【R语言】高维数据可视化| ggplot2中会“分身术”的facet_wrap()与facet_grid()姐妹花
facet_grid()形成由行和列面化变量定义的面板矩阵。当有两个离散变量,并且这些变量的所有组合存在于数据中时,它是最有用的。如果只有一个具有多个级别的变量,请尝试facet_wrap()。
facet_wrap()将一维面板序列包装成2d。这通常比facet_grid()更好地利用了屏幕空间,而且显示基本上是矩形的。
分面图是根据数据类别按照行或者列,或者矩阵分面的方式将散点图,柱形图等基础图标展示四到五维的数据结构。
用法
facet_grid():
facet_grid(rows = NULL,cols = NULL,scales = “fixed”,space = “fixed”,shrink = TRUE,labeller = “label_value”,as.table = TRUE,switch = NULL,drop = TRUE,margins = FALSE,facets = NULL)
facet_wrap():
facet_wrap(facets,nrow = NULL,ncol = NULL,scales = “fixed”,shrink = TRUE,labeller = “label_value”,as.table = TRUE,switch = NULL,drop = TRUE,dir = “h”,strip.position = “top”)
rows:一组变量或表达式,由vars()引用并定义面,比如rows=vars(x)是指将变量x作为维度进行分面,并且可以使用多个分类变量。
cols:表示列维度上的组。可以对变量进行命名(将名称传递给标签器)。比如cols=vars(x)表示将变量x作为维度进行列分面。
scales:表示分面后坐标轴的尺度按照什么规则进行适应。(默认为"fixed"),按行适应(“free_x”)、按照列(“free_y”)适应,或者跨行和列(“free”)。
space:如果“fixed”,默认,所有面板有相同的大小。如果"free_y"它们的高度将与y刻度的长度成比例;如果“free_x”,它们的宽度将与x刻度的长度成比例;或者“free”时,高度和宽度都会发生变化。除非适当的刻度也发生变化,否则此设置没有效果。
Shrink:如果为真,将缩小规模以适应统计输出,而不是原始数据。如果为假,将范围内的原始数据进行统计汇总。
labeler:默认情况下使用label_value()。
as.table:如果为真,则默认情况下,facet的布局类似于在右下方具有最高值的表。如果为假,那么这些面就像一个在右上角有最高值的情节一样被布置。
switch:默认情况下,标签显示在绘图的顶部和右侧。如果“x”,顶部的标签将显示在底部。如果是“y”,则右侧的标签将显示在左侧。也可以设置为“both”。
facets:此参数不建议使用,请使用行rows和cols代替.
dir: 方向:“h”代表默认水平方向,“v”代表默认垂直方向。
strip.position:默认情况下,标签显示在图形的顶部。使用地带。位置通过设置条带,可以将标签放置在四个边的任意一边。position = c(“top”, “bottom”, “left”, “right”)。
按列分面
m<-ggplot(mpg,aes(cty,hwy,fill=class,size=cyl))+geom_point(shape=21,colour="black",stroke=0.25,alpha=0.8)
m+facet_grid(.~drv)
按行分面
m<-ggplot(mpg,aes(cty,hwy,fill=class,size=cyl))+geom_point(shape=21,colour="black",stroke=0.25,alpha=0.8)
m+facet_grid(cyl~.)
按两个变量的行列矩阵排列
m<-ggplot(mpg,aes(cty,hwy,fill=class,size=cyl))+geom_point(shape=21,colour="black",stroke=0.25,alpha=0.8)
m+facet_grid(vars(drv), vars(cyl))
facet_grid()调节X轴的取值范围
m<-ggplot(mpg,aes(cty,hwy,fill=class,size=cyl))+geom_point(shape=21,colour="black",stroke=0.25,alpha=0.8)
m+facet_grid(vars(drv), vars(cyl),scales="free_x")
facet_grid()调节X和Y轴的取值范围
m<-ggplot(mpg,aes(cty,hwy,fill=class,size=cyl))+geom_point(shape=21,colour="black",stroke=0.25,alpha=0.8)
m+facet_grid(vars(drv), vars(cyl),scales="free")
【R语言】高维数据可视化| ggplot2中会“分身术”的facet_wrap()与facet_grid()姐妹花相关推荐
- ggplot2设置坐标轴范围_R语言数据可视化| ggplot2中会“分身术”的facet_wrap()与facet_grid()...
[R语言]高维数据可视化| ggplot2中会"分身术"的facet_wrap()与facet_grid()姐妹花mp.weixin.qq.com facet_grid()形成由 ...
- R语言删除ggplot可视化图中的所有x轴轴标签实战:ggplot可视化默认包含所有x轴轴标签、删除ggplot可视化图中的所有x轴轴标签实战
R语言删除ggplot可视化图中的所有x轴轴标签实战:ggplot可视化默认包含所有x轴轴标签.删除ggplot可视化图中的所有x轴轴标签实战 目录
- R语言时间序列数据可视化: 使用plot函数可视化单序列时间序列数据、多序列时间序列数据并指定不同时间序列的线条类型(lty)
R语言时间序列数据可视化: 使用plot函数可视化单序列时间序列数据.多序列时间序列数据并指定不同时间序列的线条类型(lty) 目录
- R语言高维数据的pca、 t-SNE算法降维与可视化分析案例报告
维度降低有两个主要用例:数据探索和机器学习.它对于数据探索很有用,因为维数减少到几个维度(例如2或3维)允许可视化样本.然后可以使用这种可视化来从数据获得见解(例如,检测聚类并识别异常值).对于机器学 ...
- 主成分分析旋转矩阵MATLAB实现,R语言高维数据的主成分pca、t-SNE算法降维与可视化分析案例报告...
维度降低有两个主要用例:数据探索和机器学习.它对于数据探索很有用,因为维数减少到几个维度(例如2或3维)允许可视化样本.然后可以使用这种可视化来从数据获得见解(例如,检测聚类并识别异常值).对于机器学 ...
- R语言 类别数据可视化(1)
目录 一 条形图及其变种 1.简单条形图和帕累托图 (1)条形图 (2)帕累托图 2.并列条形图和堆叠条形图 3.不等宽条形图和脊形图 (1)不等宽条形图 (2)脊形图 二 树状图 1.条形树状图 2 ...
- R语言 类别数据可视化(2)
目录 一 气球图和热图 1.气球图 2.热图 二 南丁格尔玫瑰图 三 金字塔图 四 饼图及其变种 1.饼图 2.扇形图 3.环形图 一 气球图和热图 1.气球图 气球图是用气球大小表示数据的图形,它 ...
- R语言如何处理数据的列中存在多个元素的问题
我们拿到的数据有时可能是这样的 而我们希望,所有的数据都应该是这样(以上图中CHEMBL474208为例): 解决方案: #分解复合元素,并扩展原始数据 library(data.table) dtc ...
- R语言计算资本资产定价模型(CAPM)中的Beta值和可视化
原文链接:http://tecdat.cn/?p=22588 今天我们将计算投资组合收益的CAPM贝塔.这需要拟合一个线性模型,得到可视化,从资产收益的角度考虑我们的结果的意义. 简单的背景介绍,资本 ...
- 大数据分析R语言tidyverse数据清洗工具教程
凌乱的数据集无处不在.如果要分析数据,不可避免地需要清理数据.在大数据分析R语言tidyverse数据清洗工具教程中,我们将研究如何使用R和一些漂亮的tidyverse工具来做到这一点. 该tidyv ...
最新文章
- 中国工程院谭建荣:人工智能应用得再好,最核心的算法不行,创新能力就不行丨MEET2021...
- java产生字符函数_java生成字符串md5函数类(javaSE)
- sql空字符串判断函数_Excel数据还可这样来查询:用SQL查询输出工作表指定区域更高效!...
- Bootstrap 模态框插件modal的调用方式
- 腾讯回应发布虚假广告被罚20万;苹果客服回应iPhone 12屏幕发绿;Chrome 87 正式版发布|极客头条...
- 直播网站源码H5直播入门(理论篇)
- 计算机 线性代数答案,2013-2014-1《线性代数》计算机B答案
- mapguide 安装调试
- 计算机网络提供信息传输服务,【判断题】计算机网络通常被划分为通信子网和资源子网,通信子网提供信息传输服务,资源子网提供共享资源。...
- 苹果CMS小俊XG013主题模板下载
- 对邮件服务器的一点思考
- Python Tkinter——数字拼图游戏详解版
- Hybrid端口的工作原理
- Linux Crontab 定时任务列子
- 迅雷超级会员和白金会员怎么买最便宜多少钱一年多少钱一个月
- 云和恩墨大讲堂电子期刊第四期
- OpenWrt增加usb转串口支持
- JMEditor开源在线公式编辑器
- 数字电视技术英文专业词汇释义
- offset如何使用
热门文章
- 使用DHTMLX制作JavaScript树状图的全面指南
- <冈萨雷斯图像处理>局部直方图处理:直方图统计(Histogram Statistics)
- ValueError X has 2 features, but LogisticRegression is expecting 5 features as input
- 新猿木子李:0基础学python培训教程 Python操作日期
- Git-储藏(Stashing)
- Fail to open the referenced table
- 无线访问域服务器,管理用户的RADIUS服务器认证无线局域网控制器WLC配置-Cisco.PDF...
- Sine-Tent-Cosine混沌映射(提供参考文献及Matlab代码)
- 日赚1.7亿!华为发布2020年度财报!附华为十大5G应用场景
- centos上部署rap2