R语言 使用ggplot2绘制散点图的综合指南

在这篇文章中，我们将看到如何使用R编程语言中的ggplot2来绘制散点图。

ggplot2包是一个免费的、开源的、易于使用的可视化包，在R中广泛使用。这个包可以用R函数install.packages()来安装。

install.packages("ggplot2")

散点图用点来表示两个不同数字变量的值，用来观察这些变量之间的关系。为了绘制散点图，我们将使用 geom_point()函数。 以下是关于ggplot函数geom_point()的简要信息。

语法： geom_point(size, color, fill, shape, stroke)

参数 :

• size : 点的大小

• color : 点的颜色/边界

• fill : 点的颜色

• shape : 点的形状，范围从0到25

• stroke。点边界的厚度

  返回：它创建散点图。

例子： 简单散点图

library(ggplot2)
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
    geom_point()

输出

带组的散点图

这里我们将用一组数据（即因子级数据）来区分数值。 aes()函数 控制组的颜色，它应该是因子变量。

语法

aes(color = factor(variable))

例子： 带组的散点图

# Scatter plot with groups
 
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
    geom_point(aes(color = factor(Sepal.Width)))

输出

改变颜色

在这里，我们使用 ais()方法 的颜色属性来改变具有特定变量的数据点的颜色。

例子： 改变颜色

# Changing color
 
ggplot(iris) +
    geom_point(aes(x = Sepal.Length,
                   y = Sepal.Width,
                   color = Species))

输出

改变形状

为了改变数据点的形状，我们将使用带有ais()方法的 形状 属性。

例子： 改变形状

# Changing point shapes in a ggplot scatter plot
# Changing color
 
ggplot(iris) +
    geom_point(aes(x = Sepal.Length, y = Sepal.Width,
                   shape = Species , color = Species))

输出

改变尺寸美学

为了改变审美或数据点，我们将在ais()方法中使用尺寸 属性 。

例子： 改变大小

# Changing the size aesthetic mapping in a
# ggplot scatter plot
 
ggplot(iris) +
    geom_point(aes(x = Sepal.Length,
                   y = Sepal.Width,
                   size = .5))

输出

散点图中的标签点

为了在数据点上部署标签，我们将在 geom_text()方法 中使用标签。

例子： 在散点图中标记点

# Label points in the scatter plot
 
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
    geom_point() +
    geom_text(label=rownames(iris))

输出

ggplot2中的回归线

回归模型是一个支持自变量的目标预测值，主要用于找出变量之间的关系和预测。在R中，我们可以使用stat_smooth()函数来平滑可视化。

语法： stat_smooth(method=”method_name”, formula=fromula_to_be_used, geom=’方法名称’)

参数

• method。它是用于平滑线条的平滑方法（函数）。
• formula。它是在平滑函数中使用的公式。
• geom：它是用来显示数据的几何对象

例子： 回归线

# Add regression lines with stat_smooth
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
    geom_point() +
    stat_smooth(method=lm)

输出

例子： 使用stat_mooth与loess模式

# Add regression lines with stat_smooth
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
    geom_point() +
    stat_smooth()

输出

geom_smooth()函数用于表示回归线并使其平滑化。

语法： geom_smooth(method=”method_name”, formula=fromula_to_be_used)

参数

• method。它是用于平滑线的平滑方法（函数）。
• formula。它是在平滑函数中使用的公式。

例子： 使用geom_smooth()

# Add regression lines with geom_smooth
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
    geom_point() +
    geom_smooth()

输出

为了在geom_smooth()函数的帮助下在图形媒介上显示回归线，我们传递方法为 “loess”，所用公式为y ~ x。

例子： geom_smooth与loess模式

# Add regression lines with geom_smooth
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
    geom_point() +
    geom_smooth(method=lm, se=FALSE)

输出

截距和斜率可以通过lm()函数轻松计算出来，该函数用于线性回归，然后是coefficients()。

例子： 截距和斜率

# Add regression lines with geom_smooth
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
    geom_point() +
    geom_smooth(intercept = 37, slope = -5, color="red",
                 linetype="dashed", size=1.5)

输出

手动改变点的颜色/形状/大小

scale_fill_manual, scale_size_manual, scale_shape_manual, scale_linetype_manual, 是为分类数据分配所需颜色的内置类型，我们使用其中的scale_color_manual()函数，它用于缩放（地图）。

语法:

• scale_shape_manualValue）用于点状图形
• scale_color_manual(Value) 用于点的颜色。
• scale_size_manual(Value)用于点的大小。

参数:

• Value :一组用于映射数据的美学值。在这里，我们采取所需的颜色集。

返回： 缩放数据上的手动颜色值

例子： 改变美学值

# Change the point color/shape/size manually
library(ggplot2)
 
# Change point shapes and colors manually
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
    geom_point() +
    geom_smooth(method=lm, se=FALSE, fullrange=TRUE)+
    scale_shape_manual(values=c(3, 16, 17))+
    scale_color_manual(values=c('#999999','#E69F00', '#56B4E9'))+
    theme(legend.position="top")

输出

散点图中的边际地毯

为了在散点图中添加边际地毯，我们将使用geom_rug()方法。

例子： 边际地毯

# Add marginal rugs to a scatter plot
# Changing point shapes in a ggplot scatter plot
# Changing color
 
ggplot(iris) +
    geom_point(aes(x = Sepal.Length, y = Sepal.Width,
                   shape = Species , color = Species))+
    geom_rug()

输出

这里我们将在散点图中添加边际地毯。

例子： 边际废墟

# Add marginal rugs to a scatter plot
 
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
    geom_point()+
    geom_rug()

输出

带有二维密度估计的散点图

为了在散点图中创建密度估计，我们将使用ggplot2的 geom_density_2d()方法和geom_density_2d_filled() 。

语法： ggplot( aes(x))+ geom_density_2d( fill, color, alpha)

参数

• fill：绘图下方的背景颜色
• color: 绘图线的颜色
• alpha：图形的透明度

例子： 带有二维密度估计的散点图

# Scatter plots with the 2d density estimation
 
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
    geom_point()+
    geom_density_2d()

输出

使用geom_density_2d_filled()来可视化数据点内的颜色情况

例子： 增加美感

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
    geom_point()+
    geom_density_2d(alpha = 0.5)+
    geom_density_2d_filled()

输出

stat_density_2d()也可以用来部署2d密度估计。

例子： 部署密度估计

# Scatter plots with the 2d density estimation
 
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
    geom_point()+
    stat_density_2d()

输出

带有椭圆的散点图

为了在数据点群周围添加一个圆或椭圆，我们使用 stat_ellipse() 函数。这个函数会自动计算出圆/椭圆半径，以便在分类数据的点簇周围绘制圆/椭圆。

例子： 带椭圆的散点图

# Scatter plots with ellipses
 
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
    geom_point()+
    stat_ellipse()

输出