ggplot2代码文档Word格式.docx
《ggplot2代码文档Word格式.docx》由会员分享，可在线阅读，更多相关《ggplot2代码文档Word格式.docx（57页珍藏版）》请在冰点文库上搜索。
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（1/10））
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"
"
smooth"
qplot（carat,price,data=diamonds,geom=c（"
##图2.5span参数的作用。
左图是span=0.2，右图是span=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=y~s（x），右图是formula=y~s（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）
lm"
formula=y~ns（x,5））
##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="
jitter"
boxplot"
##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））
##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="
histogram"
density"
##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'
进行绘制的。
qplot（date,unemploy/pop,data=economics,geom="
line"
qplot（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）$year+1900
qplot（unemploy/pop,uempmed,data=economics,geom=c（"
path"
qplot（unemploy/pop,uempmed,data=economics,geom="
colour=year（date））
##图2.16
##展示以颜色为条件的重量的直方图。
左图展示的是频数，右图展示的是频率。
频率
##图可以使得比较不同组的分布时不会受该组样本量大小的影响。
高质量的钻石
##（颜色D）在小
##尺寸上的分布是偏斜的，而随着质量的下降，重量的分布会变得越来越平坦。
qplot（carat,data=diamonds,facets=color~.,geom="
binwidth=0.1,
xlim=c（0,3））
qplot（carat,..density..,data=diamonds,facets=color~.,geom="
binwidth=0.1,xlim=c（0,3））
######章节2.7
qplot（carat,price,data=dsmall,xlab="
Price（$）"
ylab="
Weight（carats）"
main="
Price-weightrelationship"
qplot（carat,price/carat,data=dsmall,ylab=expression（frac（price,carat））,
xlab="
main="
Smalldiamonds"
xlim=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,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:
10
y<
-factor（letters[1:
5]）
qplot（x,x,size=x）
qplot（x,x,1:
10,colour=x）
qplot（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="
log10"
p+coord_polar（）
-qplot（displ,hwy,data=mpg,colour=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（fill="
steelblue"
）,stat="
bin"
stat_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_total,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
library（scales）
bestfit<
-geom_smooth（method="
se=F,colour=alpha（"
0.5）,
size=2）
qplot（sleep_rem,sleep_total,data=msleep）+bestfit
qplot（awake,brainwt,data=msleep,log="
y"
）+bestfit
qplot（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=cyl））+geom_point（）
mtcars<
-transform（mtcars,mpg=mpg^2）
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）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="
#Thedifferencebetween（left）settingcolourto\code{'
}and
#（right）mappingcolourto\code{'
}.When\code{'
}
#ismappedtocolour,itistreatedasaregularvalueandscaledwith
#thedefaultcolourscale.Thisresultsinpinkishpointsandalegend.
##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,data=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,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）,
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\texttt{geom_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="
#3366FF"
boysbox<
-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
升级会员 