R語言數(shù)據(jù)可視化tidyr與ggplot2多個(gè)變量分層展示舉例實(shí)現(xiàn)
在R語言普通的繪圖中，使用par()參數(shù)可以在一張圖上實(shí)現(xiàn)不同變量的子圖。如果我們想要用ggplot2實(shí)現(xiàn)，則需要整理我們的原始數(shù)據(jù)，這通常是非常麻煩的，這時(shí)就需要用到我們的tidyr來幫助我們繪圖。
可能說上面一段話不是很容易理解，下面我們來舉個(gè)栗子。
每個(gè)變量的密度分布情況
y1 <- rnorm(20) y2 <- rnorm(20) dat <- data.frame(y1, y2)
現(xiàn)有的數(shù)據(jù)集：
y1 y2
1 -0.12781723 -2.39376880
2 0.50074083 0.72555237
3 -0.02419456 0.94721701
4 -0.26366759 -0.60006759
5 1.13042618 -0.07591046
6 0.04313160 1.18677742
7 0.01180343 0.17627700
8 0.15208821 -0.12472391
9 -0.72690758 -1.92233170
10 1.04903577 -0.66208974
11 0.89689082 0.16331929
12 0.28471495 2.00629127
13 -0.26956768 -0.11897779
14 -0.81699454 -1.05575302
15 -0.65923768 1.20971004
16 0.18237270 1.55745467
17 -0.52359358 -0.74253496
18 1.36949647 1.07759474
19 -0.39882438 0.83915414
20 0.92084949 -1.04859906
目標(biāo)繪圖：
思考
我們要如何利用ggplot達(dá)到上圖的效果？
需要用數(shù)據(jù)集，將y1與y2分別整理到一個(gè)新的變量上，叫做var；
里面所有的值也變成一個(gè)新的變量，叫做value；
如果只有兩個(gè)變量整理起來還比較簡單，但如果變量一旦增多，整理起來相對就較為繁瑣。所以這里推薦使用tidyr包來進(jìn)行整理。
其用起來也非常簡單。
tidyr
使用如下代碼，我們就可以整理成想要的結(jié)果：
dat %>% gather(y1, y2, key = "var", value = "value")
解釋一下上述代碼的含義：y1, y2表示原本數(shù)據(jù)中的變量；key = "var" 表示轉(zhuǎn)換之后，變量所在的那一列的名稱為var；value = "value"表示轉(zhuǎn)換之后，原本的值所在的那一列的名稱為value
輸出結(jié)果如下：
var value 1 y1 -0.12781723 2 y1 0.50074083 3 y1 -0.02419456 4 y1 -0.26366759 5 y1 1.13042618 6 y1 0.04313160 7 y1 0.01180343 8 y1 0.15208821 9 y1 -0.72690758 10 y1 1.04903577 11 y1 0.89689082 12 y1 0.28471495 13 y1 -0.26956768 14 y1 -0.81699454 15 y1 -0.65923768 16 y1 0.18237270 17 y1 -0.52359358 18 y1 1.36949647 19 y1 -0.39882438 20 y1 0.92084949 21 y2 -2.39376880 22 y2 0.72555237 23 y2 0.94721701 24 y2 -0.60006759 25 y2 -0.07591046 26 y2 1.18677742 27 y2 0.17627700 28 y2 -0.12472391 29 y2 -1.92233170 30 y2 -0.66208974 31 y2 0.16331929 32 y2 2.00629127 33 y2 -0.11897779 34 y2 -1.05575302 35 y2 1.20971004 36 y2 1.55745467 37 y2 -0.74253496 38 y2 1.07759474 39 y2 0.83915414 40 y2 -1.04859906
用了上述結(jié)果，就可以非常簡單地使用ggplot2進(jìn)行畫圖了。
ggplot2進(jìn)行繪圖
我們可以直接使用管道數(shù)據(jù)的處理方式進(jìn)行繪圖，簡便快捷：
dat %>%
gather(y1, y2, key = "var", value = "value") %>%
ggplot(aes(x = value)) +
geom_histogram(aes(fill = factor(var), y = ..density..),
alpha = 0.3, colour = 'black') +
stat_density(geom = 'line', position = 'identity', size = 1.5,
aes(colour = factor(var))) +
facet_wrap(~ var, ncol = 2) +
labs(y = '直方圖與密度曲線', x = '值',
title = '標(biāo)題', fill = '變量') +
theme(plot.title = element_text(hjust = 0.5)) +
guides(color = FALSE)
這里基本都是前面的博客：R語言學(xué)習(xí)ggplot2繪制統(tǒng)計(jì)圖形包全面詳解 里面有提及到。
只有一個(gè)就是guides(color = FALSE)，表示隱藏線顏色的圖例，因?yàn)榫€的顏色我們是用color =來指定的。同理如果要隱藏柱狀圖顏色的圖例則使用 guides(fill = FALSE)即可。
最終就可以得到我們的目標(biāo)繪圖了！
以上就是R語言可視化tidyr與ggplot2多個(gè)變量分層展示舉例實(shí)現(xiàn)的詳細(xì)內(nèi)容，更多關(guān)于R語言可視化tidyr與ggplot2多個(gè)變量分層的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
詳解R語言實(shí)現(xiàn)前向逐步回歸(前向選擇模型)
本文主要介紹了詳解R語言實(shí)現(xiàn)前向逐步回歸，從實(shí)現(xiàn)原理開始，文中通過示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2021-08-08
這篇文章主要介紹了R、RStudio下載與安裝方法,本文通過圖文圖文并茂的方法給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2021-03-03
R語言刷題檢驗(yàn)數(shù)據(jù)缺失類型過程詳解
這篇文章主要為大家介紹了R語言刷題中檢驗(yàn)數(shù)據(jù)缺失類型的過程示例分析詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步2021-11-11
這篇文章主要介紹了R語言文本文件讀寫(txt/csv/xlsx),文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
這篇文章主要介紹了R語言strsplit函數(shù)用法深入詳解，代碼實(shí)例講解的很清晰，有感興趣的同學(xué)可以研究下2021-03-03
本文主要介紹了R語言繪制帶誤差線的條形圖，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-06-06
R語言ggplot2設(shè)置圖例(legend)的操作大全
ggplot2是一個(gè)繪制可視化圖形的R包,汲取了R語言基礎(chǔ)繪圖系統(tǒng)(graphics)和l?attice包的優(yōu)點(diǎn),下面這篇文章主要給大家介紹了關(guān)于R語言ggplot2設(shè)置圖例(legend)的操作大全,需要的朋友可以參考下2022-07-07
R語言兩組變量特征相關(guān)關(guān)系熱圖繪制畫法
本文為大家介紹了如何畫兩組變量（特征）的相關(guān)關(guān)系熱圖的方法詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步2022-02-02
pROC是一個(gè)專門用來計(jì)算和繪制ROC曲線的R包，目前已被CRAN收錄，因此安裝也非常簡單，同時(shí)該包也兼容ggplot2函數(shù)繪圖，本次就教大家怎么用pROC來快速畫出ROC圖，感興趣的朋友一起看看吧2022-06-06
在本篇內(nèi)容里小編給大家整理了一篇關(guān)于R語言繪制直方圖實(shí)例講解內(nèi)容，有需要的朋友們可以學(xué)習(xí)下。2021-04-04