是Excel的图,不!是R的图

阿里云双11来了!从本博客参与阿里云,服务器最低只要86元/年!

原文章来源链接:https://brucezhaor.github.io/blog/2016/06/13/excel2ggplot/
原文章作者:BruceZhaoR(RStats, interested in Statistics Models, Machine/Deep Learning, Data visualization, High Performance Computing ...)
作者主页:https://github.com/BruceZhaoR

excel作为一个强大的统计工具,自身包含着一部分数据可视化的功能。R作为可视化的大势,自然也可以画出这些图,有一篇就通过ggplot2包进行了部分总结,甚是有趣,小编复刻学习了一番,现对代码做简单注释,以作分享。

关于excel,ppt,你还可以get

Excel改变了你的基因名,30% 相关Nature文章受影响,NCBI也受波及

推荐 3 个超赞的 EXCEL 插件,让你 5 分钟从小白变大神

你和PPT高手之间,就只差一个iSlide

加载所需工具包

library(ggplot2) #作图包
library(dplyr) #数据转换包
library(tidyr) #数据转换包
library(splines) #数据差值包

ggplot2的基本概念

数据data/映射美学asethetics/几何对象geometries/分面facets/统计statistics/坐标系coordinates/主题themes

数据准备

set.seed(123) #设定随机种子,保证做的图和样例一致样
df <- data.frame(
  var=LETTERS[1:10], #字母A-J
  id=1:10, #数字1-10
  a=runif(10), #10个随机数
  b=runif(10), #10个随机数
  c=runif(10), #10个随机数
  stringsAsFactors = F #不转换为因子
)
print(df) #显示数据

得到所需数据样式(宽矩阵转长矩阵)

df1<- df%>%gather("item",value,-1:-2)%>% bind_cols(data.frame(item_id=rep(1:3,each=10)))
# 使用tidyr和dplyr包的gather函数进行数据样式转换,%>%是dplyr包的传递函数
print(df1)

ggplot画图

ggplot2是图层式绘图,一层层添加修改,图层需要指定数据集,数据集中的内容(ase数据),geom_图形,stat统计转换,position图形位置

柱形图——geom_bar,注意position参数

ggplot(df1,aes(var,value))+
  geom_bar(aes(fill=item),stat = "identity",position="dodge",width=0.8)+
  labs(title="柱形图")            # geom_bar=stat_count,stat=identy接受两个变量作图,position默认参数是stack,position="dodge"时,不同变量横向排列
ggplot(df1,aes(var,value))+
  geom_bar(aes(fill=(item)),stat = "identity",position="stack",width=0.8)+
  labs(title="堆积柱状图")
ggplot(df1,aes(var,value))+
  geom_bar(aes(fill=item),stat = "identity",position="fill",width=0.8)+
  labs(title="百分比堆积柱状图")
ggplot(df1,aes(var,value))+
  geom_bar(aes(fill=item),stat = "identity",width=0.8)+
  facet_grid(item~.)+  # 垂直方向分割
  labs(title="三维柱形图")  # 平面展示,(facet_grid)将三维图平面展示


image

折线图——geom_line

变量以点展示,然后连点成线
ggplot(df1,aes(id,value,colour=item))+ # 点
  geom_line()+   # 连线
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+  #将X坐标轴改为十等分并标以字母
  labs(title="折线图")
ggplot(df1,aes(id,value,colour=item))+
  geom_line(position="stack")+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title="堆积折线图")
ggplot(df1,aes(id,value,colour=item))+
  geom_line(position="fill")+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title="百分比堆积折线图")
ggplot(df1,aes(id,value,colour=item))+
  geom_line()+
  geom_point()+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title="带标记的折线图")  #增加了散点图geom_point
ggplot(df1,aes(id,value,colour=item))+
  geom_line(position="stack")+
  geom_point(position="stack")+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title="带标记的堆积折线图")
ggplot(df1,aes(id,value,colour=item))+
  geom_line(aes(ymin=0),position="fill")+
  geom_point(aes(ymin=0),position="fill")+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title="带标记的百分比堆积折线图")
ggplot(df1,aes(id,value,colour=item))+
  facet_grid(item~.)+ # 垂直方向分割
  geom_line()+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title="三维折线图")  #用facet_grid平面展示,


image

饼图

饼图,将一般的柱图进行直角坐标轴到极坐标轴的转换(coord_polar())

ggplot(df,aes(x=factor(1),a,fill=factor(var)))+
  geom_bar(stat="identity",position="fill")+
  coord_polar(theta="y")+ # 按Y轴极坐标转换
  labs(title="饼图")因为是在条形图中对y轴进行极坐标转换,因此x轴长短需要一致,统一设为一个值,此处是x=factor(1)


image

复合饼图和复合条饼图

有嵌套类时,可以衍生一个图形展现子类内容,下图是一个demo,仅作为图案参考样式,还有许多需要改进的地方

df_tmp<-data.frame(x=1,y=1) #准备画布所需数据
base <- ggplot(df_tmp,aes(x,y))+
  geom_blank()+
  theme_void()+
  xlim(c(0,2))+
  ylim(c(0,2)) # 准备背景画布
base + annotation_custom(
  grob = ggplotGrob(
    ggplot(df,aes(x = "",a,fill=factor(var)))+  # 注释
    geom_bar(stat="identity",position="fill",
             show.legend = F)+
      labs(x=NULL,y=NULL)+
    coord_polar(theta="y")+
      theme_classic()),
  xmin =0,xmax=1,
  ymin=0.5,ymax = 1.5)+ # 图左
  annotation_custom(
    grob = ggplotGrob(
      ggplot(df,aes(x = "",b,fill=factor(var)))+
                        geom_bar(stat="identity",
                                 position="fill",
                                 show.legend = F)+
                        labs(x=NULL,y=NULL)+
                        coord_polar(theta="y")+
                        theme_classic()),
    xmin =1.1,xmax=1.9,
    ymin=0.6,ymax = 1.4)+ # 图右
  annotate("segment",x=0.5,xend=1.5,
           y=0.69,yend=0.77)+ # 下线条
  annotate("segment",x=0.5,xend=1.5,
           y=1.35,yend=1.28) # 上线条+
  labs(title="复合饼图")
# 复合条饼图
base <- ggplot(df_tmp,aes(x,y))+geom_blank()+theme_void()+
  xlim(c(0,2))+ylim(c(0,2)) # 背景画布
base + annotation_custom(
  grob = ggplotGrob(
    ggplot(df,aes(x = "",a,fill=factor(var)))+
                      geom_bar(stat="identity",
                      position="fill",
                      show.legend = F)+
                      labs(x=NULL,y=NULL)+
                      coord_polar(theta="y")+theme_void()), # 饼图比条形图多了一个极坐标转换
  xmin =0,xmax=1,
  ymin=0.5,ymax = 1.5)+ # 左图
      annotation_custom(
    grob = ggplotGrob(
      ggplot(df,aes(x = "",b,fill=factor(var)))+
                        geom_bar(stat="identity",
                                 position="fill",
                                 show.legend = F)+
                        labs(x=NULL,y=NULL)+theme_void()),
    xmin =1.2,xmax=1.8,ymin=0.8,ymax = 1.2)+ # 右图
  annotate("segment",x=0.5,xend=1.24,y=0.64,yend=0.84)+ # 下线段
  annotate("segment",x=0.5,xend=1.24,y=1.38,yend=1.18)+ # 上线段
  labs(title="复合条饼图")


image

圆环图

一个圆环代表一个变量,颜色表示其属性

ggplot(df1,aes(x = item,value,fill=var))+
  geom_bar(stat="identity",position="fill",width=0.8,colour="black")+
  coord_polar(theta="y")


image

其他圆形图

用coord_polar作出的demo图

demo1<-ggplot(df,aes(x = factor(1),a,fill=factor(var)))+
  geom_bar(stat="identity",position="dodge")
demo1 #柱形图
demo1+coord_polar(theta="y") # 按y轴极坐标转换
demo1+coord_polar(theta="x") # 按X轴极坐标转换,此时x还可以等于var
demo2<-ggplot(df1,aes(x = id,value,fill=item))+
  geom_bar(stat="identity",position="fill",width=0.8)
demo2 # 百分比柱形图
demo2+coord_polar(theta="x") # 按x轴极坐标转换


image

条形图

条形图就是横过来的柱形图,用函数coord_filp()处理逆时针旋转90°

ggplot(df1,aes(var,value))+
  geom_bar(aes(fill=item),stat = "identity",position="dodge",width=0.8)+
  labs(title="条形图")+
  coord_flip() # 和柱形图代码的唯一区别coord_flip()
ggplot(df1,aes(var,value))+
  geom_bar(aes(fill=item),stat = "identity",position="stack",width=0.8)+
  labs(title="堆积条形图")+
  coord_flip()
ggplot(df1,aes(var,value))+
  geom_bar(aes(fill=item),stat = "identity",position="fill",width=0.8)+
  labs(title="百分比堆积条形图",fill="")+
  coord_flip()
ggplot(df1,aes(var,value))+
  geom_bar(aes(fill=item),stat = "identity",position="dodge",width=0.8)+
  labs(title="三维百分比条形图",fill="")+
  coord_flip()+
  facet_grid(.~item) # 水平方向分割,用多个分面展示多维


image

面积图——geom_area

面积图就是将折线图下面的区域标注颜色,表示面积。

ggplot(df1,aes(id,value))+
  geom_area(aes(fill=item),position=position_dodge(width = 0),
            alpha=0.5)+ # 暗色不透明度
  labs(title="面积图",fill="")+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])
ggplot(df1,aes(id,value))+
  geom_area(aes(fill=item),alpha=0.5)+
  labs(title="堆积面积图")+  # 区别堆积折线图是少了`position=stack`
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])
ggplot(df1,aes(id,value))+
  geom_area(aes(fill=item),position="fill",alpha=0.5)+
  labs(title="百分比堆积面积图",fill="")+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])
ggplot(df1,aes(id,value))+
  geom_area(aes(fill=item),position="stack",alpha=0.5)+
  # 区别于三维折线图添加了`position=stack`,便于分割后更好观察面积分布
  labs(title="三维百分比堆积面积图",fill="")+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  facet_grid(item~.) # 按垂直水平分割


image

XY散点图

需要注意的是确定X,Y轴以后,需要把对应的值赋到图中

ggplot(df1,aes(var,value))+
  geom_point(aes(colour=item))+
  labs(title = "散点图")
df1_a<-df1 %>% filter(item=="a") %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame()
df1_b<-df1 %>% filter(item=="b") %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame()
df1_c<-df1 %>% filter(item=="c") %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame()
# 分开获得需要a,b,c的数据value,并被等分为1000份,用spline曲线连接,转换为数据框格式
df1_sp<-bind_rows(df1_a,df1_b,df1_c) %>%
  mutate(item=rep(letters[1:3],each=1000))    # 添加1列item
ggplot()+
  geom_point(data=df1,aes(id,value,colour=item))+
  geom_line(data=df1_sp,aes(x,y,colour=item))+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title = "带平滑线和数据标记的散点图") # 点加线
ggplot(df1,aes(id,value,colour=item))+
  geom_point()+
  geom_line()+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title = "带直线和点数据标记的散点图")
ggplot(df1,aes(id,value,colour=item))+
  geom_line()+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title = "带直线的散点图") # 就是折线图


image

气泡图

气泡图即点的大小表示数值大小的点图

ggplot(df1,aes(id,value,colour=item))+
  geom_point(aes(size=value))+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])
# `size=value`给点赋予数值大小属性


image

股价图

ggplot(df)+
  geom_point(aes(Sys.Date()-1:10,c))+
  geom_linerange(aes(Sys.Date()-1:10,ymin=a,ymax=b))+
  labs(title="已知盘高-盘低-收盘图")
# `Sys.Date`返还任一日期时间,c是收盘量
# `geom_linerange`是由a,b两个对象的ymin和ymax定义的垂直区间线图
ggplot(df)+
  geom_point(aes(Sys.Date()-1:10,c))+
  geom_linerange(aes(Sys.Date()-1:10,ymin=a,ymax=b))+
  geom_crossbar(aes(Sys.Date()-1:10,c,ymin=a,ymax=c),width=0.2)+
  labs(title="已知开盘-盘高-盘低-收盘图")
# 在已知盘高-盘底-收盘图的基础上加上`geom_crossbar`,这里是连系a的最小和c的最大值,
# geom_crossbar(): 空心柱,上中下三条线分别代表ymax,mean,ymin
ggplot(data = filter(df1,item != "c"),
       aes(rep(Sys.Date()-1:10,3),value))+
  facet_grid(item~.,scale="free")+
  geom_point(data = filter(df1,item == "a"),
            aes(Sys.Date()-1:10,value))+
  geom_linerange(data = filter(df1,item == "a"),
                 aes(Sys.Date()-1:10,value,
                     ymin=value-runif(10),
                     ymax=value+runif(10)))+
  geom_bar(data = filter(df1,item == "b"),
           aes(Sys.Date()-1:10,value*1000),
           stat="identity")+
  labs(title="成交量-盘高-盘低-收盘图")
# 点和线距图是对象a的数据有盘高盘低,条形图是关于对象b的图,成交量
#  facet_grid(item~.,scale="free"),垂直分割,且不同形式的图表可以被分割出来
ggplot(data = filter(df1,item != "c"),
       aes(rep(Sys.Date()-1:10,3),value))+
  facet_grid(item~.,scale="free")+
  geom_point(data = filter(df1,item == "a"),
             aes(Sys.Date()-1:10,value))+
  geom_linerange(data = filter(df1,item == "a"),
                 aes(Sys.Date()-1:10,value,
                     ymin=value-runif(10),
                     ymax=value+runif(10)))+
  geom_crossbar(data = filter(df1,item == "a"),
                aes(Sys.Date()-1:10,value,
                    ymin=value-runif(10),
                    ymax=value+runif(10)),
                width=0.2)+
  geom_bar(data = filter(df1,item == "b"),
           aes(Sys.Date()-1:10,value*1000),
           stat="identity")+
  labs(title="已知成交量-开盘-盘高-盘低-收盘图")
# 在上一个图的基础上加了个`geom_crossbar`,筛选对象b作为开盘


image

曲面图——geom_contour

三维图形,下图是对密度的一个二维密度估计

ggplot(df1,aes(id,item_id))+
  geom_contour(aes(z=value,colour=..level..),
               binwidth=0.001)+
  scale_colour_gradientn(colours = terrain.colors(10))+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  scale_y_continuous(breaks = 1:3,labels = letters[1:3])+
  labs(title="曲面图")
# binwidth设置组距,值越小画得线越多,密度图函数colour设置等高线颜色
ggplot(df1,aes(id,item_id))+
  geom_contour(aes(z=value,colour=..level..),
               binwidth=0.1)+
  scale_colour_gradientn(colours = terrain.colors(10))+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  scale_y_continuous(breaks = 1:3,labels = letters[1:3])+
  labs(title="曲面图(框架图)")
# 用不同颜色等高线画框架图,和上图比增加了组距。


image

雷达图

ggplot(df1,aes(id,value,colour=item))+
  geom_bar(stat="identity",
           position="dodge", # 普通柱形图
           fill="transparent",# 填充透明度
           size=1)+
  coord_polar()+ #极坐标转换
  scale_x_continuous(breaks = 1:5,labels = LETTERS[1:5])+
  facet_wrap(~item,nrow=2)+ # 水平分割,分割后的图呈两行排列
  labs(title="雷达图")
# 雷达图就是极坐标转换后的普通柱形图,加了透明背景框,相当于其他透明图
ggplot(df1,aes(id,value,colour=item))+
  geom_bar(stat="identity",
           position="dodge",
           fill="transparent",
           size=1,
           width=0.5)+
  geom_point()+
  coord_polar()+
  scale_x_continuous(breaks = 1:5,labels = LETTERS[1:5])+
  facet_wrap(~item,nrow=2)+
  labs(title="带数据标记的雷达图")
# 在geom_bar的基础上加上了以三个对象a,b,c,的值为点的点图geom_point
ggplot(df1,aes(id,value))+
  geom_bar(aes(fill=item),stat="identity",
           position="dodge")+ # 以item项的值映射柱形图的表达值
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ # x轴分成了十等份
  coord_polar()+
  facet_wrap(~item,nrow=2)+
  labs(title="填充雷达图")


image

直方图

直方图是先把数据划分区间,按从小到大的顺序排列,并以柱状图的形式表现

ggplot(df1,aes(value))+
  geom_histogram(bins=5,colour="white") # 映射value表达值,边界框是白色
# 排列图(数据从小到大排列)
df_tmp2<-df %>% select(1:3) %>% # 前三列
  arrange(a) %>%  #按列a的值从小到大排序
  mutate(per = a/sum(a))  %>%  # 增加per列,值为对应总数的比例
  arrange(desc(a)) %>%        # 重新按列a的值从达到小排列
  mutate(new_id = 1:10)%>%    # 增加new_id列
  mutate(per = cumsum(per))   # 将per列的值按new_id的顺序逐个叠加
ggplot(df_tmp2)+
  geom_bar(aes(new_id,a,fill=var),stat="identity")+ # fill=var添加图例并按照图例上色
  geom_line(aes(new_id,per))+
  scale_x_continuous(breaks = 1:10,
                     labels = df_tmp2$var)
# 令X轴的值为df_tmp2的var


image

箱型图

箱型图是用分位数表述数据的离散和集中趋势

ggplot(df1,aes(item,value,colour=item))+
  geom_boxplot(aes(fill=item),alpha=0.2,
               outlier.colour = "red",
               outlier.shape = 2,
               outlier.size = 5,
               coef=1.5)+ # 箱线图的异常值设定,边框为红色,形状为2指代的三角形,大小为5,参数coef指定了“须”的长度的极限值,默认值是1.5,表示两条须的极限不会超过盒型各端加1.5倍四分位距的范围,如果被置为0,条须的延长极限就会在数据集中元素的极限位置,图中不会有任何离群点。geom_jitter(width = 0.1) # geom_jitter()是geom_point(position="jitter")的简称,带状图,一维散点图。


image

瀑布图

瀑布图可表现图形涨跌趋势,后一个柱子和前一个柱子有增长和下降的关系。

df_tmp3 <- df %>%select(1:3)%>%mutate(cum=cumsum(a) ,low=lag(cum,default = 0)) 
# 新增一列cum,值为对应a值逐个叠加,新增加一列low,对应的是同一行的cum的上一个值,开始值是0.
ggplot(df_tmp3,aes(id,cum))+
#  geom_step(colour="grey50")+ 是梯线
  geom_crossbar(aes(ymin=low,ymax=cum),
                size=0,
                fill="skyblue",
                colour="grey50", # 边框颜色
                width=1)+
  scale_x_continuous(breaks = 1:10,
                     labels = LETTERS[1:10]) #geom_crossbar(): 空心柱,上下两条线分别代表ymax、ymin


image

漏斗图

漏斗图的数据分布在图形中间,用coord_flip()转换方向,可以看到不同组的最大,最小值的差异

df_tmp4<-df %>% select(1:3) %>%
  arrange(a) %>%
  mutate(new_id=1:10,
         ymin = (1-a)/2,
         ymax = a+(1-a)/2,
         mid = 0.5) # 新增四列,new_id,ymin,ymax和min列
ggplot(df_tmp4,aes(new_id,mid))+
  #  geom_step(colour="grey50")+
  geom_crossbar(aes(ymin=ymin,ymax=ymax),
                size=0,
                fill="skyblue",
                colour="grey50",
                width=1)+
  scale_x_continuous(breaks = 1:10,
                     labels = df_tmp4$var)+
  coord_flip() # 整个图形逆时针转90度
# geom_crossbar()空心柱
ggplot(df_tmp4,aes(new_id,mid))+
  geom_linerange(aes(ymin=ymin,ymax=ymax,
                     colour=factor(new_id)),
                size=15,
                alpha=0.5,show.legend = F)+
  scale_x_continuous(breaks = 1:10,
                     labels = df_tmp4$var)+
  coord_flip()


image
https://www.jianshu.com/p/6608555f50d1

Python量化投资网携手4326手游为资深游戏玩家推荐:《《荒野行动》:荒野黑魔法降临!您好!已为您买好了下一班的飞机票!

「点点赞赏,手留余香」

    还没有人赞赏,快来当第一个赞赏的人吧!
0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论