【R语言】高维数据可视化| ggplot2中会“分身术”的facet_wrap()与facet

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 ...

【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

【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

最新文章

热门文章