增加扰动（jitter）

增加透明度（alpha）

二维直方图（stat_bin2d）

密度图（stat_density2d）

[plain] view
plaincopy





p<-ggplot(diamonds,aes(carat,price))

p+stat_bin2d(bins=60)



[plain] view
plaincopy





p+stat_density2d(aes(fill=..level..),geom="polygon")+

coord_cartesian(xlim=c(0,1.5),ylim=c(0,6000))+

scale_fill_continuous(high="red2",low="blue4")

4.风向风速玫瑰图

[plain] view
plaincopy





#随机生成100次风向，并洪到16个敬意内

dir<-cut_interval(runif(100,0,360),n=16)

#随机生成100次风速，并划分成4种强度

mag<-cut_interval(rgamma(100,15),4)

sample<-data.frame(dir=dir,mag=mag)

#将风向映射到x轴，频数映射到y轴，风速大小映射到填充色，生成条形图后再转为极坐标形式即可

p<-ggplot(sample,aes(x=dir,y=..count..,fill=mag))

p+geom_bar()+coord_polar()