【R語言】--- 分組柱狀圖

基本簡介

分組柱狀圖,又叫聚合柱狀圖。當(dāng)需要在同一個(gè)軸上顯示各個(gè)分類下不同的分組時(shí),需要用到分組柱狀圖,是學(xué)術(shù)論文中常用的圖。每個(gè)分組中的柱子使用不同的顏色或者相同顏色不同透明的方式區(qū)別各個(gè)分類,各個(gè)分組之間需要保持間隔。

基本用法

利用ggplot2包進(jìn)行繪制,這里不贅述。

示例

##批量加載包
{library(ggplot2)
  library(reshape2)
  library(cowplot)
}
#清空
rm(list = ls())
##載入iris數(shù)據(jù)
data <- iris
###melt()函數(shù)重新融合數(shù)據(jù)
df <- melt(data, id="Species", variable.name="Attribute", value.name = "Size")
head(df)
##計(jì)算3種鳶尾花形態(tài)數(shù)據(jù)數(shù)據(jù)均值、標(biāo)準(zhǔn)差
mean <- aggregate(df$Size, by=list(df$Species, df$Attribute), FUN=mean)
sd <- aggregate(df$Size, by=list(df$Species, df$Attribute), FUN=sd)
###計(jì)算3種鳶尾花的個(gè)數(shù)
len <- aggregate(df$Size, by=list(df$Species, df$Attribute), FUN=length)
##合并均值和標(biāo)準(zhǔn)差為數(shù)據(jù)格式
df_res <- data.frame(mean, sd=sd$x, len=len$x)
##為合并好的數(shù)據(jù)命名列名
colnames(df_res) = c("Species", "Attribute", "Mean", "Sd", "Count")
##查看合并并命名后的數(shù)據(jù)
df_res
###計(jì)算3種鳶尾花的標(biāo)準(zhǔn)誤se=sd/sqrt(n)
df_res$Se <- df_res$Sd/sqrt(df_res$Count)
#######繪圖#########
##########用SE(標(biāo)準(zhǔn)誤差/標(biāo)準(zhǔn)誤)進(jìn)行作圖###########
a<-ggplot(df_res, aes(x=Attribute, y=Mean, fill=Species)) +
  geom_bar(stat="identity", position=position_dodge(),
           color="black", width=.8) +
  geom_errorbar(aes(ymin=Mean-Se, ymax=Mean +Se),
                position=position_dodge(.8), width=.2) +
  theme_bw()+
  scale_y_continuous(expand=c(0,0))+
  coord_cartesian(ylim = c(0, 8))+
  theme(axis.text.x = element_text(size = 14, color = "black"))+##設(shè)置x軸字體大小
  theme(axis.text.y = element_text(size = 14, color = "black"))+##設(shè)置y軸字體大小
  theme(title=element_text(size=13))+#設(shè)置標(biāo)題字體大小
  theme_bw()
a
##########用SD(標(biāo)準(zhǔn)偏差/標(biāo)準(zhǔn)差)進(jìn)行作圖###########
b<-ggplot(df_res, aes(x=Attribute, y=Mean, fill=Species)) +
  geom_bar(stat="identity", position=position_dodge(),
           color="black", width=.8) +
  geom_errorbar(aes(ymin=Mean-Sd, ymax=Mean +Sd),
                position=position_dodge(.8), width=.2) +
  theme_bw()+
  scale_y_continuous(expand=c(0,0))+
  coord_cartesian(ylim = c(0, 8))+
  theme(axis.text.x = element_text(size = 14, color = "black"))+##設(shè)置x軸字體大小
  theme(axis.text.y = element_text(size = 14, color = "black"))+##設(shè)置y軸字體大小
  theme(title=element_text(size=13))+#設(shè)置標(biāo)題字體大小
  theme_bw()
b
#######合并兩張圖#########
plot_grid(a, b, labels = LETTERS[1:2])
#######合并四張圖#########
plot_grid(a, b, a, b, labels = LETTERS[1:4])

#保存圖片
ggsave('Result.png')

參考文獻(xiàn)

[1] https://www.rdocumentation.org/packages/ggplot2/versions/3.3.5
[2] https://ggplot2-book.org/preface-to-the-second-edition.html

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,546評(píng)論 6 533
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 98,570評(píng)論 3 418
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,505評(píng)論 0 376
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,017評(píng)論 1 313
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 71,786評(píng)論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 55,219評(píng)論 1 324
  • 那天,我揣著相機(jī)與錄音,去河邊找鬼。 笑死,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,287評(píng)論 3 441
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 42,438評(píng)論 0 288
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 48,971評(píng)論 1 335
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 40,796評(píng)論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 42,995評(píng)論 1 369
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,540評(píng)論 5 359
  • 正文 年R本政府宣布,位于F島的核電站,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 44,230評(píng)論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,662評(píng)論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,918評(píng)論 1 286
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 51,697評(píng)論 3 392
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 47,991評(píng)論 2 374

推薦閱讀更多精彩內(nèi)容