ggplot2代码文档Word格式.docx

1、qplot（carat, x * y * z, data = diamonds）# 图2.2 将 color 变量映射到点的颜色 （左），cut 变量映射到点的形状 （右）qplot（carat, price, data = dsmall, colour = color）qplot（carat, price, data = dsmall, shape = cut）# 图2.3 将 alpha 值从 1/10（左） 变动到 1/100（中） 再到# 1/200（右），来看大部分的点在哪里 进行重叠。qplot（carat, price, data = diamonds, alpha = I（1/

2、10）qplot（carat, price, data = diamonds, alpha = I（1/100）qplot（carat, price, data = diamonds, alpha = I（1/200）# 图2.4# 重量与价格的散点图中加入了平滑曲线。左图为dsmall数据集，右图为完整数据集。qplot（carat, price, data = dsmall, geom = c（point, smoothqplot（carat, price, data = diamonds, geom = c（# 图2.5 span 参数的作用。左图是 span=0.2，右图是 span=

3、1。）, span = 0.2）, span = 1）# 图2.6 在运用广义可加模型作为平滑器时 formula 参数的作用。左图是# formula=ys（ x），右图是 formula=ys（x,bs=cs）。library（mgcv）, method = gam, formula = y s（x）formula = y s（x, bs = cs# 图2.7 在运用线性模型作为平滑器时 formula 参数的作用。左图是 formula =# y x 的默认值， 右图是 formula = y ns（x, 5）。library（splines）lmformula = y ns（x, 5）

4、# 图2.8 （书中无代码）# 利用扰动点图（左）和箱线图（右）来考察以颜色为条件的每克拉价格的分布。# 随着颜色的改变（从左到右），每克拉价格的跨度逐渐减小，但分布的中位数没有明显的变化。qplot（color, price/carat, data = diamonds, geom = jitterboxplot# 图2.9 改变 alpha 的取值，从左到右分别为 1/5，1/50 和# 1/200。随着不透明度的降低，# 我们可以看出数据集中的地方。然而，箱线图依然是一个更好的选择。, alpha = I（1/5）, alpha = I（1/50）, alpha = I（1/200）#

5、图2.10 展示钻石重量的分布。左图使用的是 geom=histogram 右图使用的是# geom= density。qplot（carat, data = diamonds, geom = histogramdensity# 图2.11 变动直方图的组距可以显示出有意思的模式。从左到右，组距分别为# 1，0.1 和 0.01。只有重量在 0 到 3 克拉之间的钻石显示在图中。, binwidth = 1, xlim = c（0, 3）, binwidth = 0.1, xlim = c（0, , binwidth = 0.01, xlim = c（0, # 图2.12# 当一个分类变量被映

6、射到某个图形属性上，几何对象会自动按这个变量进行拆分。# 左图是重叠的密度曲线图，右图是堆叠起来的直方图。, colour = color）, fill = color）# 图2.13 钻石颜色的条形图。左图显示的是分组的计数，右图是按 weight=carat# 进行加 权，展示了每种颜色的钻石的总重量。qplot（color, data = diamonds, geom = bar, weight = carat） + scale_y_continuous（carat# 图2.14# 衡量失业程度的两张时序图。左图是失业人口的比例，右图是失业星期数的中位# 数。图形是用 geom=line

7、 进行绘制的。qplot（date, unemploy/pop, data = economics, geom = lineqplot（date, uempmed, data = economics, geom = # 图2.15# 展示失业率和失业时间长度之间关系的路径图。左图是重叠在一起的的散点图和路# 径图，右图只有路径图，其中年份用颜色进行了展示。year - function（x） as.POSIXlt（x）$year + 1900qplot（unemploy/pop, uempmed, data = economics, geom = c（pathqplot（unemploy/po

8、p, uempmed, data = economics, geom = , colour = year（date）# 图2.16# 展示以颜色为条件的重量的直方图。左图展示的是频数，右图展示的是频率。频率# 图可以使得比较不同组的分布时不会受该组样本量大小的影响。高质量的钻石# （颜色 D） 在小# 尺寸上的分布是偏斜的，而随着质量的下降，重量的分布会变得越来越平坦。qplot（carat, data = diamonds, facets = color ., geom = , binwidth = 0.1, xlim = c（0, 3）qplot（carat, .density., dat

9、a = diamonds, facets = color ., geom = binwidth = 0.1, xlim = c（0, 3）# 章节2.7qplot（carat, price, data = dsmall, xlab = Price （$）, ylab = Weight （carats）main = Price-weight relationshipqplot（carat, price/carat, data = dsmall, ylab = expression（frac（price, carat）, xlab = , main = Small diamonds, xlim =

10、 c（0.2, 1）qplot（carat, price, data = dsmall, log = xy第三章代码：# 图3.1 发动机排量（以升为单位 displ）对高速公路耗油量（英里每加仑# hwy）散点图。点# 根据汽缸数目着色。该图可以发现影响燃油经济性最重要的因素：发动机排量大# 小。qplot（displ, hwy, data = mpg, colour = factor（cyl）# 图3.2 ：无代码# 图3.3 更复杂的图形一般没有特定的名称。这幅图在图3.1的基础上对每个# 组添加了回归线。这个图应该叫什么名字呢？qplot（displ, hwy, data = mpg,

11、 colour = factor（cyl） + geom_smooth（data = subset（mpg, cyl != 5）, method = # 图3.6 一个含有分面和多个图层的复杂图形qplot（displ, hwy, data = mpg, facets = . year） + geom_smooth（）# 图3.8# 四种不同标度的图例。从左到右依次是:连续型变量映射到大小和颜色，离散型变# 量映射到形状和颜色。x - 1:10y - factor（letters1:5）qplot（x, x, size = x）qplot（x, x, 1:10, colour = x）qplo

12、t（y, y, 1:10, shape = y）10, colour = y）# 图3.9# 三种不同坐标系的坐标轴和网格线:笛卡尔（Cartesian）、半对数（semi-log）和极# 坐标系（polar）。极坐标系展示了非笛卡尔坐标系的缺点:很难画好坐标轴。x1 - c（1, 10）y1 - c（1, 5）- qplot（x1, y1, geom = blank, xlab = NULL, ylab = NULL） + theme_bw（）p + coord_trans（y = log10p + coord_polar（）- qplot（displ, hwy, data = mpg, c

13、olour = factor（cyl）summary（p）# 保存图形对象save（p, file = plot.rdata# 读入图形对象load（# 将图片保存成png格式ggsave（plot.png, width = 5, height = 5） 第四章代码# 通过ggplot创建图形对象- ggplot（diamonds, aes（carat, price, colour = cut）# 添加“点”几何对象- p + layer（geom = # 例：手动创建图形对象并添加图层- ggplot（diamonds, aes（x = carat）, geom_params = list（

14、fill = steelblue）, stat = binstat_params = list（binwidth = 2）# 应用“快捷函数”，得到与上例相同的图形p + geom_histogram（binwidth = 2, fill = # 在用ggplot创建的图形对象上添加图层ggplot（msleep, aes（sleep_rem/sleep_total, awake） + geom_point（）# 等价于qplot（sleep_rem/sleep_total, awake, data = msleep）# 也可以给qplot添加图层qplot（sleep_rem/sleep_t

15、otal, awake, data = msleep） + geom_smooth（）qplot（sleep_rem/sleep_total, awake, data = msleep, geom = c（# 或ggplot（msleep, aes（sleep_rem/sleep_total, awake） + geom_point（） + geom_smooth（）summary给出图形对象的默认设置和每个图层的信息- ggplot（msleep, aes（sleep_rem/sleep_total, awake）- p + geom_point（）用不同的数据初始化后添加相同的图层libr

16、ary（scales）bestfit - geom_smooth（method = , se = F, colour = alpha（, 0.5）, size = 2）qplot（sleep_rem, sleep_total, data = msleep） + bestfitqplot（awake, brainwt, data = msleep, log = y） + bestfitqplot（bodywt, brainwt, data = msleep, log = # 用%*%添加新的数据集来代替原来的数据集- ggplot（mtcars, aes（mpg, wt, colour = cy

17、l） + geom_point（）mtcars - transform（mtcars, mpg = mpg2）p %+% mtcars# aes函数的参数aes（x = weight, y = height, colour = age）# 也可以使用变量的函数值作为参数aes（weight, height, colour = sqrt（age）- ggplot（mtcars）- p + aes（wt, hp）# 使用默认的参数映射来添加图层- ggplot（mtcars, aes（x = mpg, y = wt）p + geom_point（）# 图4.1 修改图形属性。用factor（cyl

18、）修改颜色（左），用disp修改y坐标（右）。p + geom_point（aes（colour = factor（cyl）p + geom_point（aes（y = disp）- ggplot（mtcars, aes（mpg, wt）p + geom_point（colour = darkblue# 注意这里将颜色映射到darkblue与上面将颜色设定给的区别p + geom_point（aes（colour = # The difference between （left） setting colour to code and# （right） mapping colour to cod

19、e. When code# is mapped to colour, it is treated as a regular value and scaled with# the default colour scale. This results in pinkish points and a legend.# 图4.2# 将颜色设定为（左）与将颜色映射到（右）的区别。当颜色映# 射到时，将被看作一个普通的字符串，使用默认的颜色标# 度进行标度转换，结果得到了粉红色的点和图例。qplot（mpg, wt, data = mtcars, colour = I（qplot（mpg, wt, dat

20、a = mtcars, colour = # 图4.3 正确分组时（分组变量group =# Subject）每个个体的折线图（左）。错误的分组时连# 接所有观测点的折线图（右）。此处省略了分组图形属性，效果等同于group =# 1。data（Oxboys, package = nlme# 左图的代码- ggplot（Oxboys, aes（age, height, group = Subject） + geom_line（）qplot（age, height, data = Oxboys, group = Subject, geom = # 右图的代码qplot（age, height,

21、data = Oxboys, geom = # 图4.4# 给Oxboys数据添加光滑曲线。左图用了和折线图同样的分组变量，得到了每个男# 孩的拟合直线。右图在平滑层里用了aes（group = 1），得到了所有男孩的拟合直# 线。 左图p + geom_smooth（aes（group = Subject）, method = , se = F） + geom_smooth（method = se = F）# 右图p + geom_smooth（aes（group = 1）, method = , size = 2, se = F） + geom_smooth（aes（group = 1）,

22、 method = # 图4.5# 如果想用箱线图来查看每个时期的身高分布，默认的分组是正确的（左图）。如果# 想用textttgeom_line（）添加每个男孩的轨迹，就需要在新图层里设定# aes（group = Subject）（右图）。qplot（Occasion, height, data = Oxboys, geom = ） + geom_line（aes（group = Subject）, colour = #3366FFboysbox - ggplot（Oxboys, aes（Occasion, height） + geom_boxplot（）boysbox + geom_line（aes（group = Subject）, colour = # 图4.6# 对于线条和路径，线段的图形属性是由起始点的图形属性决定的。如果颜色是离# 散的（左图），在相邻的颜色间插入其他颜色是没有任何意义的。如果颜色是连续# 的（右图），可以在相邻的颜色间进行插补，但默认条件下R不会这样做。df - data.frame（x = 1:3, y = 1:3, colo