2021.4.23
持续更新中。。。
参考：《R数据可视化手册》、学术数据分析及可视化
1. 理解数据与图层
library(ggplot2)
set.seed(999)
diamonds <- diamonds[sample(1:53940, 5000, replace = F),]
#数据写在底层，则对后续所有图层有效
ggplot(diamonds, aes(carat, price, color = cut)) +
geom_point(shape = 18)
#数据写在单一图层在，则只对该图层有效
ggplot() +
geom_point(data = diamonds, aes(carat, price, color = cut), shape = 18)
数据在初始图层
ggplot()中定义时，对后续所有图层有效，当多组数据时，可在每个图层分别定义数据
2. 简单散点图
library(ggplot2)
library(tidyr)
df <- iris
#修改表头
colnames(df) <- c('SepalL','SepalW','PetalL','PetalW','Species')
#宽数据变长数据
df <- gather(df, Index, Value, -Species)
#将Index和Value变量映射x轴和y轴，同时将Species分类变量映射颜色和形状
ggplot(df, aes(Index, Value, color = Species, shape = Species))+
#设置点的大小，透明度，类型
geom_point(size = 3, alpha = .5, shape = 18)+
#设置每个点的文本，去重复，文本位置
geom_text(aes(label = Species), check_overlap = TRUE, vjust=4, hjust=0)
##添加单个标签文本
##annotate('text', x = 6, y = 7.5, label = 'Scatter plot with a linear fit line',
## color = 'red', fontface = 'italic')
- 映射给颜色或大小的变量是分类变量时，则是对数据进行分组；若映射的是连续性变量，则是一个渐变过程。
scale_shape_manual()和scale_color_brewer函数可以后续自定义图形和颜色。scale_color_brewer()调色盘选择：https://www.datavis.ca/sasmac/brewerpal.html
3. 散点图 +拟合线
3.1 线性拟合
ggplot(iris, aes(Sepal.Length, Petal.Length))+
geom_point()+
#设置拟合线是否显示置信域，颜色，大小和类型
geom_smooth(method = 'lm', formula = y ~ x, se = F,
color = 'red', size = 2, linetype = 3)
##若要虚化拟合线，需要换一个函数
##geom_line(stat = 'smooth', method = 'lm', se = F,
## color = 'red', size = 2, linetype = 6, alpha = .2)
- 可选的形状和线型：
形状和线型color参数设置在aes()之外，则所有的变量都设置成一个颜色，而在aes()之内，会给不同的因子或者数值上色- 模型除了
y ~ x之外，也可以用y ~ log(x)、y ~ poly(x, 2)、y ~ poly(x, 3)等多项式
3.2 添加新构建模型的拟合线
思路：首先创建回归模型，然后根据模型计算变量和预测值的大小，最后绘制回归线即可。
library(ggplot2)
library(gcookbook)
rm(list=ls())
#用lm()函数创建回归模型
model <- lm(heightIn ~ ageYear + I(ageYear^2), heightweight)
#创建包含变量ageYear最小值和最大值的列
xmin <- min(heightweight$ageYear)
xmax <- max(heightweight$ageYear)
predicted <- data.frame(ageYear=seq(xmin, xmax, length.out=100))
#计算变量heightIn的预测值，之后predicted包含两个变量ageYear和heightln
predicted$heightIn <- predict(model, predicted)
#绘制点图
p <- ggplot(heightweight, aes(x=ageYear, y=heightIn)) +
geom_point()+
#添加回归曲线
geom_line(data=predicted, size=1)
4. 绘制两组来自不同数据的点图
library(tidyr)
library(ggplot2)
df <- iris
head(df)
#修改表头
colnames(df) <- c('SpealL', 'SpepalW', 'PetalL', 'PetalW', 'Species')
#宽数据变长数据
df <- gather(df, Index, Value, -Species)
df
ggplot()+
geom_point(data = df, aes(Species, Value, color =Index))+
geom_point(data = iris, aes(Species, Sepal.Width, color = Species))
绘制多组不同数据时
ggplot()不接任何参数，后续绘图函数调用参数data =分别指明具体的数据名。
5. 气泡图
ggplot(mtcars, aes(wt, mpg, color = factor(cyl)))+
#将cyl影射给大小
geom_point(aes(size = cyl))+
#添加坐标
scale_size(breaks = c(4,6,8))
