R可视乎 | 散点图系列(2)
1.前言
散点图(scatter graph、point graph、X-Y plot、scatter chart )是科研绘图中最常见的图表类型之一,通常用于显示和比较数值。散点图是使用一系列的散点在直角坐标系中展示变量的数值分布。在二维散点图中,可以通过观察两个变量的数据变化,发现两者的关系与相关性。
散点图可以提供三类关键信息:
(1)变量之间是否存在数量关联趋势;
(2)如果存在关联趋势,那么其是线性还是非线性的;
(3)观察是否有存在离群值,从而分析这些离群值对建模分析的影响。
本文可以看作是《R语言数据可视化之美》的学习笔记。该书第四章——数据关系型图表中展示的散点图系列包括以下四个方面:
趋势显示的二维散点图
分布显示的二维散点图
气泡图
三维散点图
本文主要对第二部分进行介绍,并加上小编自己的理解。下面几个部分也会在最近陆续推出,敬请关注。
2.本文框架
3.单数据系列
3.1数据格式
这里我们使用正态分布随机产生250个数据(这个就是实际我们采集的一维数据)。step
是指按照多少的区间进行划分类别。我们通过hist()
将直方图内部数据进行存储(我也是第一次见这种操作,以后学起来)。输出hg
,内部包含参数如下所示:
其中breaks表示边界点,counts表示每个区间内的个数,density表示密度函数值。mids表示区间的中间点,并利用这些参数来构建后续绘图所需要的数据。通过循环语句,计算出x,y坐标数据。前6项数据如下所示:
完整代码如下:
#加载包
library(ggplot2)
library(RColorBrewer) #颜色
library(scales)x <- rnorm(250 , mean=10 , sd=1)
step<-0.2
breaks<- seq(min(x)-step,max(x)+step,step)hg <- hist(x, breaks = breaks , plot = FALSE)#使用直方图数据,但不绘图bins <- length(hg$counts) # bin类别数
yvals <- numeric(0)
xvals <- numeric(0)
for(i in 1:bins) { yvals <- c(yvals, hg$counts[i]:0) xvals <- c(xvals, rep(hg$mids[i], hg$counts[i]+1))
} dat <- data.frame(xvals, yvals) # 变成dataframe格式
dat <- dat[yvals > 0, ] # 去除小于0的数colormap <- colorRampPalette(rev(brewer.pal(11,'Spectral')))(32) #颜色选择
3.2原始数据绘制
接下来我们使用该数据(单数据)进行绘制:
- 柱状图(正态分布)
ggplot(dat, aes(x=xvals,y=yvals,fill=yvals))+geom_tile(colour="black")+scale_fill_gradientn(colours=colormap)+ylim (0, max(yvals)*1.3)+theme(text=element_text(size=15,color="black"),plot.title=element_text(size=15,family="myfont",face="bold.italic",hjust=.5,color="black"),legend.background = element_blank(),legend.position=c(0.9,0.75))
geom_tile(colour="black")
改为geom_point(colour="black",shape=21,size=4)
会得到以下图片
ggplot(dat, aes(x=xvals,y=yvals,fill=yvals))+geom_point(colour="black",shape=21,size=4)+scale_fill_gradientn(colours=colormap)+ylim (0, max(yvals)*1.3)+theme(text=element_text(size=15,color="black"),plot.title=element_text(size=15,family="myfont",face="bold.italic",hjust=.5,color="black"),legend.background = element_blank(),legend.position=c(0.9,0.75))
3.3 Q-Q图的绘制
在R中可以使用CircStats
包的pp.plot()
函数绘制P-P图;ggplot2
包的geom_qq()
函数和geom_qq_line()
函数结合可以绘制Q-Q 图;另外,ggplot2
包结合ggpubr
包也可以绘制,当然改包还有其他好用的功能。
下面对第三种方式进行实现:
ggpubr
包中的ggqqplot
相应参数如下,包括了非常多的参数,前两个参数分别表示:数据,要绘制的变量。当然其他数据包括设置主题(ggtheme
);添加qqline(add = c("qqline"))
等。
ggqqplot(data, x, combine = FALSE, merge = FALSE, color = "black", palette = NULL, size = NULL, shape = NULL, add = c("qqline", "none"), add.params = list(linetype = "solid"), conf.int = TRUE, conf.int.level = 0.95,title = NULL, xlab = NULL, ylab = NULL, facet.by = NULL, panel.labs = NULL, short.panel.labs = TRUE, ggtheme = theme_pubr(), ...
)
为了更好解释这个函数,我们重新模拟一个数据集。
library(ggpubr)
# 创建一个数据集
set.seed(1234)
wdata = data.frame(sex = factor(rep(c("F", "M"), each=200)),weight = c(rnorm(200, 55), rnorm(200, 58)))
head(wdata, 4)
# 基本的Q-Q图
ggqqplot(wdata, x = "weight")
# 按性别改变颜色和形状
ggqqplot(wdata, x = "weight",color = "sex",ggtheme = ggplot2::theme_grey())#更改主题(灰色)当然可以用其他主题
3.4 带透明度设置的散点图
- 数据设定
这个数据是张杰老师书中的数据,是经过一定处理得到的,结果图可以看下面。
library(ggplot2)
library(RColorBrewer) mydata<-read.csv("HighDensity_Scatter_Data.csv",stringsAsFactors=FALSE)
head(mydata)
我们利用ggplot()
简单绘制二维数据的散点图,之后在对该数据进行聚类。
ggplot(data = mydata, aes(x,y)) +geom_point( colour="black",alpha=0.1)+labs(x = "Axis X",y="Axis Y")+theme(text=element_text(size=15,color="black"),plot.title=element_text(size=15,family="myfont",face="bold.italic",hjust=.5,color="black"),legend.position="none")
3.5 kmeans聚类的散点图
对上面数据进行kmeans聚类,这里使用base中的 kmeans()
进行分类(两类),然后将分类情况(cluster
)进行存储,并转化成因子类型。绘图时,cluster来设置颜色,这样就可以很明显看出分类结果。
kmeansResult<- kmeans(mydata, 2, nstart = 20)
mydata$cluster <- as.factor(kmeansResult$cluster)
ggplot(data = mydata, aes(x,y,color=cluster)) +geom_point( alpha=0.2)+scale_color_manual(values=c("#00AFBB", "#FC4E07"))+labs(x = "Axis X",y="Axis Y")+theme(text=element_text(size=15,color="black"),plot.title=element_text(size=15,family="myfont",face="bold.italic",color="black"),legend.background=element_blank(),legend.position=c(0.85,0.15))
3.6 带椭圆标定的聚类散点图
有时候我们想突出聚类结果会在结果上画上椭圆,那么可以使用stat_ellipse()
。
ggplot(data = mydata, aes(x,y,color=cluster)) +geom_point (alpha=0.2)+ # 绘制透明度为0.2 的散点图stat_ellipse(aes(x=x,y=y,fill= cluster), geom="polygon", level=0.95, alpha=0.2)+#绘制椭圆标定不同类别scale_color_manual(values=c("#00AFBB","#FC4E07"))+#使用不同颜色标定不同数据类别scale_fill_manual(values=c("#00AFBB","#FC4E07"))+#使用不同颜色标定不同椭类别labs(x = "Axis X",y="Axis Y")+theme(text=element_text(size=15,color="black"),plot.title=element_text(size=15,family="myfont",face="bold.italic",color="black"),legend.background=element_blank(),legend.position=c(0.85,0.15))
3.7 多数据系列
多数据系列,其实在聚类散点图就已经涉及到。这里对较少数据进行绘制,这样看起来结果更加美观。
mydata<-mydata[round(runif(300,0,10000)),]
kmeansResult<- kmeans(mydata, 2, nstart = 20)
mydata$cluster <- as.factor(kmeansResult$cluster)
ggplot(data = mydata, aes(x,y,fill=cluster,shape=cluster)) +geom_point(size=4,colour="black",alpha=0.7)+scale_shape_manual(values=c(21,23))+scale_fill_manual(values=c("#00AFBB", "#FC4E07"))+labs(x = "Axis X",y="Axis Y")+scale_y_continuous(limits = c(-5, 10))+scale_x_continuous(limits = c(-5, 10))+theme(text=element_text(size=15,color="black"),plot.title=element_text(size=15,family="myfont",face="bold.italic",color="black"),legend.background=element_blank(),legend.position=c(0.85,0.15))
欢迎关注【庄闪闪的成长手册】,包含R可视化,数据分析,数据科学等前沿信息。
参考资料
《R语言数据可视化之美》: https://github.com/EasyChart/Beautiful-Visualization-with-R
ggpubr简介: https://rpkgs.datanovia.com/ggpubr/index.html
R可视乎 | 散点图系列(2)相关推荐
- qt根据散点图拟合曲线_R可视化 | 散点图系列(1)
作者:庄闪闪 1.前言 散点图(scatter graph.point graph.X-Y plot.scatter chart )是科研绘图中最常见的图表类型之一,通常用于显示和比较数值.散点图是使 ...
- R语言数据挖掘实战系列(4)
R语言数据挖掘实战系列(4)--数据预处理 数据预处理一方面是要提高数据的质量,另一方面是要让数据更好地适应特定的挖掘技术或工具.数据预处理的主要内容包括数据清洗.数据集成.数据变换和数据规约. 一. ...
- R语言可视化散点图、气泡图、动态气泡图、数据点重合的散点图、数据点计数图、抖动数据点图、基于lm方法或者loess方法拟合数据点之间的趋势关系曲线、自定义数据点的大小、色彩、添加主标题、副标题、题注
R语言可视化散点图.气泡图.动态气泡图.数据点重合的散点图.数据点计数图.抖动数据点图.基于
- R语言可视化散点图(scatter plot)图、为图中的部分数据点添加标签、ggrepel包来帮忙
R语言可视化散点图(scatter plot)图.为图中的部分数据点添加标签.ggrepel包来帮忙 目录
- R语言可视化散点图(scatter plot)、并在散点图中叠加回归曲线、叠加lowess拟合曲线(linear and lowess fit lines)、使用plot、line、abline函数
R语言可视化散点图(scatter plot).并在散点图中叠加回归曲线.叠加lowess拟合曲线(linear and lowess fit lines).使用plot函数.line函数和ablin ...
- R语言为散点图添加凸包(convex hull):数据预处理(创建一个包含每组数据凸包边界的数据集)、ggplot2使用geom_polygon函数为可视化图像添加凸包(convex hull)
R语言为散点图添加凸包(convex hull):数据预处理(创建一个包含每组数据凸包边界的数据集).ggplot2使用geom_polygon函数为可视化图像添加凸包(convex hull) 目录
- R语言可视化散点图(scatter plot)图中的标签和数据点互相堆叠丑死了,ggrepel包来帮忙:文本标签(label)相互排斥,远离数据点,远离绘图区域的边缘。
R语言可视化散点图(scatter plot)图中的标签和数据点互相堆叠丑死了,ggrepel包来帮忙:文本标签(label)相互排斥,远离数据点,远离绘图区域的边缘. 目录
- R可视乎|创建乐高版马赛克图
创建乐高版本的马赛克图像 简介 今日内容比较"无用",觉得比较好玩,所以就做一期"异类"可视化啦!主要介绍下 brickr 包,它将乐高(LEGO) 带入 R ...
- R语言在散点图中添加lm线性回归公式
R语言在散点图中添加lm线性回归公式 1. 简单的线性回归 2. 使用ggplot2展示 3. 提取线性回归p值 1. 简单的线性回归 函数自带的例子(R 中键入?lm),lm(y ~ x)回归y=k ...
最新文章
- idea 弹出框中有乱码_IDEA如何自定义快捷键
- Markdown矩阵、表格和数学公式
- spring中的AnnotationConfigUtils
- CodeForces - 1504C Balance the Bits(思维+构造)
- MAVEN简介之——settings.xml
- equals, hashCode, toString方法重写,深入探究equals
- 情人节海报模板,甜到牙疼!
- 计算机原理 ---- 程序之下
- error:重装系统后,office办公软件成网页版
- 磁盘管理关于磁盘的概念
- 重力感应G-Sensor 方向介绍
- SpringCloud 微服务开放平台接口
- CSS——定位、层级与透明效果
- python蚂蚁森林自动偷能量_蚂蚁森林自动偷能量app
- Lync Server 2013视频会议架构
- 现在开始 · 入门编程
- Kafka工作原理-数据写入、ACK、查询、消费原理
- Android 颜色色值
- 3D数学基础:Matrix4*3类代码清单
- RGB 转换为 XYZ 和 LAB空间:convert between sRGB and CIEXYZ, 色域色彩相关
热门文章
- zigbee学习笔记---入门
- 视觉问答综述(VQA Datasets Alogritgms and Future Challenge)
- 利用JMeter的beanshell进行接口的加密处理
- Java找到1-1000以内所有可以被3整除并可以被7整除的数。
- Java Scanner.nextLine()读取回车问题解决
- ModuleNotFoundError: No module named ‘d2lzh_pytorch‘
- 工艺夹具-减速箱体零件工艺规程及加工φ52H8孔夹具设计(论文+说明书+工艺卡+外文翻译+CAD图纸)
- JAVA大学实用教程(第四版)课后习题三、四章答案(自整理)
- 【MATLAB】使用matlab进行串口通信(详细方法+代码讲解)
- java火山_火山代码转java源代码查看