Tidyverse自学笔记-ggplot2标度之坐标轴设置

数据准备
本示例数据是自编数据,仅为练习所用,数据结构假设为,两个年份year(2020,2021),两个氮水平nitrogen(N1,N2),两个玉米品种variety(a,b)测定了5个试验指标(变量v1,v2,v3,v4,v5),每个处理3次重复block(1,2,3)。

library(tidyverse) # 调用tidyverse。
df <- read_csv(file = "df.csv") # 导入数据。文档在工作目录下,所以直接给文件名导入。
df # 查看数据。
## # A tibble: 24 × 9
##     year nitrogen variety block    v1    v2    v3    v4    v5
##    <dbl> <chr>    <chr>   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
##  1  2020 N1       a           1  1.26  2.14   0.4   5    3.25
##  2  2020 N1       a           2  1.2   2.9    0.1   5.3  1.27
##  3  2020 N1       a           3  1.3   3      0.3   5.6  2.24
##  4  2020 N1       b           1  1.08  1.72   1.8   2.8  1   
##  5  2020 N1       b           2  1.05  1.65   1.7   2.5  3.12
##  6  2020 N1       b           3  1.15  1.35   1.5   3.1  4.57
##  7  2020 N2       a           1  1.32  3.78   1.6   6    5.85
##  8  2020 N2       a           2  1.28  4.32   1.4   6.1  6.48
##  9  2020 N2       a           3  1.35  3.95   1.3   6.2  7.21
## 10  2020 N2       b           1  1.33  3.47   2.8   4.1  6.56
## # … with 14 more rows

7.2 标度(scale)

标度(scale)
标度是将数据空间(标度的定义域)映射到图形属性空间(标度的值域)的一个函数。
标度的作用是调整数据映射的图形属性。这些属性包括颜色,位置,形状,大小,线条类型等。
ggplot2为每一种图形属性提供了一个默认的标度,当默认标度不满足我们的作图需求时,我们需要对默认标度进行修改。

标度变换
要想将图形属性映射为变量,需要在函数aes()中将图形属性名称和变量名称关联起来。ggplot2会自动为每个变量值分配唯一的图形属性水平,这个过程即为标度变换。

通常ggplot2会自动根据输入变量选择最优的坐标刻度方案,若要手动设置或调整,就需要用到标度函数:scale_<MAPPING><KIND>(),标度函数构成是scale图形属性名称_标度名称,如:scale_color_gradient表示对图形颜色的渐变色进行定义。

标度分类

按照对图形作用的部分差异,分为坐标轴标度,颜色标度,填充标度,大小标度,透明度标度,线条标度,形状标度。

常用的标度函数:

  • scale_x or y_continuous():用于修改连续变量坐标轴的刻度和标签。
  • scale_x or y_discrete():修改离散变量坐标轴的标签。
  • scale_x or y_date():设置日期刻度。
  • scale_x_log10(), scale_x_sqrt(), scale_x_reverse():坐标刻度取对数,开方,翻转。
  • scale_x_gradient(), scale_x_gradient2(), scale_x_gradientn():渐变色设置,x可为 color, fill 等。

7.2.1 坐标轴设置

坐标原点归位

你会发现,ggplot2绘制的初始图形,坐标原点均不是从0开始,可通过以下方式调整。

library(tidyverse) # 调用tidyverse包。
df <- read_csv("df.csv") # 读取df数据集。
p <- ggplot(df, aes(v1, v2)) + geom_point() # 绘制基础图形,定义为p。
p # 显示图形。
image.png
p + coord_cartesian(xlim = c(0, NA), ylim = c(0, NA)) # 坐标原点归位。
image.png
p + expand_limits(x = 0, y = 0) # 结果同上。 
image.png
p + xlim(c(0, 1.5)) + ylim(c(0, 4.5)) # 也可以通过设置坐标轴刻度范围让起始刻度从0开始。
image.png

设置坐标轴范围

  • 通过coord_cartesian()设置xlim和ylim。
  • 通过xlim(c(轴范围最小值,轴范围最大值))和ylim(c(轴范围最小值,轴范围最大值))。
  • 通过scale_y_continuous(limits =c())设置。
p + coord_cartesian(xlim = c(0, 1.5), ylim = c(0, 4.5)) # 通过coord_cartesian函数中的xlim和ylim控制x轴和y轴的取值范围。
image.png
p + xlim(c(0, 1.5)) + ylim(c(0, 4.5)) # xlim和ylim设置轴取值范围。
image.png
p + scale_x_continuous(limits = c(0, 1.5)) + scale_y_continuous(limits = c(0, 4.5)) # scale_x or y_continuous(limits = )调整轴取值范围。
image.png

坐标轴翻转

coord_flip(xlim = NULL, ylim = NULL, expand = TRUE)
实现坐标轴翻转,即 x 轴与 y 轴互换。

ggplot(df, aes(nitrogen, v1)) + geom_col() # 基础图形。
image.png
ggplot(df, aes(nitrogen, v1)) + geom_col() + coord_flip() # 翻转坐标轴。 
image.png

scale_x_reverse或scale_y_reverse
实现的是x轴或y轴取值范围最大最小值的翻转。

p + scale_x_reverse() # 原来x轴最大值翻转至坐标左下角原来最小值的地方。
image.png
p + scale_y_reverse() # 原来y轴最大值翻转至坐标左下角原来最小值的地方。
image.png

坐标轴比例缩放

coord_fixed(ratio = 1, xlim = NULL, ylim = NULL, expand = TRUE)
参数ratio用于指定纵横比,也就是纵轴1单位显示的长度,是横轴1单位显示的长度的几倍。 默认值为1,表示x 轴和 y 轴之间的缩放比例为 1:1。 ratio值越小,图形越扁。

p # 基础图。
image.png
p + coord_fixed() # coord_fixed()函数调整纵横比为1:1。
image.png
p + coord_fixed(ratio = 2) #  纵轴单位显示长度是横轴单位显示长度的2倍。
image.png
p + coord_fixed(ratio = 1/2) #  纵轴单位显示长度是横轴单位显示长度的0.5倍。
image.png
p + coord_fixed(ratio = 1/10) #  纵轴单位显示长度是横轴单位显示长度的0.1倍。
image.png
p + xlim(c(0, 5)) + ylim(c(0, 5)) + coord_fixed() # 这里将横轴和纵轴的刻度范围设置成了一样,再调整坐标轴比例为1:1。
image.png

更改分类轴项目顺序

scale_x_discrete()或scale_y_discrete():实现图形分类变量顺序变更。

ggplot(df, aes(nitrogen, v1)) + geom_boxplot() # 基础图绘制。
image.png
ggplot(df, aes(nitrogen, v1)) + geom_boxplot() + scale_x_discrete(limits = c("N2", "N1")) # 调整了x分类变量顺序。
image.png
df$nitrogen <- factor(df$nitrogen,levels = c("N1", "N2"), order = TRUE) # 先设置df数据集nitrogen为因子,因子水平为N1和N2,让因子顺序为N1和N2。
df$nitrogen # 查看因子。
ggplot(df, aes(nitrogen, v1)) + geom_boxplot() + scale_x_discrete(limits = rev(levels(df$nitrogen))) # 反转因子顺序。
image.png

坐标轴坐标转换

scale_x or y_log10():对x轴或y轴做对数转换。
scale_x or y_sqrt():对x轴或y轴数值取平方根。

p + scale_x_log10() # 对x轴数值取对数。
image.png
p + scale_x_sqrt() # 对x轴数值取平方根。
image.png

参考资料

  1. R语言编程—基于 tidyverse,张敬信,人民邮电出版社(待出版),2022.
  2. R语言教程,李东风,https://www.math.pku.edu.cn/teachers/lidf/docs/Rbook/html/_Rbook/index.html
  3. 《R数据科学》,人民邮电出版社,2018.
  4. ggplot2高效实用指南,https://www.jianshu.com/p/2dc81b91131e
  5. ggplot2超详细讲解,https://www.jianshu.com/p/07f7931a00db
  6. ggplot保姆级教程-科研绘图细节调参,https://zhuanlan.zhihu.com/p/391832351
  7. 第 23 章 ggplot2之标度,王敏杰,https://bookdown.org/wangminjie/R4DS/tidyverse-ggplot2-scales.html
  8. R|ggplot2(三)|coord系列函数坐标轴转换,https://zhuanlan.zhihu.com/p/29553382
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,053评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,527评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,779评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,685评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,699评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,609评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,989评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,654评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,890评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,634评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,716评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,394评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,976评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,950评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,191评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,849评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,458评论 2 342

推荐阅读更多精彩内容