ggplot Stripchart and line
sunqi
2020/8/3
点带图
Stripcharts：一维散点图
主要函数和参数
geom_jitter()
color, fill, size, shape：和之前介绍的一样
代码
代码语言：javascript复制rm(list = ls())
#' Title 获得数据
#'
#' @return ToothGrowth
get_data <- function() {
data("ToothGrowth")
ToothGrowth$dose <- as.factor(ToothGrowth$dose)
return(ToothGrowth)
}
ToothGrowth <- get_data()
# 需要的包
library(ggplot2)
library(patchwork)
library(tidyverse)
# 绘图
p <- ToothGrowth %>% ggplot(aes(x = dose, y = len))
#添加点带图
# 用颜色和形状分组
p geom_jitter(aes(shape = dose, color = dose),
position = position_jitter(0.2),
size = 1.2)
# 添加均值和标准差
stat_summary(
aes(color = dose),
size = 0.4,
# mult=1表示加减一个标准差
fun.data = "mean_sdl",
fun.args = list(mult = 1)
)
# 添加自定义配色方案
scale_color_manual(values = c("#00AFBB", "#E7B800", "#FC4E07"))
# 点带统和箱式图、小提琴图的组合
p1 <- p geom_boxplot()
geom_jitter(position = position_jitter(0.2))
p2 <- p geom_violin(trim = FALSE)
geom_jitter(position = position_jitter(0.2))
stat_summary(fun.data = "mean_sdl",
fun.args = list(mult = 1),
color = "red")
p1 p2
# 多组scrip图
# 这里需要用position_jitterdodge替换position_dodge
p geom_jitter(
aes(shape = supp, color = supp),
size = 1.2,
position = position_jitterdodge(jitter.width = 0.2, dodge.width = 0.8)
)
stat_summary(
aes(color = supp),
fun.data = "mean_sdl",
fun.args = list(mult = 1),
size = 0.4,
position = position_dodge(0.8)
)
scale_color_manual(values = c("#00AFBB", "#E7B800"))
线图
主要函数
geom_path() 连接
geom_line() 绘制线
geom_step() 阶梯图
代码
代码语言：javascript复制rm(list = ls())
#
#' Title 建立数据库
#'
#' @return dataset
#' @export
#'
build_data <- function() {
df <- data.frame(dose = c("D0.5", "D1", "D2"),
len = c(4.2, 10, 29.5))
df2 <- data.frame(
supp = rep(c("VC", "OJ"), each = 3),
dose = rep(c("D0.5", "D1", "D2"), 2),
len = c(6.8, 15, 33, 4.2, 10, 29.5)
)
df3 <- data.frame(
supp = rep(c("VC", "OJ"), each = 3),
dose = rep(c("0.5", "1", "2"), 2),
len = c(6.8, 15, 33, 4.2, 10, 29.5)
)
dataset <- list(df = df, df2 = df2, df3 = df3)
return(dataset)
}
dataset <- build_data()
# 导入需要的包
library(ggplot2)
library(patchwork)
library(tidyverse)
theme_set(theme_classic()
theme(legend.position = "top"))
# 基本绘图单元
p <- dataset$df %>% ggplot(aes(x = dose, y = len, group = 1))
# 基本的线图和点图
p1 <- p geom_line() geom_point()
# 更改颜色和线的类型
p2 <- p geom_line(linetype = "dashed", color = "steelblue")
geom_point(color = "steelblue")
# 添加阶梯绘图
p3 <- p geom_step() geom_point()
p1 p2 p3
# 添加分组线图，这里使用数据集2，用于绘制分组线图
p <- dataset$df2 %>% ggplot(aes(x = dose, y = len, group = supp))
# 根据分组添加不同的线
p4 <- p geom_line(aes(linetype = supp))
geom_point(aes(shape = supp))
# 更改线的颜色和线的类型
p5 <- p geom_line(aes(linetype = supp, color = supp))
geom_point(aes(shape = supp, color = supp))
scale_color_manual(values = c("#999999", "#E69F00"))
p4 p5
# 上述的图形x变量均为离散变量，在实际的科研中，更多的是连续变量
#将x转换为连续变量
p_lianxu <- function(df3) {
df3$dose <- as.numeric(as.vector(df3$dose))
p <-
df3 %>% ggplot(aes(
x = dose,
y = len,
group = supp,
color = supp
))
geom_line() geom_point()
return(p)
}
# 将x转换为离散变量
p_lisan <- function(df3) {
df3$dose <- as.factor(df3$dose)
p <-
df3 %>% ggplot(aes(
x = dose,
y = len,
group = supp,
color = supp
))
geom_line() geom_point()
return(p)
}
df3 <-
p_lianxu <- p_lianxu(dataset$df3)
p_lisan <- p_lisan(dataset$df3)
# 可以看出曲线存在差异，因为x的变量因子和连续的处理方式不同
p_lianxu p_lisan
# 时间序列的绘图
# 这里使用的数据是economics
# date代表时间，pop代表的是人口
head(economics)## # A tibble: 6 x 6
## date pce pop psavert uempmed unemploy
## <date> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1967-07-01 507. 198712 12.6 4.5 2944
## 2 1967-08-01 510. 198911 12.6 4.7 2945
## 3 1967-09-01 516. 199113 11.9 4.6 2958
## 4 1967-10-01 512. 199311 12.9 4.9 3143
## 5 1967-11-01 517. 199498 12.8 4.7 3066
## 6 1967-12-01 525. 199657 11.8 4.8 3018# 绘图
economics %>% ggplot(aes(x = date, y = pop))
geom_line()
# 设置亚组，大于2016年1月1日的数据
economics %>% filter(date > as.Date("2006-1-1")) %>%
ggplot(aes(x = date, y = pop)) geom_line()
# 更改线的宽度
# 这里使用的是为工作的和总人口的比例
# 因此出来的图为宽度不同的线
economics %>% ggplot(aes(x = date, y = pop))
geom_line(aes(size = unemploy / pop))
# 绘制多个线
# 在总体布局不设置y变量，通过两个line函数绘制两个曲线
economics %>% ggplot(aes(x = date))
geom_line(aes(y = psavert), color = "darkred")
geom_line(aes(y = uempmed), color = "steelblue", linetype = "twodash")
# 绘制曲线下面积
# 使用fill函数
economics %>% ggplot(aes(x = date))
geom_area(aes(y = psavert),
fill = "#999999",
color = "#999999",
alpha = 0.5)
geom_area(aes(y = uempmed),
fill = "#E69F00",
color = "#E69F00",
alpha = 0.5)
结束语
对于dot、scatter、stripchart，这三个图，有啥区别，我也看不懂，也没有相关的资料，后续用到再说吧
tip：多用管道符，可以节省很多代码的编写，同时函数的使用能够使代码看起来更加有结构感
love&peace
