目录
{: .no_toc}
- 目录 {:toc}
本篇文章基于ggplot2-2.1.0，有数据格式 + 代码，方便套用。 不定期更新中，更多的资料请见ggplot2官方文档。
背景图片代码:
ggplot(diamonds, aes(carat, price,colour=cut)) +
geom_point(alpha = 1/3) +
stat_smooth() + xlim(0,4) +
theme(text=element_blank(),
line=element_blank(),
legend.position="none",
title=element_blank())
ggsave("ggplot-basic.jpg",width = 8,height = 4.5,dpi=600)
占比饼图
有没有发现ggplot2里面没有直接画饼图的函数，这需要做一些小改变：将柱状图的笛卡尔坐标系变为极坐标。下面来简单介绍一下画法。
数据要求:
print(xueli_zb_plot)
#> Source: local data frame [5 x 3]
#>
#> xueli1 ratio mid_y
#> <fctr> <dbl> <dbl>
#> 1 博士研究生 0.06 0.030
#> 2 硕士研究生 0.24 0.180
#> 3 大学本科 0.53 0.565
#> 4 大学专科 0.15 0.905
#> 5 高中及以下 0.03 0.995画图代码:
library(ggplot2)
#定义画图字体
windowsFonts(myfont=windowsFont("等线"))
ggplot(xueli_zb_plot, aes(x = ‘’, y = ratio,fill=xueli1,label=ratio)) +
geom_bar(width = 1,stat="identity") +
geom_text(aes(y = mid_y)) +
coord_polar(theta = "y") +
labs(y="比例",title="学历占比") +
theme_bw() +
guides(fill=guide_legend(title = "学历")) +
theme(axis.text.y= element_blank(),
axis.ticks = element_blank(),
axis.text.x= element_blank(),
axis.title.y= element_blank(),
text=element_text(family = "myfont"),
title=element_text(family = "myfont",face="bold"))
堆积柱状图
用于比较各变量的构成比
数据要求:
print(zy)
#> 志愿类型 人数 比例 学校 mid_y
#> 1 第二志愿 460 0.22 school1 0.11
#> 2 第一志愿 1655 0.78 school1 0.61
#> 3 第二志愿 3217 0.46 school2 0.23
#> 4 第一志愿 3709 0.54 school2 0.73画图代码:
ggplot(zy, aes(学校, fill = 志愿类型,y = 比例,label = 比例)) +
geom_bar(position = "stack",stat="identity",width = 0.8) +
labs(title ="一二志愿比例柱状图", y = "比例") +
geom_text(aes(y = mid_y)) +
theme_bw() +
theme(text=element_text(family = "myfont"),
title=element_text(family = "myfont",face="bold"))
直方图
用于探索数据分布情况
一般直方图
数据要求:
head(plot_hist)
#> Source: local data frame [6 x 1]
#>
#> 客观总分
#> <dbl>
#> 1 38.0
#> 2 34.5
#> 3 34.5
#> 4 33.5
#> 5 33.5
#> 6 33.5画图代码:
ggplot(plot_hist,aes(客观总分)) +
geom_histogram(binwidth = 2,colour="black",fill="white") +
labs(title="客观总分人数分布直方图",y='人数',x="客观总分")+
theme(text=element_text(family = "myfont"),
title=element_text(family = "myfont",face="bold"))
分面直方图
数据要求:
print(plot_hist_facet %>% sample_n(6))
#> Source: local data frame [6 x 2]
#>
#> vd value
#> <chr> <dbl>
#> 1 记忆 1.0
#> 2 表达 12.5
#> 3 注意理解 7.0
#> 4 社会性情绪 8.5
#> 5 表达 9.5
#> 6 表达 11.0画图代码:
ggplot(plot_hist_facet,aes(value,group=vd))+
geom_histogram(binwidth = 2,colour="black",fill="white") +
facet_grid(.~vd)+
labs(title="各项得分人数分布直方图",y='人数',x="各项得分")+
theme(text=element_text(family = "myfont"),
title=element_text(family = "myfont",face="bold"))
密度图
探索变量的分布情况
数据要求:
print(zf_zy)
#> Source: local data frame [2,112 x 2]
#>
#> user_zhiyuan final
#> <fctr> <dbl>
#> 1 第一志愿 38.0
#> 2 第一志愿 34.5
#> 3 第一志愿 34.5
#> 4 第一志愿 33.5
#> 5 第一志愿 33.5
#> 6 第二志愿 33.5
#> 7 第一志愿 32.5
#> 8 第一志愿 32.5
#> 9 第二志愿 32.0
#> 10 第一志愿 31.5
#> .. ... ...
cdat <- zf_zy %>% group_by(user_zhiyuan) %>% summarise(mean=mean(final))
print(cdat)
#> Source: local data frame [2 x 2]
#>
#> user_zhiyuan mean
#> <fctr> <dbl>
#> 1 第一志愿 18.65296
#> 2 第二志愿 19.03384画图代码:
ggplot(zf_zy,aes(x=final,colour=user_zhiyuan,fill=user_zhiyuan)) +
geom_density(alpha=0.3,show.legend = T,adjust=1.5) +
labs(title="一二志愿总分密度图",
x="总分",
colour="志愿类型",
fill="志愿类型") +
theme_bw()+
geom_vline(data=cdat,aes(xintercept=mean,colour=user_zhiyuan),linetype="dashed",size=1)+
theme(text=element_text(family = "myfont"),
legend.position=c(1,1),legend.justification=c(1,1),
title=element_text(family = "myfont",face="bold"))
箱线图
用于探索&比较各变量的分布情况
正常箱线图
数据要求:
print(boxplot_time)
#> Source: local data frame [2,046 x 2]
#>
#> 时间段 客观总分
#> <chr> <dbl>
#> 1 08:00 17.5
#> 2 08:00 23.0
#> 3 08:00 20.5
#> 4 08:00 20.0
#> 5 08:00 25.5
#> 6 08:00 23.5
#> 7 08:00 18.0
#> 8 08:00 23.0
#> 9 08:00 21.5
#> 10 08:00 22.0
#> .. ... ...画图代码:
ggplot(boxplot_time,aes(时间段,客观总分,colour=时间段)) +
#标出离群点
geom_boxplot(colour="darkgrey",outlier.colour = "red", outlier.shape = 2,outlier.size = 3) +
geom_jitter(width = 0.1,size=0.8) +
ggtitle("各个时段得分箱线图")+
theme_bw() +
theme(text=element_text(family = "myfont"),
title=element_text(family = "myfont",face="bold"))
旋转90°箱线图
数据要求:
print(boxplot_xueli)
#> Source: local data frame [2,112 x 2]
#>
#> xueli1 stu_final
#> <fctr> <dbl>
#> 1 大学本科 38.0
#> 2 大学专科 34.5
#> 3 大学本科 34.5
#> 4 大学本科 33.5
#> 5 大学本科 33.5
#> 6 博士研究生 33.5
#> 7 博士研究生 32.5
#> 8 大学专科 32.5
#> 9 大学本科 32.0
#> 10 大学本科 31.5
#> .. ... ...画图代码:
ggplot(boxplot_xueli,aes(x=xueli1,y=stu_final,colour=xueli1))+
geom_boxplot(colour="darkgrey",outlier.colour = "red", outlier.shape = 2,outlier.size = 3) + #标出离群点
geom_jitter(width = 0.1,size=1.5,show.legend = T) +
guides(col = guide_legend(reverse = TRUE,title = "学历"))+ #翻转图例
coord_flip() +
theme_bw() +
labs(y="得分",title="学历与得分箱线图") + #图例标题
theme(text=element_text(family = "myfont"),
axis.title.y= element_blank(),
title=element_text(family = "myfont",face="bold"))
分面图
用于展示各个维度的情况。
分面条形图
用于比较各变量平均水平。
数据要求:
print(huji_fmt)
#> Source: local data frame [21 x 3]
#> Groups: user_type1 [?]
#>
#> user_type1 vd 平均分
#> <fctr> <chr> <dbl>
#> 1 人户一致 att_com 6.687500
#> 2 人户一致 cod 1.404261
#> 3 人户一致 exp 12.289583
#> 4 人户一致 log 4.569034
#> 5 人户一致 mem 2.771023
#> 6 人户一致 soc 12.465814
#> 7 人户一致 spa 3.463636
#> 8 人户分离 att_com 6.744966
#> 9 人户分离 cod 1.322148
#> 10 人户分离 exp 12.143177
#> .. ... ... ...画图代码:
ggplot(huji_fmt,aes(user_type1,平均分,group=vd,fill=vd))+
geom_bar(stat="identity") +
labs(title="不同户籍下平均分柱状图",
x="\n学生户籍",
fill="维度") +
theme_bw() +
facet_grid(.~vd) +
theme(text=element_text(family = "myfont"),
axis.text.x=element_text(angle = 315,vjust = 0.5,hjust = 0.5),
title=element_text(family = "myfont",face="bold"))
分面散点+拟合线
用于反映各变量的变化趋势。
数据要求:
print(fmt)
#> Source: local data frame [2,163 x 3]
#> Groups: hm [309]
#>
#> hm vd 平均分
#> <time> <fctr> <dbl>
#> 1 2016-05-07 08:09:00 表达 13.00000
#> 2 2016-05-07 08:10:00 表达 11.07143
#> 3 2016-05-07 08:11:00 表达 12.28571
#> 4 2016-05-07 08:12:00 表达 11.25000
#> 5 2016-05-07 08:13:00 表达 10.88462
#> 6 2016-05-07 08:15:00 表达 12.17647
#> 7 2016-05-07 08:16:00 表达 14.00000
#> 8 2016-05-07 08:18:00 表达 12.75000
#> 9 2016-05-07 08:19:00 表达 12.69231
#> 10 2016-05-07 08:20:00 表达 10.50000
#> .. ... ... ...画图代码:
ggplot(fmt,aes(hm,平均分,colour=vd))+
geom_point(size=0.8)+
stat_smooth(size=0.8)+
labs(title="各个时段各维度平均分图",
x="时间段",colour="各维度") +
facet_grid(vd~.) +
theme_bw() +
theme(text=element_text(family = "myfont"),
title=element_text(family = "myfont",face="bold"))
分面折线图
数据要求:
print(xueli_fmt)
#> Source: local data frame [35 x 3]
#> Groups: xueli1 [?]
#>
#> xueli1 vd 平均分
#> <fctr> <chr> <dbl>
#> 1 博士研究生 att_com 7.024000
#> 2 博士研究生 cod 1.328000
#> 3 博士研究生 exp 11.969333
#> 4 博士研究生 log 4.452000
#> 5 博士研究生 mem 2.656000
#> 6 博士研究生 soc 11.850667
#> 7 博士研究生 spa 3.552000
#> 8 硕士研究生 att_com 6.692771
#> 9 硕士研究生 cod 1.370482
#> 10 硕士研究生 exp 12.366466
#> .. ... ... ...画图代码:
ggplot(xueli_fmt,aes(xueli1,平均分,colour = vd,group=vd))+
geom_line(size=1)+
labs(title="不同学历各维度平均分折线图",
x="\n学历") +
theme_bw() +
guides(col = guide_legend(title = "各维度"))+
theme(text=element_text(family = "myfont"),
title=element_text(family = "myfont",face="bold"))
滑珠图
数据要求:
print(hzt)
#> Source: local data frame [14 x 3]
#> Groups: 性别 [2]
#>
#> 性别 vd 平均分
#> <fctr> <fctr> <dbl>
#> 1 女 表达 12.653226
#> 2 男 表达 12.011254
#> 3 女 记忆 2.738780
#> 4 男 记忆 2.771268
#> 5 女 逻辑推理 4.341197
#> 6 男 逻辑推理 4.610353
#> 7 女 社会性情绪 12.760177
#> 8 男 社会性情绪 12.210879
#> 9 女 视空间加工 3.247411
#> 10 男 视空间加工 3.542536
#> 11 女 书动 1.481567
#> 12 男 书动 1.311897
#> 13 女 注意理解 6.782509
#> 14 男 注意理解 6.596308画图代码:
ggplot(hzt,aes(x=vd,y=平均分)) +
geom_linerange(aes(ymin=0,ymax=平均分),color='gray',size=1) +
geom_point(aes(colour=性别),size=5) +
ggtitle("男女生各维度平均值滑珠图") +
ylim(0,15) +
theme_bw() +
coord_flip() +
theme(axis.title.y=element_blank(),
text=element_text(family = "myfont"),
title=element_text(family = "myfont",face="bold")) 
二维密度图
数据要求:
print(plot_2d)
#> Source: local data frame [2,112 x 2]
#>
#> v1 v2
#> <dbl> <dbl>
#> 1 26.0 24.0
#> 2 28.5 22.5
#> 3 26.5 22.5
#> 4 23.0 24.5
#> 5 23.0 20.5
#> 6 19.0 22.5
#> 7 22.0 21.5
#> 8 25.5 20.5
#> 9 20.5 22.0
#> 10 31.0 16.5
#> .. ... ...画图代码:
ggplot(plot_2d,aes(v1,v2)) +
geom_bin2d(bins = 20)+
geom_hline(yintercept = mean(plot_2d$v2,na.rm = T),colour="white",size=1)+
geom_vline(xintercept = mean(plot_2d$v1,na.rm = T),colour="white",size=1)+
labs(fill="COUNT",
title="二维密度图",
x="维度1",
y="维度2")+
theme_classic()+
theme(text=element_text(family = "myfont"),
title=element_text(family = "myfont",face="bold"))