统计表格 + 可视化 ，这个超强绘图技巧值得一看！！

如何将社会科学(social sciences) 中常用统计分析结果，如：简单和交叉列表频率(simple and cross tabulated frequencies)、直方图(histograms)、箱线图(box plots)、(广义)线性模型((generalized) linear models)、混合效应模型(mixed effects models)、PCA和相关矩阵(PCA and correlation matrices)、聚类分析(cluster analyses) 、李克特量表(Likert scales) 等 有效的用可视化的方式表现出来？今天，小编就介绍一个非常优秀的可视化工具-R-sjPlot，接下来，就跟着小编一起来感受下这个包的魅力吧~~今天这篇推文的主要内容如下：

• R-sjPlot包简单介绍

• R-sjPlot包实例演示

R-sjPlot包简单介绍

R-sjPlot包作为一个优秀的R第三方包，其不仅可以绘制统计分析结果表格，而且还可以可视化统计模型结果，主要绘图函数如下：

• 绘制回归模型结果(部分)：

  • plot_model()、plot_models()、plot_kfold_cv()

• 绘制描述性统计量(部分)：

  • plot_frq()：绘制变量的频率。

  • plot_gpt()：绘制分组比例表。

  • plot_likert()：将李克特量表绘制为居中的堆叠条形图。

  • plot_stackfrq()：绘制堆积的比例条。

  • sjp.aov1()：绘制单向方差分析表。

更多其他绘图函数和参数，可参考：R-sjPlot包^[1]

R-sjPlot包实例演示

这一部分小编选择几个常用的可视化结果进行展示，如下：

「样例一」：plot_model()

library(tidyverse)
library(ggtext)
library(hrbrthemes)
library(sjPlot)
library(sjlabelled)
library(sjmisc)
 
# 构建数据
data(efc)
y <- ifelse(efc$neg_c_7 < median(na.omit(efc$neg_c_7)), 0, 1)
# create data frame for fitting model
df <- data.frame(
  y = to_factor(y),
  sex = to_factor(efc$c161sex),
  dep = to_factor(efc$e42dep),
  barthel = efc$barthtot,
  education = to_factor(efc$c172code)
)
# set variable label for response
set_label(df$y) <- "High Negative Impact"
# fit model
m1 <- glm(y ~., data = df, family = binomial(link = "logit"))
#可视化绘制
plot01 <- plot_model(m1,vline.color = "red",show.values = TRUE, value.offset = .3) + 
  labs(
    title = "Example of <span style='color:#D20F26'>sjPlot::plot_model function</span>",
    subtitle = "processed charts with <span style='color:#1A73E8'>plot_model()</span>",
    caption = "Visualization by <span style='color:#0057FF'>DataCharm</span>") +
  hrbrthemes::theme_ipsum(base_family = "Roboto Condensed") +
  theme(
    plot.title = element_markdown(hjust = 0,vjust = .5,color = "black",
                                  size = 20, margin = margin(t = 1, b = 12)),
    plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=15),
    plot.caption = element_markdown(hjust = 1,face = 'bold',size = 12))

当然，你还可以调整可视化结果外观：

plot02 <- plot_model(
  m1, 
  colors = "Accent", 
  show.values = TRUE,
  value.offset = .4,
  value.size = 4,
  dot.size = 3,
  line.size = 1.5,
  vline.color = "#BC3C28",
  width = 1.5
) +
labs(
    title = "Example of <span style='color:#D20F26'>sjPlot::plot_model function</span>",
    subtitle = "processed charts with <span style='color:#1A73E8'>plot_model()</span>",
    caption = "Visualization by <span style='color:#0057FF'>DataCharm</span>") +
  hrbrthemes::theme_ipsum(base_family = "Roboto Condensed") +
  theme(
    plot.title = element_markdown(hjust = 0,vjust = .5,color = "black",
                                  size = 20, margin = margin(t = 1, b = 12)),
    plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=15),
    plot.caption = element_markdown(hjust = 1,face = 'bold',size = 12))

「样例二」：plot_kfold_cv()

plot03 <- plot_kfold_cv(mtcars, mpg ~.) +
  labs(
    title = "Example of <span style='color:#D20F26'>sjPlot::plot_kfold_cv function</span>",
    subtitle = "processed charts with <span style='color:#1A73E8'>plot_kfold_cv()</span>",
    caption = "Visualization by <span style='color:#0057FF'>DataCharm</span>") +
  hrbrthemes::theme_ipsum(base_family = "Roboto Condensed") +
  theme(
    plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",
                                  size = 20, margin = margin(t = 1, b = 12)),
    plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=15),
    plot.caption = element_markdown(hjust = 1,face = 'bold',size = 12))

「样例三」：plot_frq()

data(iris)
ageGrp <- group_var(efc$e17age)
ageGrpLab <- group_labels(efc$e17age)
plot04 <- plot_frq(geom.colors = "#BC3C28",ageGrp,axis.labels = ageGrpLab) +
   labs(
    title = "Example of <span style='color:#D20F26'>sjPlot::plot_frq function</span>",
    subtitle = "processed charts with <span style='color:#1A73E8'>plot_frq()</span>",
    caption = "Visualization by <span style='color:#0057FF'>DataCharm</span>") +
  hrbrthemes::theme_ipsum(base_family = "Roboto Condensed") +
  theme(
    plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",
                                  size = 20, margin = margin(t = 1, b = 12)),
    plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=15),
    plot.caption = element_markdown(hjust = 1,face = 'bold',size = 12))

你还可以绘制这样的可视化效果：

plot05 <- plot_frq(efc$c160age, type = "h", show.mean = TRUE, geom.colors = "#0072B5",show.mean.val = TRUE,
        normal.curve = TRUE, show.sd = TRUE, normal.curve.color = "#BC3C28",
        normal.curve.size = 3, ylim = c(0,50)) +
   labs(
    title = "Example of <span style='color:#D20F26'>sjPlot::plot_frq function</span>",
    subtitle = "processed charts with <span style='color:#1A73E8'>plot_frq()</span>",
    caption = "Visualization by <span style='color:#0057FF'>DataCharm</span>") +
  hrbrthemes::theme_ipsum(base_family = "Roboto Condensed") +
  theme(
    plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",
                                  size = 20, margin = margin(t = 1, b = 12)),
    plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=15),
    plot.caption = element_markdown(hjust = 1,face = 'bold',size = 12))

「样例四」：plot_likert()

mydf <- find_var(efc, pattern = "cop", out = "df")
plot06 <- plot_likert(mydf,geom.colors = "RdBu",grid.range = c(1.2, 1.4),
      expand.grid = FALSE,
      values = "sum.outside",
      show.prc.sign = TRUE) +
   labs(
    title = "Example of <span style='color:#D20F26'>sjPlot::plot_likert function</span>",
    subtitle = "processed charts with <span style='color:#1A73E8'>plot_likert()</span>",
    caption = "Visualization by <span style='color:#0057FF'>DataCharm</span>") +
  hrbrthemes::theme_ipsum(base_family = "Roboto Condensed") +
  theme(
    plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",
                                  size = 20, margin = margin(t = 1, b = 12)),
    plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=15),
    plot.caption = element_markdown(hjust = 1,face = 'bold',size = 12))

「样例五」：tab_model()绘制表格

data("efc")
efc <- as_factor(efc, c161sex, c172code)
m1 <- lm(barthtot ~ c160age + c12hour + c161sex + c172code, data = efc)
m2 <- lm(neg_c_7 ~ c160age + c12hour + c161sex + e17age, data = efc)
tab_model(m1, m2, p.style = "scientific", digits.p = 2)

以上就是小编简单的介绍了R-sjPlot包的简单例子，希望感兴趣的小伙伴可以看些，更多详细案例和函数参数大家可阅读官网(参考资料[1])即可。

总结

今天小编给大家分享的这个宝藏可视化工具R-sjPlot包 ，不仅可以绘制出定制化的可视化作品，而且对一些统计表格更是绘制出自己喜欢的风格，希望可以给大家以后绘图提供不一样的绘图选择。

参考资料

[1]

R-sjPlot包: https://strengejacke.github.io/sjPlot/reference/index.html。

各位伙伴们好，詹帅本帅搭建了一个个人博客和小程序，汇集各种干货和资源，也方便大家阅读，感兴趣的小伙伴请移步小程序体验一下哦！（欢迎提建议）

推荐阅读
 
 
 
牛逼！Python常用数据类型的基本操作（长文系列第①篇）
牛逼！Python的判断、循环和各种表达式（长文系列第②篇）
 
牛逼！Python函数和文件操作（长文系列第③篇）
 
牛逼！Python错误、异常和模块（长文系列第④篇）