ggplot2_ 字节宝

学习一时爽，一直学习一直爽

Hello，大家好，我是もうり，一个从无到有的技术语言小白。

回忆复习

原文：https://blog.csdn.net/weixin_44510615/article/details/89579225

参考：https://blog.csdn.net/tanzuozhev/article/details/50822204

ggplot2 同时也是一个 R 包

ggplot2 的简介

pip 安装

ggplot2 是数据可视化的重要程序包，用于绘制各种高级统计图形。

ggplot2 命令的基本组成具体来讲，在 ggplot2 程序包中，每一副图都是由若干组件组成的，这些组件包括：

data: 数据，必须为 data.frame。
coordinate system: 数据可视化，主要是在二维平面上表示数据的关系，所用坐标系一般为平面直角坐标，有时会用到极坐标、地图投影等。ggplot2 软件默认使用平面直角坐标。
geoms: 包括 geoms_开头的各种对象，用来绘制各种基本组件，包括点、线、面、多边形、柱状图、箱线图等。
aesthetics: 图形的美学特征，如颜色、形状、透明度、大小、分组等。
scales: 坐标轴的属性
stats: 统计变换。用于设定数据要进行的统计转换，例如平均值、中位数、记录数等。
facets: 描述如何将图形按照某一个或者几个因子（factors）不同水平（levels）用多个图形分开展示。

完整的 ggplot2 绘图命令，总是以 ggplot() 开始。

ggplot() 及其参数奠定整个 ggplot2 图形的基础，最重要的两个参数为 data 和 mapping。

其中 data 必须为 data.frame 格式。mapping 参数要求数据通过 aes 函数进一步转换。

aes 是 aesthetic 的缩写。

在 aes 函数中，要输入的参数有 x, y, group, color, size 等。

aes 可以直接访问 data 参数所输入数据框的各列，从而直接控制图形的横坐标、纵坐标、分组以及各组的颜色、大小、透明度等等。

柱形图

代码语言：javascript复制

from ggplot import *
p=ggplot(mpg,aes(x='hwy')) geom_histogram()
print(p)

代码语言：javascript复制

p=ggplot(mpg,aes(x='hwy',fill='factor(year)')) geom_histogram(alpha=0.3,colour='black')
print(p)

代码语言：javascript复制

p=ggplot(aes(x='factor(cyl)'), data=mtcars)   geom_bar()
print(p)

代码语言：javascript复制

p=ggplot(aes(x='factor(cyl)'), data=mtcars) geom_bar(fill='blue',alpha=0.2,width=0.4)
print(p)

代码语言：javascript复制

p=ggplot(aes(x='factor(cyl)'), data=mtcars) geom_histogram(fill='blue',alpha=0.2)
print(p)

代码语言：javascript复制

p=ggplot(aes(x='factor(cyl)', fill='factor(gear)'), data=mtcars)   
    geom_histogram()
print(p)

代码语言：javascript复制

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "x": np.random.normal(0, 10, 1000),
    "y": np.random.normal(0, 10, 1000),
    "z": np.random.normal(0, 10, 1000)
})
df = pd.melt(df)
p=ggplot(aes(x='value', fill='variable', color='variable'), data=df)   
    geom_histogram(alpha=0.6)
print(p)

代码语言：javascript复制

import pandas as pd
import numpy as np
from ggplot import *
df = pd.DataFrame({
    "x": np.random.normal(0, 10, 1000),
    "y": np.random.normal(0, 10, 1000),
    "z": np.random.normal(0, 10, 1000)
})
df = pd.melt(df)

p=ggplot(aes(x='value', fill='variable'), data=df)   
    geom_histogram() facet_grid('variable',)
print(p)

折线图

代码语言：javascript复制

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "x": np.random.normal(0, 10, 1000),
    "y": np.random.normal(0, 10, 1000),
    "z": np.random.normal(0, 10, 1000)
})
df = pd.melt(df)

p=ggplot(aes(x='value', color='variable'), data=df)   
    geom_density()
print(p)
q=ggplot(aes(x='value', color='variable', fill='variable'), data=df)   
    geom_density(alpha=0.6)
print(q)

代码语言：javascript复制

p=ggplot(mpg,aes(x='displ',y='hwy')) geom_line(color='grey',size=2) 
print(p)

代码语言：javascript复制

p=ggplot(mpg,aes(x='factor(displ)',y='hwy')) geom_bar(stat='identity',width=0.8,fill='grey')
##stat='identity'是指不进行统计变换即hwy就是纵
#坐标值因为displ出现众多的重复值，所以分组更多，纵坐标值不断累加
#width为组距，fill为填充色
print(p)

代码语言：javascript复制

p=ggplot(mpg,aes(x='displ')) geom_bar(stat='density')
#一维密度，统计数量
print(p)

代码语言：javascript复制

p=ggplot(mpg,aes(x='displ')) geom_density()
#一维密度，统计数量
print(p)

代码语言：javascript复制

p=ggplot(mpg,aes(x='displ',fill='fl')) geom_histogram(binwidth=0.4,position='dodge')
#位置调整有问题
print(p)

代码语言：javascript复制

p=ggplot(mpg,aes(x='displ')) geom_histogram(fill='grey',binwidth=0.18,alpha=0.3) geom_density(color='red',size=0.8)
print(p)

代码语言：javascript复制

p=ggplot(mpg,aes(x='displ',color='factor(fl)')) geom_density(size=0.5) ylim(0,1)
print(p)

代码语言：javascript复制

small=diamonds.sample(n=1000)
p=ggplot(aes(x='cut'),data=small) geom_bar() coord_flip()
print(p)

代码语言：javascript复制

p=ggplot(aes(x='cyl'), data=mtcars) geom_histogram(fill='blue',alpha=0.2)
print(p)

代码语言：javascript复制

p=ggplot(aes(x='cyl'), data=mtcars) geom_bar(fill='blue',alpha=0.2)
print(p)

代码语言：javascript复制

p=ggplot(aes(x='pageviews'), data=pageviews)   
    geom_histogram()
print(p)

编程算法 https 网络安全数据可视化

0 人点赞