开始前
主要为ggplot2 中的前三个部分的内容。
ggplot2
可视化使得数据科学从业者更好地分析并解释数据
常用的ggplot 模版
ggplot2 的图形可以按照七种参数来对其进行调整
简单模版
ggplot(data = ) +
<geom_function>(mapping = aex())
ggplot 的学习路径
data 数据
aes 及映射
group #分组
labels #标记
关于aes 相关参数可以直接为这些参数赋值为相关的变量,通过映射的方式,按照函数默认方式为它们赋值。
ggplot(data = test)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length,
color = Species))
如果想要将以上的参数赋值为手动定义的内容,则需要将其抽出aes 函数内。
ggplot(data = test)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length),
color = "red")
手动设置与映射
映射要有“领导思维”,直接将变量给对应的参数;手动设置则“精准定位”,该是什么就给参数设定什么。
shape
具体的shape 有25个值。
facet 分面
facetgrid()
ggplot(mpg) +
geom_point(aes(displ,hwy,color=drv)) +
facet_grid(drv ~ cyl)
facet_warp()
facet_grid 对多图形的分面显示不是特别友好,而facet_warp() 则可以设定分面行与列的数目。
对比一下
ggplot(mpg) +
geom_point(aes(displ,hwy,color=drv)) +
facet_grid(class~.)
ggplot(mpg) +
geom_point(aes(displ,hwy,color=drv)) +
facet_wrap(~class, ncol = 3)
warp与grid 的区别
warp 只能对一种变量进行分类(一个维度),因此如果对其使用两个变量,则其会罗列在一个维度。
但其相比grid 的优势在于,它可以自定义输出的分面的行与列数。
易错点
- 对于color, shape 等不连续的变量区分参数,不适于映射连续变量。(其一无法体现连续变量的变化趋势,其二这些不连续的参数其数量有限,无法有效区分连续变量)对于连续变量可以选择size, alpha等。
练习题
6-1
#练习6-1
# 示例数据:ggplot2中数据集mpg
# 1.分别以mpg的displ和hwy两列作为横纵坐标,画点图。
ggplot(mpg) +
geom_point(aes(displ,hwy))
# 2.尝试修改颜色或大小,从mpg数据框中任选可以用来分类的列。
ggplot(mpg) +
geom_point(aes(displ,hwy,color=drv))
# 3.根据class列来分面
ggplot(mpg) +
geom_point(aes(displ,hwy,color=drv)) +
facet_grid(class ~ .)
# 4.根据drv和cyl两个变量来分面
ggplot(mpg) +
geom_point(aes(displ,hwy,color=drv)) +
facet_grid(drv ~ cyl)