本文主要介绍画散点图的以下几种类型：

点数过多出现重叠现象

case 1

case 2

离散数据的回归拟合及置信区间问题

添加回归曲线

修改置信区间的置信度

隐藏置信区间

给数据按类别分别拟合

从已知模型中添加回归曲线

利用annotate()加注释

绘制边缘地毯图 marginal rugs plot

给散点图的点加上标签

为所有数据加上标签

选择性保留标签

气球图，更直观地看到数值的变化

首先导入必要的包

library (ggplot2)
library(cowplot)#将图片组合在一起
library(gcookbook)#数据集
library(plyr)#后面用到ddply函数

点数过多出现重叠现象

case 1

#着重解决overplot
#基础绘图
p1 <- ggplot(diamonds,aes(x=carat,y=price))+geom_point(alpha=0.01)
p1

可以看到这个数据集的散点图有很多的重叠的现象，这对我们进行数据分析并不利，因为我们并不知道这里究竟有多少数据重叠

我们可以尝试二维密度图

二维密度图与散点图相似，但是当点过多，重叠程度较大，就需要用二维密度图反映其密集程度。

二维密度图显示了两个数值变量之间的关系，一个在x轴上表示，另一个在Y轴上表示，与散点图类似，然后计算二维空间中特定区域内的观测数，并用颜色梯度表示

#上面画的较慢，且表示并不清晰，我们可以尝试bin2d
p2.1 <- ggplot(diamonds,aes(x=carat,y=price))+stat_bin2d()
p2.2 <- ggplot(diamonds,aes(x=carat,y=price))+stat_bin2d(bins=50)
p2.3 <- ggplot(diamonds,aes(x=carat,y=price))+stat_bin2d(bins=50)+scale_fill_gradient(low = "skyblue",high = "red")
cowplot::plot_grid(p2.1,p2.2,p2.3,nrow = 1)

stat_bin2d()内置参数bins=50表示这个图由50x50个格子构成

scale_fill_gradient()内置参数low和high表示颜色随数量增加由浅蓝色逐步过渡到红色

otherwise，将方格子换成正六边形

p3 <- ggplot(diamonds,aes(x=carat,y=price))+stat_binhex()+scale_fill_gradient(low = "skyblue",high = "red",breaks=c(0,500,1000,2000,4000,6000))
p3

case 2

#另一种情况的重叠
head(ChickWeight)
p4 <- ggplot(ChickWeight,aes(x=Time,y=weight))+geom_point()+scale_x_continuous(breaks = seq(0,21,1))#设置x轴范围从0到21，每一个单位显示一个刻度
p4

点聚集在一条线上不能直观的感受，我们可以利用jitter函数随机抖动一下

p5 <- ggplot(ChickWeight,aes(x=Time,y=weight))+geom_point(position = "jitter")+scale_x_continuous(breaks = seq(0,21,1))#设置x轴范围从0到21，每一个单位显示一个刻度
p5

如果我们想要控制抖动的幅度

p6 <- ggplot(ChickWeight,aes(x=Time,y=weight))+geom_point(position = position_jitter(width = 0.5,height = 0))+scale_x_continuous(breaks=seq(0,22,1))#设置x轴范围从0到21，每一个单位显示一个刻度
p6

或者我们用箱图来描绘这类数据

p7 <- ggplot(ChickWeight,aes(x=Time,y=weight))+geom_boxplot(aes(group=Time))#告诉ggplot怎么分类，不然会直接弄成一个箱图
p7

离散数据的回归拟合及置信区间问题

添加回归曲线

p8 <- ggplot(heightweight,aes(x=ageYear,y=heightIn))+geom_point()+geom_smooth(method = lm)#默认置信区间为95%，方法为线性拟合
p8

修改置信区间的置信度

#添加99%的置信区间
p9 <- ggplot(heightweight,aes(x=ageYear,y=heightIn))+geom_point()+geom_smooth(method = lm,level=0.99)
p9

隐藏置信区间

#不要置信区间
p10 <- ggplot(heightweight,aes(x=ageYear,y=heightIn))+geom_point()+geom_smooth(method = lm,se=F)#se=F隐藏置信区间
p10

使用局部加权多项式拟合

#使用局部加权多项式拟合
p11 <- ggplot(heightweight,aes(x=ageYear,y=heightIn))+geom_point()+geom_smooth(method = loess)
p11

给数据按类别分别拟合

p12 <- ggplot(heightweight,aes(x=ageYear,y=heightIn,colour = sex))+geom_point()+geom_smooth(method = loess)
p12

从已知模型中添加回归曲线

#从已知模型中添加回归曲线
model <- lm(heightIn~ageYear+I(ageYear^2),heightweight)
model
predicted <- data.frame(ageYear=heightweight$ageYear)
predicted$heightIn <- predict(model,predicted)
predicted
p13 <- ggplot(heightweight,aes(x=ageYear,y=heightIn))+geom_point(colour = "grey")+geom_line(data=predicted,aes(x=ageYear,y=heightIn),size=1)
p13

利用annotate()加注释

#annotate详细用法 8个例子
#annotate()通过第一个参数指定标注类型：
#"text"，"rect"，"segment"，"pointrange"，"curve"
p <- ggplot(mtcars, aes(x = wt, y = mpg)) + geom_point()
#在(4,25)处添加标签some text
an1 <- p + annotate("text", x = 4, y = 25, label = "Some text")+ggtitle("an1")
#在y=25直线上x从2到5每间隔一个单位添加标签some text
an2 <- p + annotate("text", x = 2:5, y = 25, label = "Some text")+ggtitle("an2")
#在这片区域作阴影，透明度为0.2
an3 <- p + annotate("rect", xmin = 3, xmax = 4.2,#x范围ymin = 12, ymax = 21,#y范围alpha = .2)+ggtitle("an3")
#以(2.5,15)为起点，(4,25)为终点作直线
an4 <- p + annotate("segment", x = 2.5, xend = 4, y = 15, yend = 25,colour = "blue")+ggtitle("an4")
an5 <- p + annotate("pointrange", x = 3.5, y = 20,#中心坐标ymin = 12, ymax = 28,colour = "red", size = .5)+ggtitle("an5")an6 <- p + annotate("text", x = 2:3, y = 20:21, label = c("my label", "label 2"))+ggtitle("an6")
#数学公式
an7 <- p + annotate("text", x = 4, y = 25, label = "italic(R) ^ 2 == 0.75",parse = TRUE)+ggtitle("an7")
#添加有向箭头
an8 <- p + annotate("curve",x = 4, y = 22.5,xend = 3, yend = 15,#起始点curvature = .5,#弧度arrow = arrow(length = unit(3, "mm")))+#箭头3mm  ggtitle("an8")
cowplot::plot_grid(an1,an2,an3,an4,nrow = 2)
cowplot::plot_grid(an5,an6,an7,an8,nrow = 2)

数学公式的写法参考这篇博文R语言作图：数学公式

绘制边缘地毯图 marginal rugs plot

边缘地毯图本质上是一种一维散点图，可以用来可视化数据在各个坐标轴上的分布。

下面以faithful数据集为例展示其画法

p15.1 <- ggplot(faithful,aes(x=eruptions,y=waiting))+geom_point()
p15.2 <- p15.1 + geom_rug()
cowplot::plot_grid(p15.1,p15.2,nrow = 1)

给散点图的点加上标签

为所有数据加上标签

以countries数据集为例，为数据加上标签

df <- subset(countries,Year==2009&healthexp>2000)
p16.1 <- ggplot(df,aes(x=healthexp,y=infmortality))+geom_point()
p16.2 <- p16.1 + geom_text(aes(label=Name),vjust = 0,#竖直方向位置参数hjust = -.1,#水平方向位置参数size = 3)#字体大小
p16.2

选择性保留标签

#如果想要选择性保留
df
df$Name1 <- df$Name
idx <- df$Name1 %in% c("Canada","Switzerland","New Zealand","Slovenia")
#在利用逻辑向量索引时，R将查找逻辑值为TRUE元素的下标，并索引该下标元素的值，而不包括FALSE的值
df$Name1[!idx] <- NA
p17 <- ggplot(df,aes(x=healthexp,y=infmortality))+geom_point()+geom_text(aes(label=Name1),vjust=1 )
p17

对于利用逻辑向量为索引筛选数据理解困难的小伙伴，参考R语言中的数据筛选索引

气球图，更直观地看到数值的变化

气球图,气球面积与数值成正比

df <- subset(countries,Year==2009&healthexp>2000)
p18 <- ggplot(df,aes(x=healthexp,y=infmortality,size=GDP))+geom_point(shape=21,colour="black",fill="cornsilk")+scale_size_area(max_size = 15)
p18

ggplot2散点图进阶画法相关推荐

Python数据可视化之散点图(进阶篇---图文并茂详细版！！！)
散点图进阶篇数据获取数据展示数据分析 1.确定横纵坐标的选择 2.准备标签的列表与颜色 4.确定横纵坐标的值 5.绘制基础图像数据获取 •进阶散点图可视化需要大量的数据,网上有很多获取数据的来 ...
20180416-A · Global Mortality · ggplot2 散点图 ggbump 凹凸图 · R 语言数据可视化案例源码
所有作品合集传送门: Tidy Tuesday 2018 年合集传送门: 2018 Global Mortality What do people die from? Tidy Tuesday 在 G ...
Matlab散点图进阶——矩阵气泡图
先上一个效果图调用代码: BubleMatric(["A" "B" "C" "D"], ["1" ...
R语言 ggplot2 散点图多组数据形状，大小，颜色调整
主要使用的方法就是 scale_shape_manual,scale_size_manual,scale_color_manual, scale_fill_manual 颜色分为描变颜色 scale ...
数据可视化：Matplotlib vs ggplot2
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 2020年即将结束(终于),数据可视化再重要不过了.呈现一个看起来 ...
【python数据分析】用python进行数据探索1（含各种数据基础分析方法以及直方图、条形图、折线图等基本画法）
从这周开始,我将在此记录我对<python数据分析与挖掘实战>(第二版)的跟读情况,将我认为的值得学习的点记录在这里,有时候也会对相关知识进行拓展,保持每周更新3-4次的频率,争取在下次开 ...
python ggplot为什么不能取代matplotlib_Matplotlib vs ggplot2
作者|Dario Radečić 编译|VK 来源|Towards Datas Science 2020年即将结束(终于),数据可视化再重要不过了.呈现一个看起来像5岁小孩的东西已经不再是一个选择,所 ...
python画误差棒_给妹子讲python-S02E06matplotlib散点图、频次直方图与误差线图
微信公众号: python数据科学家 [要点抢先看] 1.散点图的画法举例 2.频次直方图的画法举例 3.误差线图的画法举例 [妹子说]今天我们继续学习matplotlib绘图的相关内容嘛~ 对,在这 ...
Python数据可视化之绘制带有最佳拟合线的散点图(图文并茂版！！！)
绘制带有最佳拟合线的散点图最佳拟合线数据准备数据展示图例选择根据图例筛选数据绘制图像最佳拟合线 •当我们想要研究数据集中两个变量之间如何相互改变,使用最佳拟合线就是一个不错的方法!! ...

ggplot2散点图进阶画法

点数过多出现重叠现象

case 1

case 2

离散数据的回归拟合及置信区间问题

添加回归曲线

修改置信区间的置信度

隐藏置信区间

给数据按类别分别拟合

从已知模型中添加回归曲线

利用annotate()加注释

绘制边缘地毯图 marginal rugs plot

给散点图的点加上标签

为所有数据加上标签

选择性保留标签

气球图，更直观地看到数值的变化

ggplot2散点图进阶画法相关推荐

最新文章

热门文章