R语言ggplot2画一幅漂亮的哑铃图
在找资料的时候偶然发现的这个图,这个图来源于论文
Russian periphery is dying in movement: a cohort assessment of internal youth migration in Central Russia
。论文链接是
https://link.springer.com/article/10.1007%2Fs10708-018-9953-5,
数据和代码存储的链接
https://gist.github.com/ikashnitsky/2f3e2b2af6f50911bb775bbce6eb0fb8
https://ikashnitsky.github.io/2019/dotplot/
感觉这个图很漂亮,数据代码还是公开的,所以我们来重复一下
这个图横坐标是 变化率,纵坐标是地区,每一个纵坐标对应的是两个 1980-84 1988-92 变量,其中每一个对应的是实心点和空心点,census和stat record
这个图目前还想不到如何应用于我自己的数据,可以用来表示比较摸某一个数值,比如处理和对照
前面整理数据的代码这里就不介绍了,大家感兴趣可以自己运行试试,研究一下每行代
R语言ggplot2画一幅漂亮的哑铃图相关推荐
- R语言ggplot2可视化:绘制堆叠的密度图(Stacked Area Chart)
R语言ggplot2可视化:绘制堆叠的密度图(Stacked Area Chart) 目录 R语言ggplot2可视化:绘制堆叠的密度图(Stacked Area Chart) #仿真数据 #绘制堆叠 ...
- R语言ggplot2可视化:使用ggrepel包在线图(line plot)的尾端那个数据点添加文本标签(text label)
R语言ggplot2可视化:使用ggrepel包在线图(line plot)的尾端那个数据点添加文本标签(text label) 目录
- R语言ggplot2可视化:通过水平半小提琴图(Horizontal Half Violin Plots)和抖动数据点( jittered data)可视化雨云图(Rain Cloud plots)
R语言ggplot2可视化:通过水平半小提琴图(Horizontal Half Violin Plots)和抖动数据点( jittered data)可视化雨云图(Rain Cloud plots) ...
- R语言ggplot2可视化:自定义函数在箱图(boxplot)上添加分组样本个数(count)、分组均值(mean)、箱体填充色自定义、数据标签色彩自定义
R语言ggplot2可视化:自定义函数在箱图(boxplot)上添加分组样本个数(count).分组均值(mean).箱体填充色自定义.数据标签色彩自定义 目录
- R语言ggplot2可视化:通过水平半小提琴图和抖动数据点可视化雨云图(Rain Cloud plots)、自定义雨云图中数据点的颜色(数据点的颜色和半小提琴图一致)
R语言ggplot2可视化:通过水平半小提琴图和抖动数据点可视化雨云图(Rain Cloud plots).自定义雨云图中数据点的颜色(数据点的颜色和半小提琴图一致) 目录
- R语言ggplot2可视化:可视化分组的小提琴图(violin plot)并在分组小提琴内部嵌入箱图(box plot)
R语言ggplot2可视化:可视化分组的小提琴图(violin plot)并在分组小提琴内部嵌入箱图(box plot) 目录
- R语言ggplot2可视化:可视化饼图分面图并在图中添加数据标签
R语言ggplot2可视化:可视化饼图分面图并在图中添加数据标签 目录 R语言ggplot2可视化:可视化饼图分面图并在图中添加数据标签
- R语言ggplot2可视化绘制二维的密度图:在R中建立二维散点数据的连续密度热图、2D密度估计、MASS包中的kde2d函数实现2D密度估计、geom_density2d函数可视化二维密度图
R语言ggplot2可视化绘制二维的密度图:在R中建立二维散点数据的连续密度热图.2D密度估计.MASS包中的kde2d函数实现2D密度估计.geom_density2d函数可视化二维密度图 目录
- R语言ggplot2可视化使用ggridges包可视化山脊图(Ridgeline Plots):山脊图(Ridgeline Plots)应用场景、受试者口服茶碱的之后观察茶碱的浓度变化的山脊图
R语言ggplot2可视化使用ggridges包可视化山脊图(Ridgeline Plots):山脊图(Ridgeline Plots)应用场景.受试者口服茶碱的之后观察茶碱的浓度变化的山脊图(Rid ...
最新文章
- 一天之内用SDN能做出什么
- 机会与挑战:2019人工智能应用趋势预测
- 【Binder 机制】AIDL 分析 ( 创建 Service 服务 | 绑定 Service 远程服务 )
- 为什么matplotlib显示opencv图像不正常
- python3的 time库的使用
- Linux网络DNS配置反向解析与构建主从域名服务器
- 树状数组-神奇的二进制
- Python divmod 函数 - Python零基础入门教程
- C++ 常见错误(00) —— C#调用c++做的dll是报错
- 模糊控制算法实例matlab程序
- 锐捷认证成功但是无法上网的问题
- 深信服技术认证之容灾与备份(二)
- win10创建新的计算机用户名和密码,Win10怎么新建账户 Win10创建新用户图文教程...
- error: bad signature 0x00000000
- 形式化方法课程学习笔记(一)|Cop的安装以及简单使用
- linux内网穿透(内外网服务器端口映射)
- SWR 与前端数据依赖请求
- 浅谈软件测试行业的前景,就业方向和薪资待遇
- 美国专线是什么,美国专线有哪些物流方式?
- java-字符串,抽象类与抽象