1. install packages

install.packages("tidyverse")
library(tidyverse)
tidyverse_update()
##################

安裝三個數(shù)據(jù)包

install.packages(c("nycflights13", "gapminder", "Lahman"))

tidyverse 包括ggplot2, tibble, tidyr, readr, purrr和 dplyr包

PART I Explore

CHAPTER 1: Data Visualization with ggplot2

以ggplot2包中的mpg數(shù)據(jù)為例，它是一個數(shù)據(jù)框，每行為一個數(shù)據(jù)，每列為一個觀測。mpg包括38種車的數(shù)據(jù)。

# 查看該數(shù)據(jù)集
head(ggplot2::mpg)

displ:車發(fā)動機(jī)大小，hwy：車的燃油效率

用該數(shù)據(jù)集創(chuàng)造第一幅ggplot圖

library(ggplot2)
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy))

該圖表示發(fā)動機(jī)大小與燃油呈現(xiàn)負(fù)相關(guān)。

ggplot() 函數(shù)產(chǎn)生最基礎(chǔ)的坐標(biāo)系統(tǒng)，然后可以在上面加圖層，

# 空圖層，背景，顏色，字體都設(shè)好了
ggplot(data = mpg)  
# aes()將數(shù)字映射為圖形
ggplot(data = mpg) + geom_point(aes(displ,hwy)) 

#查看mpg數(shù)據(jù)
dim(mpg)
head(mpg)
# 查看hwy和cyl的關(guān)系
ggplot(mpg,aes(hwy,cyl)) + geom_point()

這里提供了一個畫圖模板：
ggplot(data = <DATA>) +
<GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))

Aesthetic Mappings

aesthetic美學(xué)的，在圖中表示點的大小，顏色等
我們可以把點的顏色按某個數(shù)值分組，如class

ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, color = class))

也可以按點的大小分組

ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, size = class))

或者映射給透明度或者形狀

# Top
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, alpha = class))
# Bottom
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, shape = class))
# ggplot一次只能用6個形狀，這里有7個，所以SUV不顯示了

我們可以手動定義幾何類型

ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy), color = "blue")

練習(xí)題：
1.為什么點不是藍(lán)色的？

ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy, color = "blue")
)

因為color放在映射里面了，映射自動從彩色里賦值。

ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y =hwy, color = cty))

2.注意映射連續(xù)變量與分類變量的區(qū)別。如顏色連續(xù)變量為一個顏色從深到淺，分類變量為各個顏色的分類。

ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y =hwy, color = displ))

4.一個變量有多個映射是可以的，但是造成了信息的冗余，一般不會這樣做。

stroke是映射什么的？

ggplot(mtcars, aes(wt, mpg)) +
  geom_point(shape = 21, colour = "black", fill = "white", size = 5, stroke = 1)

stroke映射點的邊框粗細(xì)。

ggplot(mpg, aes(x = displ, y = hwy, colour = displ < 5)) +
  geom_point()

注意：R語法很容易出錯，注意()，“”是否配對，如果運(yùn)行R代碼無反應(yīng)，按Esc鍵退出。

Facets 分面

增加信息的方式一個是將變量給映射，另外一個方法是將分類變量給分面，從而將圖分成幾個小的面。
分面有兩種函數(shù)，facet_wrap(~分類變量，nrow,ncol)這個函數(shù)放入一個分類變量。

ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_wrap(~ class, nrow = 2)

facet_grid(a ~ b) 可以用兩個組合變量來分面

ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(drv ~ cyl)

facet_grid()函數(shù)如果只想用一個變量來分面，可以用.留空。

ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(. ~ cyl)

ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(drv ~ .)

練習(xí)題：

如果用連續(xù)型變量來分面會出現(xiàn)什么后果?

head(mpg)
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_wrap(~ cty, nrow = 2)

結(jié)果是將連續(xù)型變量轉(zhuǎn)換為因子，每個因子都有一個分面。
2.該圖中有空位子，表示什么意思？

ggplot(data = mpg) +
geom_point(mapping = aes(x = drv, y = cyl))

空點表示該位子無數(shù)值。
3.下面兩個代碼有何不同？

ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(drv ~ .)
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(. ~ cyl)

.的位置代表不想用該變量進(jìn)行分面。
4.用分面代替顏色映射的優(yōu)勢和劣勢是什么？
一幅圖中人眼可以識別的顏色不超過9種，分面可以區(qū)分更多的信息，但是不容易相互比較。

3.6 Geometric Objects 幾何對象

幾何對象是把數(shù)據(jù)用圖形的方式映射出來

# left
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy))
# right
ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy))

每個幾何對象函數(shù)都有對應(yīng)的映射參數(shù)，但是具有獨(dú)立性，有些不能通用

ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy, linetype = drv))

許多幾何對象可以展示多組圖形，ggplot2會自動分組，但是不展示圖例。

ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy))
ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy, group = drv))
ggplot(data = mpg) +
geom_smooth(
mapping = aes(x = displ, y = hwy, color = drv),
show.legend = FALSE
)

ggplot2也可以展示多個圖層

ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
geom_smooth(mapping = aes(x = displ, y = hwy))

同一張圖顯示多個幾何對象--局部映射和全局映射的區(qū)別，如有沖突，以局部變量為準(zhǔn)。

# ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
# geom_point(mapping = aes(color = class)) +
# geom_smooth(
# data = filter(mpg, class == "subcompact"),
# se = FALSE
# )

filter設(shè)置geom_smooth幾何對象的過濾，se表示標(biāo)準(zhǔn)差
練習(xí)題：
Exercise 3.6.2 該代碼畫圖是什么樣的？

ggplot(data = mpg, mapping = aes(x = displ, y = hwy, colour = drv)) +
  geom_point() +
  geom_smooth(se = FALSE)

color作為全局變量傳遞給point和smooth，因此，這兩個都畫出來了。

Exercise 3.6.3
What does show.legend = FALSE do? What happens if you remove it? Why do you think I used it earlier in the chapter?

ggplot(data = mpg) +
  geom_smooth(
    mapping = aes(x = displ, y = hwy, colour = drv),
  )

ggplot(data = mpg) +
  geom_smooth(
    mapping = aes(x = displ, y = hwy, colour = drv),
    show.legend = FALSE)

Re-create the R code necessary to generate the following graphs.

ggplot(mpg,aes(displ,hwy))+geom_point()+geom_smooth(se=F)
ggplot(mpg,aes(displ,hwy))+geom_point()+geom_smooth(aes(group=drv),se=F)
ggplot(mpg, aes(x = displ, y = hwy, colour = drv)) +
  geom_point() +
  geom_smooth(se = FALSE)
ggplot(mpg,aes(displ,hwy))+geom_point(aes(color=drv))+geom_smooth(se=F)
ggplot(mpg,aes(displ,hwy))+geom_point(aes(color=drv))+geom_smooth(aes(linetype=drv),se=F)
ggplot(mpg, aes(x = displ, y = hwy)) +
   geom_point(size = 4, color = "white") +
   geom_point(aes(colour = drv))

3.7 Statistical Transformations 統(tǒng)計變換

統(tǒng)計變換：繪圖時用來計算新數(shù)據(jù)的算法叫做統(tǒng)計變換stat
每個幾何對象函數(shù)都有一個默認(rèn)的統(tǒng)計變換，每個統(tǒng)計變換函數(shù)都又一個默認(rèn)的幾何對象。
用幾何對象函數(shù)geom_bar作直方圖，默認(rèn)統(tǒng)計變換是stat_count.
一般可以用默認(rèn)的統(tǒng)計變換，以下情況要用新的統(tǒng)計變換：
1.覆蓋默認(rèn)的統(tǒng)計變換

直方圖默認(rèn)的統(tǒng)計變換是stat_count,也就是統(tǒng)計計數(shù)。當(dāng)需要直接用原表格的數(shù)據(jù)作圖時就會需要覆蓋默認(rèn)的。

library(tibble)

demo <- tribble(
~a, ~b,
"bar_1", 20,
"bar_2", 30,
"bar_3", 40
)
# 默認(rèn)stat=count，這里改成 "identity"

ggplot(data = demo) +
geom_bar(
mapping = aes(x = a, y = b), stat = "identity"
)

2.覆蓋從統(tǒng)計變換生成變量到圖形屬性的默認(rèn)映射
直方圖默認(rèn)的y軸是x軸的計數(shù)。此例子中x軸是五種cut（切割質(zhì)量），直方圖自動統(tǒng)計了這五種質(zhì)量的鉆石的統(tǒng)計計數(shù)，當(dāng)你不想使用計數(shù)，而是想顯示各質(zhì)量等級所占比例的時候就需要用到prop。

ggplot(diamonds,aes(cut,..prop..,group=1))+geom_bar()
#group=1的意思是把所有鉆石作為一個整體，顯示五種質(zhì)量的鉆石所占比例體現(xiàn)出來。

3.在代碼中強(qiáng)調(diào)統(tǒng)計變換
以stat_summary為例。

ggplot(diamonds)+stat_summary(aes(cut,depth),
                              fun.ymin = min,
                              fun.ymax=max,
                              fun.y=median)

練習(xí)題：
1.stat_summary()默認(rèn)的幾何對象是什么？
stat_summary的默認(rèn)幾何圖形是geom_pointrange,而geom_pointrange默認(rèn)的統(tǒng)計變換卻是identity

ggplot(diamonds) + geom_pointrange(aes(cut,depth),
                                   stat = 'summary',
                                   fun.ymin=min,
                                   fun.ymax=max,
                                   fun.y=median)

geom_col()與geom_bar()的區(qū)別
geom_col()的默認(rèn)統(tǒng)計變換為identity()，geom_bar()默認(rèn)為count()
stat_smooth()計算變量為預(yù)測值，最低和最高置信區(qū)間及SE
geom_bar(aes(y = ..prop..))中g(shù)roup=1的設(shè)置？
默認(rèn)分組是等于x的，分組是在組內(nèi)執(zhí)行

ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, y = ..prop..))
ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, fill = color, y = ..prop..)
)
ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut, y = ..prop.., group = 1))

ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut, fill = color, y = ..prop.., group = color))

3.8 Position Adjustments

geom_bar的顏色可以用color和fill調(diào)整

ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, color = cut))
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = cut))

ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = clarity))

bar的位置有三個參數(shù)可以調(diào)整"identity", "dodge" or "fill"
"identity"直接顯示

ggplot(diamonds,aes(cut,fill=clarity))+geom_bar(alpha=1/5,position = 'identity')
ggplot(diamonds,aes(cut,color=clarity))+geom_bar(fill=NA,position = 'identity')

"fill"堆疊式，x每個分組都為100%

ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, fill = clarity),
position = "fill"
)

"dodge" 并列式，一個放在另一個旁邊

ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, fill = clarity),
position = "dodge"
)

position = "jitter" 添加點的隨機(jī)擾動，使重復(fù)的點暴露出來。

ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy),
position = "jitter"
)

?position_dodge, ?position_fill, ?position_identity, ?position_jitter, and ?posi
tion_stack.

ggplot(mtcars,aes(factor(cyl),fill=factor(vs))) + 
  geom_bar(position = position_dodge(preserve = 'total'))

練習(xí)題：

geom_jitter()哪個參數(shù)控制擾動大??？
width,height從水平和垂直方向控制

3.對比geom_jitter() 和 geom_count()

#geom_jitter()對點添加隨機(jī)擾動
ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
  geom_jitter()
#geom_count()重復(fù)的點越多，點越大
ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
  geom_count()

geom_boxplot()默認(rèn)的統(tǒng)計變換是什么？

ggplot(data = mpg, mapping = aes(x = drv, y = hwy,color=class)) +
  geom_boxplot()
ggplot(data = mpg, aes(x = drv, y = hwy, colour = class)) +
  geom_boxplot(position = "identity")

默認(rèn)為position_dodge()

3.9 Coordinate Systems 坐標(biāo)系統(tǒng)

ggplot2默認(rèn)為笛卡爾坐標(biāo)系，x和y軸是獨(dú)立的
coord_flip() 調(diào)換x和y軸

ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
geom_boxplot()
ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
geom_boxplot() +
coord_flip()

coord_quickmap
為地圖設(shè)置長寬比
此處需要加載maps包，否則會報錯。

library(maps)
#如果報錯則：install.packages("maps")
#library(maps)
nz <- map_data("nz")
 
ggplot(nz, aes(long, lat, group = group)) +
  geom_polygon(fill = "white", colour = "black")
 # geom_polygon 是多邊形圖
ggplot(nz, aes(long, lat, group = group)) +
  geom_polygon(fill = "white", colour = "black") +
  coord_quickmap()

coord_polar()極坐標(biāo)系統(tǒng)

bar <- ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, fill = cut),
show.legend = FALSE,
width = 1
) +
theme(aspect.ratio = 1) +
labs(x = NULL, y = NULL)
bar + coord_flip()
bar + coord_polar()

#width = 1把柱形圖中間的空去掉了，
ggplot(mpg, aes(x = factor(1), fill = drv)) +
  geom_bar()
#theta = "y"是將角度按y軸變量來設(shè)置，如不設(shè)置，會出現(xiàn)中間空心原點
ggplot(mpg, aes(x = factor(1), fill = drv)) +
  geom_bar(width = 1) +
  coord_polar(theta = "y")
ggplot(mpg, aes(x = factor(1), fill = drv)) +
  geom_bar(width = 1) +
  coord_polar()
ggplot(diamonds) + geom_bar(aes(x=cut,fill=cut))+coord_polar()

#多組的bar圖也能畫出餅圖
head(diamonds)
ggplot(diamonds,aes(cut,fill=color)) + 
  geom_bar(position = "fill") #注意position位置參數(shù)的設(shè)置，默認(rèn)position = "identity"

ggplot(diamonds,aes(cut,fill=color)) + 
  geom_bar(position = "fill") + 
  coord_polar(theta = "y")

Exercise 3.9.2 lab()函數(shù)可以給圖層增加x和y的標(biāo)簽和title

ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
  geom_boxplot() +
  coord_flip() +
  labs(y = "Highway MPG", x = "", title = "Highway MPG by car class")

Exercise 3.9.4
coord_fixed()保持線為45度

p <- ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
  geom_point() +
  geom_abline()
p
p + coord_fixed()

3.10 The Layered Grammar of Graphics
ggplot2通用模板

ggplot(data = <DATA>) + #數(shù)據(jù)集data
<GEOM_FUNCTION>( #幾何對象geom
mapping = aes(<MAPPINGS>), #映射aes
stat = <STAT>, #統(tǒng)計變換stat
position = <POSITION> #位置調(diào)整position
) +
<COORDINATE_FUNCTION> + #坐標(biāo)系統(tǒng)
<FACET_FUNCTION> #分面系統(tǒng)

圖形構(gòu)建的過程由以上五個指標(biāo)構(gòu)建，后面兩個用于微調(diào)。

閱讀推薦：
生信技能樹公益視頻合輯：學(xué)習(xí)順序是linux，r，軟件安裝，geo，小技巧，ngs組學(xué)！
B站鏈接：https://m.bilibili.com/space/338686099
YouTube鏈接：https://m.youtube.com/channel/UC67sImqK7V8tSWHMG8azIVA/playlists
生信工程師入門最佳指南：https://mp.weixin.qq.com/s/vaX4ttaLIa19MefD86WfUA

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美国产综合欧美视频

R數(shù)據(jù)科學(xué)（一）ggplot2

R數(shù)據(jù)科學(xué)（一）ggplot2

1. install packages

安裝三個數(shù)據(jù)包

PART I Explore

CHAPTER 1: Data Visualization with ggplot2

Aesthetic Mappings

Facets 分面

3.6 Geometric Objects 幾何對象

3.7 Statistical Transformations 統(tǒng)計變換

3.8 Position Adjustments

3.9 Coordinate Systems 坐標(biāo)系統(tǒng)

推薦閱讀更多精彩內(nèi)容

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美 国产 综合 欧美 视频

R數(shù)據(jù)科學(xué)（一）ggplot2

1. install packages

安裝三個數(shù)據(jù)包

PART I Explore

CHAPTER 1: Data Visualization with ggplot2

Aesthetic Mappings

Facets 分面

3.6 Geometric Objects 幾何對象

3.7 Statistical Transformations 統(tǒng)計變換

3.8 Position Adjustments

3.9 Coordinate Systems 坐標(biāo)系統(tǒng)

推薦閱讀更多精彩內(nèi)容

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美国产综合欧美视频