参考前文：R绘图笔记 | R语言绘图系统与常见绘图函数及参数
前面介绍了散点图、柱状图、直方图和核密度估计图，有时候散点图不能很直观的看的出数据的分布情况，这里介绍散点图与统计直方图组合绘制。
一.方法1
利用ggpubr包的ggscatterhist()函数进行绘制。
代码语言：javascript复制ggscatterhist(data, x, y, group = NULL, color = "black", fill = NA,
palette = NULL, shape = 19, size = 2, linetype = "solid",
bins = 30, margin.plot = c("density", "histogram", "boxplot"),
margin.params = list(), margin.ggtheme = theme_void(),
margin.space = FALSE, main.plot.size = 2, margin.plot.size = 1,
title = NULL, xlab = NULL, ylab = NULL, legend = "top",
ggtheme = theme_pubr(), ...)部分参数解释：
data是用于绘图的数据，x和y分别指定数据中的x轴和y轴，group指定一个分组变量，shape指定点的形状【参考：散点图】。
代码语言：javascript复制library(ggpubr)
N<-300
x1 <- rnorm(mean=1.5, N)
y1 <- rnorm(mean=1.6, N)
x2 <- rnorm(mean=2.5, N)
y2 <- rnorm(mean=2.2, N)
data1 <- data.frame(x=c(x1,x2),y=c(y1,y2))
head(data1)> head(data1)
x y
1 1.9237124 0.1088482
2 3.1930833 1.8434623
3 3.4372797 1.9396251
4 -0.1662552 1.9320601
5 1.4886753 0.7804415
6 1.7652103 0.4776553
margin.plot = "histogram"指定边缘的图是直方图，margin.params用来指定该图形的参数。看下面代码，比较一下就知道各参数什么意思。
代码语言：javascript复制ggscatterhist(
data1, x ='x', y = 'y', shape=21,fill="#7FFFD4",color = "black",size = 3, alpha = 1,
#palette = c("#00AFBB", "#E7B800", "#FC4E07"),
margin.params = list( fill="red",color = "blue", size = 0.3,alpha=1),
margin.plot = "histogram",
legend = c(0.8,0.8),
ggtheme = theme_minimal())
如果是散点图结合核密度估计图，将margin.plot 设置为 "density"，多组数据，fill= "class"，参数palette指定填充颜色，看一个案例。
代码语言：javascript复制N<-200
x1 <- rnorm(mean=1.5, sd=0.5,N)
y1 <- rnorm(mean=2,sd=0.2, N)
x2 <- rnorm(mean=2.5,sd=0.5, N)
y2 <- rnorm(mean=2.5,sd=0.5, N)
x3 <- rnorm(mean=1, sd=0.3,N)
y3 <- rnorm(mean=1.5,sd=0.2, N)
data2 <- data.frame(x=c(x1,x2,x3),y=c(y1,y2,y3),class=rep(c("A","B","C"),each=200))> head(data2)
x y class
1 1.9221129 2.139207 A
2 2.1656947 1.778408 A
3 1.6277478 2.221711 A
4 1.1816189 2.006987 A
5 1.6467425 1.833635 A
6 0.4997666 2.033704 Aggscatterhist(
data2, x ='x', y = 'y', #iris
shape=21,color ="black",fill= "class", size =3, alpha = 0.8,
palette = c("#00AFBB", "#E7B800", "#FC4E07"),
margin.plot = "density",
margin.params = list(fill = "class", color = "black", size = 0.2),
legend = c(0.9,0.15),
ggtheme = theme_minimal())
二.方法2
利用ggExtra包的ggMarginal()函数
代码语言：javascript复制ggMarginal(p, data, x, y, type = c("density", "histogram", "boxplot",
"violin", "densigram"), margins = c("both", "x", "y"), size = 5, ...,
xparams = list(), yparams = list(), groupColour = FALSE,
groupFill = FALSE)p：添加边缘地块的ggplot2散点图。如果p不提供，则必须提供所有数据，x和y。
data：用于创建边缘地块的数据。框架。如果p被提供并且边缘图反映相同的数据是可选的。
type：要显示什么类型的边缘图。其中之一是[密度，直方图，箱线图，小提琴，密度图（density, histogram, boxplot, violin, densigram）](“密度图”是指密度图覆盖在直方图上)。
代码语言：javascript复制scatter <- ggplot(data=data1,aes(x=x,y=y))
geom_point(shape=21,fill="#00AFBB",color="black",size=3)
theme_minimal()
theme(
#text=element_text(size=15,face="plain",color="black"),
axis.title=element_text(size=15,face="plain",color="black"),
axis.text = element_text(size=13,face="plain",color="black"),
legend.text= element_text(size=13,face="plain",color="black"),
legend.title=element_text(size=12,face="plain",color="black"),
legend.background=element_blank()
#legend.position = c(0.12,0.88)
)
ggMarginal(scatter,type="histogram",color="black",fill="#00AFBB")
scatter <- ggplot(data=data2,aes(x=x,y=y,colour=class,fill=class))
geom_point(aes(fill=class),shape=21,size=3) #,colour="black")
scale_fill_manual(values= c("#00AFBB", "#E7B800", "#FC4E07"))
scale_colour_manual(values=c("#00AFBB", "#E7B800", "#FC4E07"))
theme_minimal()
theme(
#text=element_text(size=15,face="plain",color="black"),
axis.title=element_text(size=15,face="plain",color="black"),
axis.text = element_text(size=13,face="plain",color="black"),
legend.text= element_text(size=13,face="plain",color="black"),
legend.title=element_text(size=12,face="plain",color="black"),
legend.background=element_blank(),
legend.position = c(0.9,0.15)
)
ggMarginal(scatter,type="density",color="black",groupColour = FALSE,groupFill = TRUE)
三.方法3
利用grid.arrange()函数。
代码语言：javascript复制library(gridExtra)
#(a) 二维散点与统计直方图
# 绘制主图散点图，并将图例去除，这里point层和path层使用了不同的数据集
scatter <- ggplot()
geom_point(data=data1,aes(x=x,y=y),shape=21,color="black",size=3)
theme_minimal()
# 绘制上边的直方图，并将各种标注去除
hist_top <- ggplot()
geom_histogram(aes(data1$x),colour='black',fill='#00AFBB',binwidth = 0.3)
theme_minimal()
theme(panel.background=element_blank(),
axis.title.x=element_blank(),
axis.title.y=element_blank(),
axis.text.x=element_blank(),
axis.text.y=element_blank(),
axis.ticks=element_blank())
# 同样绘制右边的直方图
hist_right <- ggplot()
geom_histogram(aes(data1$y),colour='black',fill='#00AFBB',binwidth = 0.3)
theme_minimal()
theme(panel.background=element_blank(),
axis.title.x=element_blank(),
axis.title.y=element_blank(),
#axis.text.x=element_blank(),
axis.text.y=element_blank(),
axis.ticks=element_blank())
coord_flip()
empty <- ggplot()
theme(panel.background=element_blank(),
axis.title.x=element_blank(),
axis.title.y=element_blank(),
axis.text.x=element_blank(),
axis.text.y=element_blank(),
axis.ticks=element_blank())
# 要由四个图形组合而成，可以用空白图作为右上角的图形也可以，但为了好玩加上了R的logo，这是一种在ggplot中增加jpeg位图的方法
# logo <- read.jpeg("d:\Rlogo.jpg")
# empty <- ggplot(data.frame(x=1:10,y=1:10),aes(x,y))
# annotation_raster(logo,-Inf, Inf, -Inf, Inf)
# opts(axis.title.x=theme_blank(),
# axis.title.y=theme_blank(),
# axis.text.x=theme_blank(),
# axis.text.y=theme_blank(),
# axis.ticks=theme_blank())
# 最终的组合
grid.arrange(hist_top, empty, scatter, hist_right, ncol=2, nrow=2, widths=c(4,1), heights=c(1,4))
# 绘制主图散点图，并将图例去除，这里point层和path层使用了不同的数据集
scatter <- ggplot()
geom_point(data=data2,aes(x=x,y=y,fill=class),shape=21,color="black",size=3)
scale_fill_manual(values= c("#00AFBB", "#E7B800", "#FC4E07"))
theme_minimal()
theme(legend.position=c(0.9,0.2))
# 绘制上边的直方图，并将各种标注去除
hist_top <- ggplot()
geom_density(data=data2,aes(x,fill=class),colour='black',alpha=0.7)
scale_fill_manual(values= c("#00AFBB", "#E7B800", "#FC4E07"))
theme_void()
theme(legend.position="none")
# 同样绘制右边的直方图
hist_right <- ggplot()
geom_density(data=data2,aes(y,fill=class),colour='black',alpha=0.7)
scale_fill_manual(values= c("#00AFBB", "#E7B800", "#FC4E07"))
theme_void()
coord_flip()
theme(legend.position="none")
empty <- ggplot()
theme(panel.background=element_blank(),
axis.title.x=element_blank(),
axis.title.y=element_blank(),
axis.text.x=element_blank(),
axis.text.y=element_blank(),
axis.ticks=element_blank())
# 要由四个图形组合而成，可以用空白图作为右上角的图形也可以，但为了好玩加上了R的logo，这是一种在ggplot中增加jpeg位图的方法
# logo <- read.jpeg("d:\Rlogo.jpg")
# empty <- ggplot(data.frame(x=1:10,y=1:10),aes(x,y))
# annotation_raster(logo,-Inf, Inf, -Inf, Inf)
# opts(axis.title.x=theme_blank(),
# axis.title.y=theme_blank(),
# axis.text.x=theme_blank(),
# axis.text.y=theme_blank(),
# axis.ticks=theme_blank())
# 最终的组合
grid.arrange(hist_top, empty, scatter, hist_right, ncol=2, nrow=2, widths=c(4,1), heights=c(1,4))
参考资料：
1.R语言数据可视化之美，张杰/著
2.grid.arrange()函数帮助文档
3.ggMarginal()函数帮助文档
4.ggscatterhist()函数帮助文档
