R语言-15统计图绘制

par(mfrow=c(2,3)) #把画布分为两行三列,mfrow表示以行优先填充

手工决定图形上点的位置,可用locator()函数
在图上添加数学符号和公式,可用expression()函数

将bar_netage, bar_age, bar_sex三个图绘制在三列

library("Rmisc")
multiplot(bar_netage, bar_age, bar_sex, cols = 3)

频数分布图与滑珠图
#画频数分布图
hist(sort(datareposts_count), col='lightblue',main='微博转发量分布',ylab="频数",xlab="转发量",labels=TRUE,xlim=c(0,200),ylim=c(0,3000)) #labels设为true表示显示每一个柱的数值,xlim、ylim设定x、y轴显示范围 plot(ax, a$freq, xlab="微博数",ylab="频数",main="微博数分布",col="red") #xlab,ylab为坐标轴标题,main表示图形主标题

#画滑珠图
library(ggplot2)
a <- count(data$pic_num)
dd <- ddply(a,.(x,freq))
p <- ggplot(dd,aes(x=x,y=freq))
p + geom_linerange(aes(ymax=freq),color='gray',ymin=0,size=1)+geom_point(aes(color=freq),size=5)+theme_bw()+
labs(title = "微博图片分布",x = "图片数",y = "频数") +scale_colour_gradient(name = "频数")+
scale_x_continuous(limits=c(0,10), s=seq(0,10,1))
#scale_colour_gradient(name = "频数")修改图例标签等同于labs(colour = "Displment")

相关系数矩阵图与散点图矩阵

library(corrplot)
M <- cor(data1)
corrplot(M,order = 'hclust')
#散点图矩阵
    scatterplotMatrix(data1[,c("user_statuses_count","user_follow_count","user_urank")],diagonal = 'histogram',ellipse=TRUE,cex.main="0.5")#cex.main="0.5"表示把标题字体大小缩小为原来的50%

箱线图

result是数据,按cluster绘制出多个箱线图,看不同cluster的网龄分布

bar_age <- barplot(pack,col="lightblue")
bar_netage <- ggplot(result, aes(x = cluster, y = 网龄, fill =  cluster)) + 
  geom_boxplot() + 
  theme_bw() + 
  labs(x = ' cluster', y = '网龄')
image.png

频数分布图,使用ggplot2,美观倒置效果

其中数据为alldata,绘制其中的“年龄”列的频数分布图

library(ggplot2)
library(stringr)
library(plyr)
library(dplyr)        # group_by()
library(Rmisc)        # multiplot()
fun_bar1 <- function(data, xlab, ylab, xname, yname) {
  ggplot(data, aes(xlab, ylab)) +
    geom_bar(stat = 'identity', fill = "#63B8FF") + 
    labs(x = xname, y = yname) +
    coord_flip() +  # 使图形倒置
    theme_minimal()      # ggplot图形的一种背景主题
}
user <- alldata %>% group_by(年龄) %>% dplyr::summarise(Freq = n())
p1 <- fun_bar1(data = user, 
               xlab = reorder(user$年龄, user$Freq),
               ylab = user$Freq,
               xname = '年龄', yname = 'Frequency')

饼图

#二分类变量饼图
user5 <- alldata %>% group_by(性别) %>% dplyr::summarise(Freq = n())
p <- ggplot(user5, aes(x = "", y = user5$Freq, fill = user5$性别)) + 
  geom_bar(stat = "identity", width = 1) +    
  coord_polar(theta = "y") + 
  labs(x = "", y = "", title = "")   ## 将标签设为空
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 203,456评论 5 477
  • 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 85,370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 150,337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 54,583评论 1 273
  • 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 63,596评论 5 365
  • 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 48,572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 37,936评论 3 395
  • 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 36,595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 40,850评论 1 297
  • 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 35,601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 37,685评论 1 329
  • 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 33,371评论 4 318
  • 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 38,951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 29,934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 31,167评论 1 259
  • 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 43,636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 42,411评论 2 342

推荐阅读更多精彩内容