在 R 中使用 ggplot2 散点图综合指南

在本文中，我们将了解如何在 R 编程语言中使用 ggplot2 使用散点图。

ggplot2 包是 R 语言中广泛使用的免费、开源、易用的可视化包。它是 Hadley Wickham 编写的最强大的可视化包。这个包可以使用 R函数install.packages() 安装。

install.packages("ggplot2")

散点图使用点来表示两个不同数值变量的值，并用于观察这些变量之间的关系。要绘制散点图，我们将使用geom_point()函数。以下是有关 ggplot函数geom_point() 的简要信息。

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

Parameter :

• size : Size of Points
• color : Color of Points/Border
• fill : Color of Points
• shape : Shape of Points in in range from 0 to 25
• stroke : Thickness of point border
• Return : It creates scatterplots.

示例：简单散点图

R

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

输出：

带组的散点图

在这里，我们将使用一组数据（即因子级别数据）来区分值。 aes()函数控制组的颜色，它应该是因子变量。

句法：

aes(color = factor(variable))

示例：包含组的散点图

R

# 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aes() 方法颜色属性来更改具有特定变量的数据点的颜色。

示例：更改颜色

R

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

输出：

改变形状

要更改数据点的形状，我们将使用带有 aes() 方法的形状属性。

示例：改变形状

R

# 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

为了改变美学或数据点，我们将在 aes() 方法中使用大小属性。

示例：更改大小

R

# 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：

在散点图中标注点

为了在数据点上部署标签，我们将在geom_text() 方法中使用标签。

示例：在散点图中标注点

R

# 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

回归模型是一个目标预测值支持的独立变量，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。

Syntax: stat_smooth(method=”method_name”, formula=fromula_to_be_used, geom=’method name’)

Parameters:  

• method: It is the smoothing method (function) to use for smoothing the line
• formula: It is the formula to use in the smoothing function
• geom: It is the geometric object to use display the data

示例：回归线

R

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

输出：

示例：在黄土模式下使用 stat_mooth

R

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

输出：

geom_smooth()函数来表示回归线并平滑可视化。

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

Parameters:

• method: It is the smoothing method (function) to use for smoothing the line
• formula: It is the formula to use in the smoothing function

示例：使用 geom_smooth()

R

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

输出：

为了借助 geom_smooth()函数在图形介质上显示回归线，我们将方法传递为“loess”，使用的公式为 y ~ x。

示例： geom_smooth 与黄土模式

R

# 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，该函数用于线性回归，然后是 coefficients()。

示例：截距和坡度

R

# 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：

手动更改点颜色/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，我们使用其中之一 scale_color_manual()函数，用于缩放（地图）。

Syntax : 

• scale_shape_manualValue) for point shapes
• scale_color_manual(Value) for point colors
• scale_size_manual(Value) for point sizes

Parameter :

• values : A set of aesthetic values to map the data. Here we take desired set of colors.

Return : Scale the manual values of colors on data

示例：改变美学

R

# 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：

边际地毯到散点图

要将边际地毯添加到散点图中，我们将使用 geom_rug() 方法。

示例：边缘地毯

R

# 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：

在这里，我们将边际地毯添加到散点图中

示例：边缘地毯

R

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

输出：

具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 中的 geom_density_2d() 方法和 geom_density_2d_filled() 。

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

Parameters:

• fill: background color below the plot
• color: the color of the plotline
• alpha: transparency of graph

示例：具有二维密度估计的散点图

R

# 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() 可视化数据点内部的颜色情况

示例：添加美学

R

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() 也可用于部署二维密度估计。

示例：部署密度估计

R

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

输出：

带椭圆的散点图

要在一组数据点周围添加一个圆或椭圆，我们使用 stat_ellipse()函数。此函数自动计算圆/椭圆半径以通过分类数据围绕点簇绘制。

示例：带有椭圆的散点图

R

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

输出：