数据分析——R语言中ggplot2用法（1）_ggplot2导入数据

备忘录地址（用来查询一些参数）

https://www.maths.usyd.edu.au/u/UG/SM/STAT3022/r/current/Misc/data-visualization-2.1.pdf

R语言软件参数 R3.6.0

安装包、导入包

install.package('ggplot')
library(ggplot)
1
2

首先加载数据集

这里用的是示例数据，R自带的一个包提供的数据集。
dslabs包是R中的一个数据科学工具包，它提供了一系列数据集和函数，用于帮助研究人员探索新的数据科学概念，进行数据分析和机器学习模型构建。

library(dslabs)
data(murders)
1
2

定义ggplot对象

ggplot初始化图形

管道符（|>, %>%, %>%, %$% 和%<>%），|>是R4.1版本开始的自带的管道符，将左侧的输出结果传递给右侧命令，因为这里用的是3.6版本的所以就用%>%管道符,测试发现|>不能被识别。

ggplot(data = murders)##或者murders |> ggplot()
1

也可以把ggplot图赋值给一个对象p

p <- ggplot(data = murders)
1

然后你就会得到一个初始化的白板，后续的步骤就是在这个白板上添加组件,组件有三个主要要素：数据、图、映射。数据是要分析的数据，图是选用什么图，比如直方图、散点图，映射指的是x轴和y轴是哪个变量。

在ggplot上添加图层

方式一：一般形式DATA %>% ggplot() + LAYER 1 + LAYER 2 + … + LAYER N

murders %>% ggplot()+
  geom_point(aes(x = population/10^6, y = total))#添加散点图，添加x轴population，y轴total
1
2

几何函数名称遵循以下模式：geom_X其中 X 是几何的名称,这里散点图是point，要用其他图的话可以去备忘录上的geoms上看。

方式二，在定义的对象p上叠加图层

p + geom_point(aes(x = population/10^6, y = total))#p是前面定义过的含有数据的初始图
1

继续添加图层

在散点图基础上添加一个文本组件

p + geom_point(aes(population/10^6, total)) +
  geom_text(aes(population/10^6, total, label = abb))#Label = abb 指的是标签 (label) 的缩写
1
2

对文本组件进行参数调整

#size 控制点的大小， nudge_x 文本稍微向右或向左移动
p + geom_point(aes(population/10^6, total), size = 3) +
  geom_text(aes(population/10^6, total, label = abb), nudge_x = 1.5)
1
2
3

可以看到文本向右移动了 ，点也变大了

全局与局部映射aes（）

先查看下ggplot参数

args(ggplot)
1

全局映射：在定义对象时将坐标映射定义

p <- murders %>% ggplot(aes(population/10^6, total, label = abb))
1

然后就可以直接使用了,不用在每个组件中定义x轴，y轴

p + geom_point(size = 3) + 
  geom_text(nudge_x = 1.5)
1
2

得到

在全局映射中进行局部映射

想要单独让某个组件有自己的坐标

p + geom_point(size = 3) +  
  geom_text(aes(x = 10, y = 800, label = "Hello there!"))
1
2

可以看到在（x=10,y=800)的坐标位置有个文本

控制坐标轴刻度

scale_x_continuous函数可以用来在指定的坐标轴上对数据进行缩放。

p + geom_point(size = 3) +  
  geom_text(nudge_x = 0.05) + 
  scale_x_continuous(trans = "log10") +
  scale_y_continuous(trans = "log10") #用于将坐标轴的连续数据变换为以10为底的对数尺度
1
2
3
4

标签和标题

使用xlab，ylab和ggtitle

p + geom_point(size = 3) +  
  geom_text(nudge_x = 0.05) + 
  scale_x_log10() +
  scale_y_log10() +
  xlab("Populations in millions (log scale)") + 
  ylab("Total number of murders (log scale)") +
  ggtitle("US Gun Murders in 2010")

1
2
3
4
5
6
7
8

给类别添加颜色

p <-  murders %>% ggplot(aes(population/10^6, total, label = abb)) +   
  geom_text(nudge_x = 0.05) + 
  scale_x_log10() +
  scale_y_log10() +
  xlab("Populations in millions (log scale)") + 
  ylab("Total number of murders (log scale)") +
  ggtitle("US Gun Murders in 2010")
p + geom_point(size = 3, color ="green")#在散点图里添加color
1
2
3
4
5
6
7
8

可以选择按什么分类颜色，比如这个数据里有的region，使用aes

p + geom_point(aes(col=region))
1

上面的图例可以通过show.legend = FALSE删除

添加一条直线

这里代表全国的平均谋杀率 y=rx
geom_abline是画线的，log10是因为之前坐标轴是转换到log10标准的
geom_abline(intercept, slope, linetype, color, size)
参数说明：intercept：y轴的截距 slope：斜率linetype：线条样式color：线条颜色size：线条宽度
pull()函数是R语言中用于提取对象的函数。它的作用是从已有的数据框、向量或列表中提取特定行或列的数据。

#计算斜率
r <- murders %>%  
  summarize(rate = sum(total) /  sum(population) * 10^6) %>%  
  pull(rate)
p <- p + geom_abline(intercept = log10(r), lty = 2, color = "darkgrey") +
  geom_point(aes(col=region), size = 3)  
p
1
2
3
4
5
6
7

附加软件包: ggthemes,ggrepel

ggthemes是R语言中的一个用于设置ggplot2图表主题的包。
Ggrepel旨在帮助解决图中文本标签重叠的问题。
ds_theme_set()是dslabs包中的一个函数，它可以自动设置默认主题。

install.packages('ggthemes')
library(ggthemes)
p + theme_economist()
1
2
3

完整的一个ggplot图代码

library(ggthemes)
library(ggrepel)

r <- murders %>%
  summarize(rate = sum(total) /  sum(population) * 10^6) %>%
  pull(rate)

murders %>% ggplot(aes(population/10^6, total, label = abb)) +   
  geom_abline(intercept = log10(r), lty = 2, color = "darkgrey") +
  geom_point(aes(col=region), size = 3) +
  geom_text_repel() + 
  scale_x_log10() +
  scale_y_log10() +
  xlab("Populations in millions (log scale)") + 
  ylab("Total number of murders (log scale)") +
  ggtitle("US Gun Murders in 2010") + 
  scale_color_discrete(name = "Region") +
  theme_economist()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

描述分布

条形图

murders %>% ggplot(aes(region)) + geom_bar()
1

不希望geom_bar计数，而是只绘制一个由比例变量提供高度的条形图。为此，提供x（类别）和y（值），并使用stat=“identity”选项。
先计算region每一类的数量然后传入下一行代码中

tab <- murders %>% 
  count(region) %>% 
  mutate(proportion = n/sum(n))
tab %>% ggplot(aes(region, proportion)) + geom_bar(stat = "identity")
1
2
3
4

直方图

用的是范例数据里的heights的数据，geom_histogram()函数，添加了标题，x轴标签

library(dslabs)
data(heights)
x <- heights$height[heights$sex=="Male"]
heights %>% 
  filter(sex == "Female") %>%  
  ggplot(aes(height)) +
  geom_histogram(binwidth = 1, fill = "blue", col = "black") +
  xlab("Female heights in inches") + 
  ggtitle("Histogram")
1
2
3
4
5
6
7
8
9

密度图

adjust参数控制密度图的平滑度，取值范围为0~1，默认值为1，值越大，则平滑度越高。

heights %>% 
  filter(sex == "Female") %>% 
  ggplot(aes(height)) +
  geom_density(fill="blue",adjust = 2)
1
2
3
4

箱线图

heights %>% 
  ggplot(aes(sex,height)) +
  geom_boxplot()
1
2
3

使用qplot快速绘图

快速绘制一个向量值的直方图、两个向量值的散点图或使用分类向量和数值向量的箱线图
qplot(x, y, data, geom, color, fill, size, shape, alpha, etc.)
其中，x和y参数用于指定绘图变量，data参数指定数据集，geom参数用于指定绘图类型，color、fill、size、shape、alpha等参数则可用于控制图表的外观。

两个向量的值绘制散点图

data(murders)
x <- log10(murders$population)
y <- murders$total
qplot(x, y)
1
2
3
4

直方图：1个对象

x <- heights %>% 
  filter(sex=="Male") %>% 
  pull(height)
qplot(x)
1
2
3
4

提供一个因子和一个数值向量画的图

heights %>% qplot(sex, height,data=.)
1

##箱线图

heights %>% qplot(sex, height, data = ., geom = "boxplot")
1