R語言數據可視化包ggplot2畫圖之散點圖的基本畫法
更新時間：2022年11月03日 16:13:23 作者：星途*
散點圖主要用于描述兩個連續(xù)變量之間的關系,通過散點圖發(fā)現變量之間的相關性強度、是否存在線性關系等,下面這篇文章主要給大家介紹了關于R語言數據可視化包ggplot2畫圖之散點圖的基本畫法,需要的朋友可以參考下
前言
ggplot2的功能很強大，并因為其出色的畫圖能力而聞名，下面來介紹一下它的基本畫圖功能，本期介紹散點圖的基本畫法。
在ggplot2里，所有圖片由6個基本要素組成：
1. 數據（Data）
2. 層次（Layers），包含兩種元素：幾何元素（Geometrics）與統(tǒng)計轉換（Statistical transformations）。
幾何元素指的是你想畫的圖形，如點，線，或多邊形等。
統(tǒng)計轉換指的是你想畫的統(tǒng)計描述，如均數，標準差或可信區(qū)間等。
3. 刻度（Scales）, 通常指幾何元素（如點或者線）的大小，顏色和形狀等。
4. 坐標系統(tǒng)（A coordinate system）, 通常指的是x軸與y軸。
5. 多面化（Faceting），簡單的說，就是可以將一個圖片分成多個小的亞圖片。
6. 主題 （Theme），此要素可以控制非數據與非統(tǒng)計部分的內容，如背景顏色，字體大小等。
下面以一個簡單的例子引入：
library(ggplot2)#導入ggplot包
#使用mtcars數據做一個散點圖
ggplot(data = mtcars, # 要素1：數據
aes(x = wt, y = mpg,
colour = factor(cyl))) + # 要素3：刻度
geom_point() + # 要素2：幾何元素（點）
coord_cartesian() + # 要素4：坐標軸
facet_wrap(~ cyl) + # 要素5：分面化
theme_bw() # 要素6：主題
其中mtcars數據概況如下：
首先介紹第一類常用的圖像類型：散點圖
#載入ggplot2 library(ggplot2) #建立數據集，橫坐標為1:100，縱坐標為服從標準正態(tài)分布的隨機數 x <- seq(1,100,length=100) y <- rnorm(100,mean=0,sd=1) data <- data.frame(x=x,y=y) #作散點圖 ggplot(data, aes(x=x, y=y)) + geom_point()
給原始數據加上分類標簽：
x <- seq(1,100,length=100)
y <- rnorm(100,mean=0,sd=1)
z <- c(rep("A",30),rep("B",30),rep("C",40))
z <- sample(z,100)
data <- data.frame(x=x,y=y,z=z)數據概況如下：
按z列分類以不同的顏色在圖中畫出散點圖：
ggplot(data, aes(x=x, y=y,color=z)) + geom_point()
按z列分類以不同的形狀在圖中畫出散點圖：
ggplot(data, aes(x=x, y=y,shape=z)) + geom_point()
多面化（將ABC三類分開展示）：
ggplot(data, aes(x=x, y=y,color=z)) + geom_point()+ facet_wrap(~z)+ theme(legend.position = "none")
若不加
theme(legend.position = "none")這一段代碼，顯示的圖表如下：
可以看出不加這一段代碼側邊欄顯示圖例，但顯然這個圖例是多余的，因此我們一般去掉
自定義顏色：
ggplot(data, aes(x=x, y=y,color=z)) +
geom_point()+
facet_wrap(~z)+
theme(legend.position = "none")+
scale_colour_manual(values = c("purple", "red", "black")) 
添加擬合曲線：
x <- seq(1,50,length=50)
y <- rnorm(50,mean=0,sd=5)
z <- c(rep("A",20),rep("B",15),rep("C",15))
z <- sample(z,50)
data <- data.frame(x=x,y=2*x-y,z=z)#這里構造的數據集大致服從y=2x
ggplot(data, aes(x=x, y=y)) +
geom_point()+
geom_smooth()#添加擬合曲線,默認的形式是局部回歸，所以擬合出的線條是曲線。
因為geom_smooth()默認的形式是局部回歸，所以擬合出的線條是曲線,陰影區(qū)域為置信區(qū)間。
這里也可以用其他模型擬合，如線型模型：
ggplot(data, aes(x=x, y=y)) + geom_point()+ geom_smooth(method = "lm", se = FALSE)
（se = FALSE：去除置信區(qū)間）
更換主題 ：
ggplot(data, aes(x=x, y=y)) + geom_point()+ theme_test()
總結
到此這篇關于R語言數據可視化包ggplot2畫圖之散點圖的基本畫法的文章就介紹到這了,更多相關R語言ggplot2散點圖畫法內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要介紹了R語言基于Keras的MLP神經網絡,我并沒有使用python去對比結果，但NSS的文章中有做對比，數據顯示R與Python相比在各方面的差別都不大，具體內容介紹跟隨小編一起看看吧2022-01-01
本文主要介紹了R語言數據類型與相應運算的實現，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-03-03
R語言提供了多種讀取文本數據的函數,本文主要介紹了R語言讀取txt文件中的內容實現,具有一定的參考價值,感興趣的可以了解一下2024-03-03
這篇文章主要介紹了R語言3.6.3安裝教程,本文通過圖文并茂的形式給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-03-03
這篇文章主要介紹了R語言柱狀圖排序和x軸上的標簽傾斜操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
R語言中R-squared與Adjust R-squared參數的解釋
這篇文章主要給大家介紹了關于R語言中R-squared與Adjust R-squared兩個參數的相關資料，文中介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-03-03
在本篇文章里小編給大家整理了一篇關于R語言時間序列知識點總結內容，有興趣的朋友們可以學習下。2021-03-03
這篇文章主要介紹了R語言中quantile()函數的用法說明，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
這篇文章主要介紹了使用R語言利用ggplot繪制散點圖，并且在圖像的兩邊繪制邊際分布圖（包括邊際直方圖與邊際密度函數）我們這里介紹兩種方法進行繪制2021-11-11
對比一元線性回歸,多元線性回歸是用來確定2個或2個以上變量間關系的統(tǒng)計分析方法,下面這篇文章主要給大家介紹了關于R語言多元線性回歸的相關資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2022-07-07