ggplot2高效实用指南 (可视化脚本、工具、套路、配色)

2022-6-28 萌小白

作者：严涛浙江大学作物遗传育种在读研究生（生物信息学方向）伪码农，R语言爱好者，爱开源

编者按：数据可视化是解析、理解和展示数据不可缺少的一部分。炫或不炫看个人喜好和功底，能否达意是最基本的要求---最合适的图示和配色表达最直观的含义。长文多图预警，这是关于ggplot2使用的极详细教程（190+图），是入门和晋级参考的不二手册。

前面部分是关于qplot的使用，后面是 ggplot2 图层的使用。原文使用R自带数据集，后面有生信宝典出品的针对生信常见作图的ggplot2使用教程。为完善之际，本文整理了关于可视化套路(什么图适合做什么), 图形配色(美观不突兀)和多种在线、本地、编程和界面类绘图工具和脚本供集中学习和收藏使用。

简介

本文内容基本是来源于STHDA，这是一份十分详细的 ggplot2使用指南，因此我将其翻译成中文，一是有助于我自己学习理解，另外其他R语言爱好者或者可视化爱好者可以用来学习。翻译过程肯定不能十全十美，各位读者有建议或改进的话，十分欢迎发 Email([email protected])给我。

ggplot2是由 Hadley Wickham创建的一个十分强大的可视化R包。按照 ggplot2的绘图理念，Plot(图)= data(数据集)+ Aesthetics(美学映射)+ Geometry(几何对象)：

data: 数据集，主要是data frame；

Aesthetics: 美学映射，比如将变量映射给x,y坐标轴，或者映射给颜色、大小、形状等图形属性；

Geometry: 几何对象，比如柱形图、直方图、散点图、线图、密度图等。

在 ggplot2中有两个主要绘图函数：qplot以及ggplot。

qplot: 顾名思义，快速绘图；

ggplot：此函数才是 ggplot2 的精髓，远比qplot强大，可以一步步绘制十分复杂的图形。

由 ggplot2绘制出来的ggplot图可以作为一个变量，然后由print显示出来。

图形类型

根据数据集， ggplot2提供不同的方法绘制图形，主要是为下面几类数据类型提供绘图方法：

一个变量x: 连续或离散

两个变量x&y：连续和(或)离散

连续双变量分布x&y: 都是连续

误差棒

地图

三变量

安装及加载

安装 ggplot2提供三种方式：

#直接安装tidyverse，一劳永逸（推荐,数据分析大礼包）

install.packages("tidyverse")

#直接安装ggplot2

install.packages("ggplot2")

#从Github上安装最新的版本，先安装devtools(如果没安装的话)

devtools::install_github("tidyverse/ggplot2")

加载

library(ggplot2) 数据准备

数据集应该数据框data.frame

本文将使用数据集 mtcars。

#load the data set

data(mtcars)

df <- mtcars[, c("mpg","cyl","wt")]

#将cyl转为因子型factor

df$cyl <- as.factor(df$cyl)

head(df) ## mpg cyl wt

## Mazda RX4 21.0 6 2.620

## Mazda RX4 Wag 21.0 6 2.875

## Datsun 710 22.8 4 2.320

## Hornet 4 Drive 21.4 6 3.215

## Hornet Sportabout 18.7 8 3.440

## Valiant 18.1 6 3.460 qplot

qplot类似于R基本绘图函数plot,可以快速绘制常见的几种图形：、、、直方图以及密度曲线图。其绘图格式为：

qplot(x, y=NULL, data, geom="auto")

其中：

x,y: 根据需要绘制的图形使用;

data：数据集;

geom：几何图形，变量x,y同时指定的话默认为散点图，只指定x的话默认为直方图。

散点图

R语言学习 - 箱线图（小提琴图、抖动图、区域散点图）

qplot(x=mpg, y=wt, data=df, geom = "point")

也可以添加平滑曲线

qplot(x=mpg, y=wt, data = df, geom = c("point", "smooth"))

还有其他参数可以修改，比如点的形状、大小、颜色等

#将变量cyl映射给颜色和形状

qplot(x=mpg, y=wt, data = df, colour=cyl, shape=cyl)

箱线图、小提琴图、点图 #构造数据集

set.seed(1234)

wdata <- data.frame(

sex=factor(rep(c("F", "M"), each=200)),

weight=c(rnorm(200, 55), rnorm(200, 58))

)

head(wdata) ## sex weight

## 1 F 53.79293

## 2 F 55.27743

## 3 F 56.08444

## 4 F 52.65430

## 5 F 55.42912

## 6 F 55.50606

箱线图

qplot(sex, weight, data = wdata, geom = "boxplot", fill=sex)

小提琴图

qplot(sex, weight, data = wdata, geom = "violin")

点图

qplot(sex, weight, data = wdata, geom = "dotplot", stackdir="center", binaxis="y", dotsize=0.5, color=sex)

直方图、密度图

直方图

qplot(weight, data = wdata, geom = "histogram", fill=sex)

密度图

qplot(weight, data = wdata, geom = "density", color=sex, linetype=sex)

ggplot

上文中的qplot绘制散点图：

qplot(x=mpg, y=wt, data=df, geom = "point")

在ggplot中完全可以如下实现：

ggplot(data=df, aes(x=mpg, y=wt))+

geom_point

改变点形状、大小、颜色等属性

ggplot(data=df, aes(x=mpg, y=wt))+geom_point(color="blue", size=2, shape=23)

绘图过程中常常要用到转换(transformation),这时添加图层的另一个方法是用stat_*函数。

下例中的geom_density与stat_density是等价的

ggplot(wdata, aes(x=weight))+geom_density

等价于

ggplot(wdata, aes(x=weight))+stat_density

对于每一种几何图形。 ggplot2基本都提供了 geom 和 stat

一个变量：连续型

使用数据集wdata，先计算出不同性别的体重平均值

library(plyr)

mu <- ddply(wdata, "sex", summarise, grp.mean=mean(weight))

先绘制一个图层a,后面逐步添加图层

a <- ggplot(wdata, aes(x=weight))

可能添加的图层有：

对于一个连续变量：

面积图geom_area

密度图geom_density

点图geom_dotplot

频率多边图geom_freqpoly

直方图geom_histogram

经验累积密度图stat_ecdf

QQ图stat_qq

对于一个离散变量：

条形图geom_bar

面积图 a+geom_area(stat = "bin")

改变颜色

a+geom_area(aes(fill=sex), stat = "bin", alpha=0.6)+

theme_classic

注意：y轴默认为变量weight的数量即count，如果y轴要显示密度，可用以下代码：

a+geom_area(aes(y=..density..), stat = "bin")

可以通过修改不同属性如透明度、填充颜色、大小、线型等自定义图形：

密度图

使用以下函数：

geom_density:绘制密度图

geom_vline:添加竖直线

scale_color_manual:手动修改颜色

a+geom_density

根据sex修改颜色，将sex映射给line颜色

a+geom_density(aes(color=sex))

修改填充颜色以及透明度

a+geom_density(aes(fill=sex), alpha=0.4)

添加均值线以及手动修改颜色

a+geom_density(aes(color=sex))+

geom_vline(data=mu, aes(xintercept=grp.mean, color=sex), linetype="dashed")+

scale_color_manual(values = c("red", "blue"))

点图 a+geom_dotplot

将sex映射给颜色

a+geom_dotplot(aes(fill=sex))

手动修改颜色

a+geom_dotplot(aes(fill=sex))+

scale_fill_manual(values=c("#999999", "#E69F00"))

频率多边图 a+geom_freqpoly

y轴显示为密度

a+geom_freqpoly(aes(y=..density..))+

theme_minimal

修改颜色以及线型

a+geom_freqpoly(aes(color=sex, linetype=sex))+

theme_minimal

直方图 a+geom_histogram

将sex映射给线颜色

a+geom_histogram(aes(color=sex), fill="white", position = "dodge")+theme_classic

经验累积密度图 a+stat_ecdf

QQ图 ggplot(data = mtcars, aes(sample=mpg))+stat_qq 一个离散变量 #加载数据集

data(mpg)

b <- ggplot(mpg, aes(x=fl))

b+geom_bar

修改填充颜色

b+geom_bar(fill="steelblue", color="black")+theme_classic

两个变量：x,y皆连续

使用数据集mtcars，先创建一个ggplot图层

b <- ggplot(data = mtcars, aes(x=wt, y=mpg))

可能添加的图层有：

geom_point:散点图

geom_smooth:平滑线

geom_quantile:分位线

geom_rug:边际地毯线

geom_jitter:避免重叠

geom_text:添加文本注释

散点图 b+geom_point

将变量cyl映射给点的颜色和形状

b + geom_point(aes(color = factor(cyl), shape = factor(cyl)))

自定义颜色

b+geom_point(aes(color=factor(cyl), shape=factor(cyl)))+

scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9"))+theme_classic

平滑线

可以添加回归曲线

b+geom_smooth

散点图+回归线

b+geom_point+

geom_smooth(method = "lm", se=FALSE)#去掉置信区间

使用loess方法

b+geom_point+

geom_smooth(method = "loess")

将变量映射给颜色和形状

b+geom_point(aes(color=factor(cyl), shape=factor(cyl)))+

geom_smooth(aes(color=factor(cyl), shape=factor(cyl)), method = "lm", se=FALSE, fullrange=TRUE)

分位线 ggplot(data = mpg, aes(cty, hwy))+

geom_point+geom_quantile+

theme_minimal

边际地毯线

使用数据集 faithful

ggplot(data = faithful, aes(x=eruptions, y=waiting))+

geom_point+geom_rug

避免重叠

实际上 geom_jitter 是 geom_point(position="jitter") 的简称,下面使用数据集 mpg

p <- ggplot(data = mpg, aes(displ, hwy))

p+geom_point

增加抖动防止重叠

p+geom_jitter(width = 0.5, height = 0.5)

其中两个参数：

width：x轴方向的抖动幅度

height：y轴方向的抖动幅度

文本注释

参数label用来指定注释标签 (ggrepel可以避免标签重叠)

b+geom_text(aes(label=rownames(mtcars)))

两个变量：连续二元分布

使用数据集 diamonds

head(diamonds[, c("carat", "price")]) ## # A tibble: 6 x 2

## carat price

## <dbl> <int>

## 1 0.23 326

## 2 0.21 326

## 3 0.23 327

## 4 0.29 334

## 5 0.31 335

## 6 0.24 336

创建ggplot图层,后面再逐步添加图层

c <- ggplot(data=diamonds, aes(carat, price))

可添加的图层有：

geom_bin2d: 二维封箱热图

geom_hex: 六边形封箱图

geom_density_2d: 二维等高线密度图

二维封箱热图

geom_bin2d 将点的数量用矩形封装起来，通过颜色深浅来反映点密度

c+geom_bin2d

设置bin的数量

c+geom_bin2d(bins=150)

六边形封箱图

geom_hex依赖于另一个R包 hexbin，所以没安装的先安装：

install.packages("hexbin") library(hexbin)

c+geom_hex

修改bin的数目

c+geom_hex(bins=10)

二维等高线密度图 sp <- ggplot(faithful, aes(x=eruptions, y=waiting))

sp+geom_point+ geom_density_2d

两个变量：连续函数

主要是如何通过线来连接两个变量，使用数据集 economics。

head(economics) ## # A tibble: 6 x 6

## date pce pop psavert uempmed unemploy

## <date> <dbl> <int> <dbl> <dbl> <int>

## 1 1967-07-01 507.4 198712 12.5 4.5 2944

## 2 1967-08-01 510.5 198911 12.5 4.7 2945

## 3 1967-09-01 516.3 199113 11.7 4.6 2958

## 4 1967-10-01 512.9 199311 12.5 4.9 3143

## 5 1967-11-01 518.1 199498 12.5 4.7 3066

## 6 1967-12-01 525.8 199657 12.1 4.8 3018

先创建一个ggplot图层，后面逐步添加图层

d <- ggplot(data = economics, aes(x=date, y=unemploy))

可添加的图层有：

geom_area:面积图

geom_line：折线图

geom_step: 阶梯图

面积图 d+geom_area

线图 d+geom_line

阶梯图 set.seed(1111)

ss <- economics[sample(1:nrow(economics), 20),]

ggplot(ss, aes(x=date, y=unemploy))+

geom_step

两个变量：x离散，y连续

使用数据集 ToothGrowth,其中的变量len(Tooth length)是连续变量，dose是离散变量。

ToothGrowth$dose <- as.factor(ToothGrowth$dose)

head(ToothGrowth) ## len supp dose

## 1 4.2 VC 0.5

## 2 11.5 VC 0.5

## 3 7.3 VC 0.5

## 4 5.8 VC 0.5

## 5 6.4 VC 0.5

## 6 10.0 VC 0.5

创建图层

e <- ggplot(data = ToothGrowth, aes(x=dose, y=len))

可添加的图层有：

geom_boxplot: 箱线图

geom_violin：小提琴图

geom_dotplot：点图

geom_jitter: 带状图

geom_line: 线图

geom_bar: 条形图

箱线图 e+geom_boxplot

添加有缺口的箱线图

e+geom_boxplot(notch = TRUE)

按dose分组映射给颜色

e+geom_boxplot(aes(color=dose))

将dose映射给填充颜色

e+geom_boxplot(aes(fill=dose))

按supp进行分类并映射给填充颜色

ggplot(ToothGrowth, aes(x=dose, y=len))+ geom_boxplot(aes(fill=supp))

小提琴图 e+geom_violin(trim = FALSE)

添加中值点

e+geom_violin(trim = FALSE)+

stat_summary(fun.data = mean_sdl, fun.args = list(mult=1),

geom="pointrange", color="red")

与箱线图结合

e+geom_violin(trim = FALSE)+

geom_boxplot(width=0.2)

将dose映射给颜色进行分组

e+geom_violin(aes(color=dose), trim = FALSE)

点图 e+geom_dotplot(binaxis = "y", stackdir = "center")

添加中值点

e + geom_dotplot(binaxis = "y", stackdir = "center") +

stat_summary(fun.data=mean_sdl, color = "red",geom = "pointrange",fun.args=list(mult=1))

与箱线图结合

e + geom_boxplot +

geom_dotplot(binaxis = "y", stackdir = "center")

添加小提琴图

e + geom_violin(trim = FALSE) +

geom_dotplot(binaxis='y', stackdir='center')

将dose映射给颜色以及填充色

e + geom_dotplot(aes(color = dose, fill = dose),

binaxis = "y", stackdir = "center")

带状图

带状图是一种一维散点图，当样本量很小时，与箱线图相当

e + geom_jitter(position=position_jitter(0.2))

添加中值点

e + geom_jitter(position=position_jitter(0.2)) +

stat_summary(fun.data="mean_sdl", fun.args = list(mult=1),

geom="pointrange", color = "red")

与点图结合

e + geom_jitter(position=position_jitter(0.2)) +

geom_dotplot(binaxis = "y", stackdir = "center")

与小提琴图结合

e + geom_violin(trim = FALSE) +

geom_jitter(position=position_jitter(0.2))

将dose映射给颜色和形状

e + geom_jitter(aes(color = dose, shape = dose),

position=position_jitter(0.2))

线图 #构造数据集

df <- data.frame(supp=rep(c("VC", "OJ"), each=3),

dose=rep(c("D0.5", "D1", "D2"),2),

len=c(6.8, 15, 33, 4.2, 10, 29.5))

head(df) ## supp dose len

## 1 VC D0.5 6.8

## 2 VC D1 15.0

## 3 VC D2 33.0

## 4 OJ D0.5 4.2

## 5 OJ D1 10.0

## 6 OJ D2 29.5

将supp映射线型

ggplot(df, aes(x=dose, y=len, group=supp)) +

geom_line(aes(linetype=supp))+

geom_point

修改线型、点的形状以及颜色

ggplot(df, aes(x=dose, y=len, group=supp)) +

geom_line(aes(linetype=supp, color = supp))+

geom_point(aes(shape=supp, color = supp))

条形图 #构造数据集

df <- data.frame(dose=c("D0.5", "D1", "D2"),

len=c(4.2, 10, 29.5))

head(df) ## dose len

## 1 D0.5 4.2

## 2 D1 10.0

## 3 D2 29.5 df2 <- data.frame(supp=rep(c("VC", "OJ"), each=3),

dose=rep(c("D0.5", "D1", "D2"),2),

len=c(6.8, 15, 33, 4.2, 10, 29.5))

head(df2) ## supp dose len

## 1 VC D0.5 6.8

## 2 VC D1 15.0

## 3 VC D2 33.0

## 4 OJ D0.5 4.2

## 5 OJ D1 10.0

## 6 OJ D2 29.5

创建图层

f <- ggplot(df, aes(x = dose, y = len))

f + geom_bar(stat = "identity")

修改填充色以及添加标签

f + geom_bar(stat="identity", fill="steelblue")+

geom_text(aes(label=len), vjust=-0.3, size=3.5)+

theme_minimal

将dose映射给条形图颜色

f + geom_bar(aes(color = dose),

stat="identity", fill="white")

修改填充色

f + geom_bar(aes(fill = dose), stat="identity")

将变量supp映射给填充色，从而达到分组效果

g <- ggplot(data=df2, aes(x=dose, y=len, fill=supp))

g + geom_bar(stat = "identity")#position默认为stack

修改position为dodge

g + geom_bar(stat="identity", position=position_dodge)

两个变量：x、y皆离散

使用数据集diamonds中的两个离散变量color以及cut

ggplot(diamonds, aes(cut, color)) +

geom_jitter(aes(color = cut), size = 0.5)

两个变量：绘制误差图 df <- ToothGrowth

df$dose <- as.factor(df$dose)

head(df) ## len supp dose

## 1 4.2 VC 0.5

## 2 11.5 VC 0.5

## 3 7.3 VC 0.5

## 4 5.8 VC 0.5

## 5 6.4 VC 0.5

## 6 10.0 VC 0.5

绘制误差图需要知道均值以及标准误，下面这个函数用来计算每组的均值以及标准误。

data_summary <- function(data, varname, grps){

require(plyr)

summary_func <- function(x, col){

c(mean = mean(x[[col]], na.rm=TRUE),

sd = sd(x[[col]], na.rm=TRUE))

}

data_sum<-ddply(data, grps, .fun=summary_func, varname)

data_sum <- rename(data_sum, c("mean" = varname))

return(data_sum)

}

计算均值以及标准误

df2 <- data_summary(df, varname="len", grps= "dose")

# Convert dose to a factor variable

df2$dose=as.factor(df2$dose)

head(df2) ## dose len sd

## 1 0.5 10.605 4.499763

## 2 1 19.735 4.415436

## 3 2 26.100 3.774150

创建图层

f <- ggplot(df2, aes(x = dose, y = len,

ymin = len-sd, ymax = len+sd))

可添加的图层有：

geom_crossbar: 空心柱，上中下三线分别代表ymax、mean、ymin

geom_errorbar: 误差棒

geom_errorbarh: 水平误差棒

geom_linerange：竖直误差线

geom_pointrange：中间为一点的误差线

具体如下：

geom_crossbar f+geom_crossbar

将dose映射给颜色

f+geom_crossbar(aes(color=dose))

自定义颜色

f+geom_crossbar(aes(color=dose))+

scale_color_manual(values = c("#999999", "#E69F00", "#56B4E9"))+theme_classic

修改填充色

f+geom_crossbar(aes(fill=dose))+

scale_fill_manual(values = c("#999999", "#E69F00", "#56B4E9"))+

theme_classic

通过将supp映射给颜色实现分组，可以利用函数stat_summary来计算mean和sd

f <- ggplot(df, aes(x=dose, y=len, color=supp))

f+stat_summary(fun.data = mean_sdl, fun.args = list(mult=1), geom="crossbar", width=0.6, position = position_dodge(0.8))

误差棒 f <- ggplot(df2, aes(x=dose, y=len, ymin=len-sd, ymax=len+sd))

将dose映射给颜色

f+geom_errorbar(aes(color=dose), width=0.2)

与线图结合

f+geom_line(aes(group=1))+

geom_errorbar(width=0.15)

与条形图结合，并将变量dose映射给颜色

f+geom_bar(aes(color=dose), stat = "identity", fill="white")+

geom_errorbar(aes(color=dose), width=0.1)

水平误差棒 #构造数据集

df2 <- data_summary(ToothGrowth, varname="len", grps = "dose")

df2$dose <- as.factor(df2$dose)

head(df2) ## dose len sd

## 1 0.5 10.605 4.499763

## 2 1 19.735 4.415436

## 3 2 26.100 3.774150

创建图层

f <- ggplot(data = df2, aes(x=len, y=dose,xmin=len-sd, xmax=len+sd))

参数xmin与xmax用来设置水平误差棒

f+geom_errorbarh

通过映射实现分组

f+geom_errorbarh(aes(color=dose))

geom_linerange与geom_pointrange f <- ggplot(df2, aes(x=dose, y=len, ymin=len-sd, ymax=len+sd))

line range

f+geom_linerange

point range

f+geom_pointrange

点图+误差棒 g <- ggplot(df, aes(x=dose, y=len))+

geom_dotplot(binaxis = "y", stackdir = "center")

添加geom_crossbar

g+stat_summary(fun.data = mean_sdl, fun.args = list(mult=1), geom="crossbar", color="red", width=0.1)

添加geom_errorbar

g + stat_summary(fun.data=mean_sdl, fun.args = list(mult=1),

geom="errorbar", color="red", width=0.2) +

stat_summary(fun.y=mean, geom="point", color="red")

添加geom_pointrange

g + stat_summary(fun.data=mean_sdl, fun.args = list(mult=1),

geom="pointrange", color="red")

两个变量：地图绘制

ggplot2提供了绘制地图的函数 geom_map ，依赖于包 maps提供地理信息。

安装 map

install.paclages("maps")

下面将绘制美国地图，数据集采用 USArrests

library(maps)

head(USArrests) ## Murder Assault UrbanPop Rape

## Alabama 13.2 236 58 21.2

## Alaska 10.0 263 48 44.5

## Arizona 8.1 294 80 31.0

## Arkansas 8.8 190 50 19.5

## California 9.0 276 91 40.6

## Colorado 7.9 204 78 38.7

对数据进行整理一下,添加一列state

crimes <- data.frame(state=tolower(rownames(USArrests)), USArrests)

head(crimes) ## Murder Assault UrbanPop Rape

## Alabama 13.2 236 58 21.2

## Alaska 10.0 263 48 44.5

## Arizona 8.1 294 80 31.0

## Arkansas 8.8 190 50 19.5

## California 9.0 276 91 40.6

## Colorado 7.9 204 78 38.7 #数据重铸

library(reshape2)

crimesm <- melt(crimes, id=1)

head(crimesm) ## state variable value

## 1 alabama Murder 13.2

## 2 alaska Murder 10.0

## 3 arizona Murder 8.1

## 4 arkansas Murder 8.8

## 5 california Murder 9.0

## 6 colorado Murder 7.9 map_data <- map_data("state")

#绘制地图，使用Murder进行着色

ggplot(crimes, aes(map_id=state))+

geom_map(aes(fill=Murder), map=map_data)+

expand_limits(x=map_data$long, y=map_data$lat)

三个变量

使用数据集 mtcars，首先绘制一个相关性图

#构造数据

df <- mtcars[, c(1,3,4,5,6,7)]

head(df) ## mpg disp hp drat wt qsec

## Mazda RX4 21.0 160 110 3.90 2.620 16.46

## Mazda RX4 Wag 21.0 160 110 3.90 2.875 17.02

## Datsun 710 22.8 108 93 3.85 2.320 18.61

## Hornet 4 Drive 21.4 258 110 3.08 3.215 19.44

## Hornet Sportabout 18.7 360 175 3.15 3.440 17.02

## Valiant 18.1 225 105 2.76 3.460 20.22 cormat <- round(cor(df), 2)

cormat_melt <- melt(cormat)

head(cormat) ## mpg disp hp drat wt qsec

## mpg 1.00 -0.85 -0.78 0.68 -0.87 0.42

## disp -0.85 1.00 0.79 -0.71 0.89 -0.43

## hp -0.78 0.79 1.00 -0.45 0.66 -0.71

## drat 0.68 -0.71 -0.45 1.00 -0.71 0.09

## wt -0.87 0.89 0.66 -0.71 1.00 -0.17

## qsec 0.42 -0.43 -0.71 0.09 -0.17 1.00

创建图层：

g <- ggplot(cormat_melt, aes(x=Var1, y=Var2))

在此基础上可添加的图层有：

geom_tile: 瓦片图

geom_raster: 光栅图，瓦片图的一种，只不过所有的tiles都是一样的大小

现在使用使用geom_tile绘制相关性矩阵图，我们这里这绘制下三角矩阵图，首先要整理数据：

#获得相关矩阵的下三角

get_lower_tri <- function(cormat){

cormat[upper.tri(cormat)] <- NA

return(cormat)

}

#获得相关矩阵的上三角

get_upper_tri <- function(cormat){

cormat[lower.tri(cormat)] <- NA

return(cormat)

}

upper_tri <- get_upper_tri(cormat = cormat)

head(upper_tri) ## mpg disp hp drat wt qsec

## mpg 1 -0.85 -0.78 0.68 -0.87 0.42

## disp NA 1.00 0.79 -0.71 0.89 -0.43

## hp NA NA 1.00 -0.45 0.66 -0.71

## drat NA NA NA 1.00 -0.71 0.09

## wt NA NA NA NA 1.00 -0.17

## qsec NA NA NA NA NA 1.00

绘制相关矩阵图

#数据重铸

upper_tri_melt <- melt(upper_tri, na.rm = TRUE)

ggplot(data=upper_tri_melt, aes(Var1, y=Var2, fill=value))+

geom_tile(color="white")+

scale_fill_gradient2(low = "blue", high = "red", mid = "white",
midpoint = 0, limit=c(-1, 1), space = "Lab", name="PersonnCorrelation")+

theme_minimal+

theme(axis.text.x = element_text(angle = 45, vjust = 1, size = 12, hjust = 1))+

coord_fixed

上图中蓝色代表互相关，红色代表正相关，至于coord_fixed保证x，y轴比例为1

可以看出上图顺序有点乱，我们可以对相关矩阵进行排序

#构造函数

reorder_cormat <- function(cormat){

dd <- as.dist((1-cormat)/2)

hc <- hclust(dd)

cormat <- cormat[hc$order, hc$order]

}

cormat <- reorder_cormat(cormat)

lower_tri <- get_lower_tri(cormat)

lower_tri_melt <- melt(lower_tri, na.rm = TRUE)

head(lower_tri_melt) ## Var1 Var2 value

## 1 hp hp 1.00

## 2 disp hp 0.79

## 3 wt hp 0.66

## 4 qsec hp -0.71

## 5 mpg hp -0.78

## 6 drat hp -0.45

绘制图形

ggheatmap <- ggplot(lower_tri_melt, aes(Var1, Var2, fill=value))+

geom_tile(color="white")+

scale_fill_gradient2(low = "blue", high = "red", mid = "white",
midpoint = 0, limit=c(-1, 1), space = "Lab", name="PersonnCorrelation")+

theme_minimal+

theme(axis.text.x = element_text(angle = 45, vjust = 1,

size = 12, hjust = 1))+

coord_fixed

print(ggheatmap)

图元：多边形、路径、带状、射线（线段）、矩形等

本节主要讲述的是添加图形元件，将用到一下函数：

geom_polygon：添加多边形

geom_path: 路径

geom_ribbon: 带状

geom_segment: 射线、线段

geom_curve: 曲线

geom_rect: 二维矩形

添加多边形 library(dplyr)

map_data("world")%>%

filter(region==c("China", "Taiwan"))%>%

ggplot(aes(x=long, y=lat, group=group))+

geom_polygon(fill="red", color="black")

添加路径、带状、矩形

创建图层

h <- ggplot(economics, aes(date, unemploy))

添加路径

h+geom_path

添加带状

h+geom_ribbon(aes(ymin=unemploy-800, ymax=unemploy+800), fill = "grey70")+geom_line(aes(y=unemploy))

添加矩形

geom_path+

geom_rect(aes(xmin=as.Date("1980-01-01"), ymin=-Inf, xmax=as.Date("1985-01-01"), ymax=Inf), fill="steelblue")

添加线段 i <- ggplot(mtcars, aes(wt, mpg))+geom_point

#添加线段

i+geom_segment(aes(x=2, y=15, xend=3, yend=15))

添加箭头

i+geom_segment(aes(x=5, y=30, xend=3.5, yend=25), arrow = arrow(length = unit(0.5, "cm")))

添加曲线 i+geom_curve(aes(x=2, y=15, xend=3, yend=15), color="red")

图形参数：主标题、坐标轴标签、图例标题

创建图层

ToothGrowth$dose <- as.factor(ToothGrowth$dose)

p <- ggplot(ToothGrowth, aes(x=dose, y=len))+geom_boxplot

修改标题以及标签的函数有：

ggtitle(“New main title”): 添加主标题

xlab(“New X axis label”): 修改x轴标签

ylab(“New Y axis label”): 修改y轴标签

labs(title = “New main title”, x = “New X axis label”, y = “New Y axis label”): 可同时添加主标题以及坐标轴标签，另外，图例标题也可以用此函数修改

修改主标题以及标签 (p <- p+labs(title="Plot of lengthnby dose", x="Dose (mg)", y="teeth length"))

修改标签属性：颜色、字体、大小等

使用theme修改,element_text可以具体修改图形参数，element_blank隐藏标签

#修改标签

p+theme(

plot.title = element_text(color = "red", size = 14, face = "bold.italic"),

axis.title.x = element_text(color="blue", size = 14, face = "bold"),

axis.title.y = element_text(color="#993333", size = 14, face = "bold")

)

#隐藏标签

p+theme(

plot.title = element_blank,

axis.title.x = element_blank,

axis.title.y = element_blank

)

修改图例标题 p <- ggplot(ToothGrowth, aes(x=dose, y=len, fill=dose))+

geom_boxplot

#修改图例标题

p+labs(fill="Dose (mg)")

图例位置以及外观修改图例位置以及外观 #图例位置在最上面，有五个选项："left","top", "right", "bottom", "none"

p+theme(legend.position = "top")

移除图例

p+theme(legend.position = "none")

修改图例标题以及标签外观

p+theme(

legend.title = element_text(color="blue"),

legend.text = element_text(color="red")

)

修改图例背景

p+theme(legend.background = element_rect(fill="lightblue"))

利用scale函数自定义图例

主要两个函数：

scale_x_discrete：修改图例标签顺序

scale_fill_discrete: 修改图例标题以及标签

#修改顺序

p+scale_x_discrete(limits=c("2", "0.5", "1"))

#修改标题以及标签

p+scale_fill_discrete(name="Dose", label=c("A","B","C")) 自动/手动修改颜色 mtcars$cyl <- as.factor(mtcars$cyl)

创建图层

# boxplot

bp <- ggplot(ToothGrowth, aes(x=dose, y=len))

# scatter plot

sp <- ggplot(mtcars, aes(x=wt, y=mpg)) 修改填充色、轮廓线颜色 bp+geom_boxplot(fill="steelblue", color="red")

sp+geom_point(color="darkblue")

通过映射分组修改颜色 (bp <- bp+geom_boxplot(aes(fill=dose))) (sp <- sp+geom_point(aes(color=cyl)))

手动修改颜色

主要两个函数：

scale_fill_manual: 填充色

scale_color_manual：轮廓色，如点线

# Box plot

bp + scale_fill_manual(values=c("#999999", "#E69F00", "#56B4E9")) # Scatter plot

sp + scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9"))

使用 RColorBrewer调色板

scale_fill_brewer: 填充色

scale_color_brewer：轮廓色，如点线

# Box plot

bp + scale_fill_brewer(palette="Dark2") # Scatter plot

sp + scale_color_brewer(palette="Dark2")

RColorBrewer包提供以下调色板

还专门有一个灰度调色板：

# Box plot

bp + scale_fill_grey + theme_classic

# Scatter plot

sp + scale_color_grey + theme_classic

梯度或连续颜色

有时我们会将某个连续变量映射给颜色，这时修改这种梯度或连续型颜色就可以使用以下函数：

scale_color_gradient, scale_fill_gradient：两种颜色的连续梯度

scale_color_gradient2, scale_fill_gradient2：不同梯度

scale_color_gradientn, scale_fill_gradientn：多种颜色梯度

# Color by qsec values

sp2<-ggplot(mtcars, aes(x=wt, y=mpg)) +

geom_point(aes(color = qsec))

sp2

# Change the low and high colors

# Sequential color scheme

sp2+scale_color_gradient(low="blue", high="red")

# Diverging color scheme

mid<-mean(mtcars$qsec)

sp2+scale_color_gradient2(midpoint=mid, low="blue", mid="white",

high="red", space = "Lab" )

点颜色、大小、形状

R提供的点形状是由数字表示的，具体如下：

# Basic scatter plot

ggplot(mtcars, aes(x=wt, y=mpg)) +

geom_point(shape = 18, color = "steelblue", size = 4)

# Change point shapes and colors by groups

ggplot(mtcars, aes(x=wt, y=mpg)) +

geom_point(aes(shape = cyl, color = cyl))

可通过以下方法对点的颜色、大小、形状进行修改：

scale_shape_manual : to change point shapes

scale_color_manual : to change point colors

scale_size_manual : to change the size of points

# Change colors and shapes manually

ggplot(mtcars, aes(x=wt, y=mpg, group=cyl)) +

geom_point(aes(shape=cyl, color=cyl), size=2)+

scale_shape_manual(values=c(3, 16, 17))+

scale_color_manual(values=c('#999999','#E69F00', '#56B4E9'))+

theme(legend.position="top")

文本注释

对图形进行文本注释有以下方法：

geom_text: 文本注释

geom_label: 文本注释,类似于geom_text,只是多了个背景框

annotate: 文本注释

annotation_custom: 分面时可以在所有的面板进行文本注释

set.seed(1234)

df <- mtcars[sample(1:nrow(mtcars), 10), ]

df$cyl <- as.factor(df$cyl)

散点图注释

# Scatter plot

sp <- ggplot(df, aes(x=wt, y=mpg))+ geom_point

# Add text, change colors by groups

sp + geom_text(aes(label = rownames(df), color = cyl),

size = 3, vjust = -1)

# Add text at a particular coordinate

sp + geom_text(x = 3, y = 30, label = "Scatter plot",

color="red")

# geom_label进行注释

sp + geom_label(aes(label=rownames(df)))

# annotation_custom,需要用到textGrob

library(grid)

# Create a text

grob <- grobTree(textGrob("Scatter plot", x=0.1, y=0.95, hjust=0,

gp=gpar(col="red", fontsize=13, fontface="italic")))

# Plot

sp + annotation_custom(grob) #分面注释

sp + annotation_custom(grob)+facet_wrap(~cyl, scales="free")

线型

R里的线型有七种：“blank”, “solid”, “dashed”, “dotted”, “dotdash”, “longdash”, “twodash”，对应数字0，1，2，3，4，5，6.

具体如下：

# Create some data

df2 <- data.frame(sex = rep(c("Female", "Male"), each=3),

time=c("breakfeast", "Lunch", "Dinner"),

bill=c(10, 30, 15, 13, 40, 17) )

head(df2) ## sex time bill

## 1 Female breakfeast 10

## 2 Female Lunch 30

## 3 Female Dinner 15

## 4 Male breakfeast 13

## 5 Male Lunch 40

## 6 Male Dinner 17 # Line plot with multiple groups

# Change line types and colors by groups (sex)

ggplot(df2, aes(x=time, y=bill, group=sex)) +

geom_line(aes(linetype = sex, color = sex))+

geom_point(aes(color=sex))+

theme(legend.position="top")

同点一样，线也可以类似修改：

scale_linetype_manual : to change line types

scale_color_manual : to change line colors

scale_size_manual : to change the size of lines

# Change line types, colors and sizes

ggplot(df2, aes(x=time, y=bill, group=sex)) +

geom_line(aes(linetype=sex, color=sex, size=sex))+

geom_point+

scale_linetype_manual(values=c("twodash", "dotted"))+

scale_color_manual(values=c('#999999','#E69F00'))+

scale_size_manual(values=c(1, 1.5))+

theme(legend.position="top")

主题与背景颜色 # Convert the column dose from numeric to factor variable

ToothGrowth$dose <- as.factor(ToothGrowth$dose)

创建箱线图

p <- ggplot(ToothGrowth, aes(x=dose, y=len))+

geom_boxplot

修改主题

ggplot2提供了好几种主题，另外有一个扩展包 ggthemes专门提供了一主题，可以安装利用。

install.packages("ggthemes")

theme_gray: gray background color and white grid lines

theme_bw : white background and gray grid lines

p+theme_gray(base_size = 14)

p+theme_bw

theme_linedraw : black lines around the plot

theme_light : light gray lines and axis (more attention towards the data)

p + theme_linedraw

p + theme_light

theme_minimal: no background annotations

theme_classic : theme with axis lines and no grid lines

p + theme_minimal

p + theme_classic

ggthemes提供的主题

p+ggthemes::theme_economist

坐标轴：最大最小值 p <- ggplot(cars, aes(x=speed, y=dist))+geom_point

修改坐标轴范围有以下几种方式：

1、不删除数据

p+coord_cartesian(xlim=c(5, 20), ylim=c(0, 50)):笛卡尔坐标系，这是设定修改不会删除数据

2、会删除部分数据：不在此范围内的数据都会被删除,因此在此基础上添加图层时数据是不完整的

p+xlim(5, 20)+ylim(0, 50)

p+scale_x_continuous(limits=c(5, 20))+scale_y_continuous(limits=c(0, 50))

3、扩展图形范围：expand函数，扩大范围

p+expand_limits(x=0, y=0):设置截距为0，即过原点

p+expand_limits(x=c(5, 50), y=c(0, 150))：扩大坐标轴范围，这样图形显示就小了

下面通过图形演示

#通过coord_cartesian函数修改坐标轴范围

p+coord_cartesian(xlim =c (5, 20), ylim = c(0, 50))

#通过xlim和ylim函数修改

p+xlim(5, 20)+ylim(0, 50)

#expand limits

p+expand_limits(x=c(5, 50), y=c(0, 150)) 坐标变换 p <- ggplot(cars, aes(x=speed, y=dist))+geom_point

坐标变换有以下几种：

p+scale_x_log10,p+scale_y_log10: 绘图时对x，y取10的对数

p+scale_x_sqrt,p+scale_x_sqrt: 开根号

p+scale_x_reverse,p+scale_x_reverse：坐标轴反向

p+coord_trans(x =“log10”, y=“log10”): 同上，可以对坐标轴取对数、根号等

p+scale_x_continuous(trans=”log2”),p+scale_x_continuous(trans=”log2”): 同上，取对数的另外一种方法

下面实例演示：

p+scale_x_continuous(trans = "log2")+

scale_y_continuous(trans = "log2")

#修改坐标刻度标签

require(scales)

p+scale_y_continuous(trans=log2_trans,

breaks = trans_breaks("log2", function(x) 2^x),

labels=trans_format("log2", math_format(2^.x)))

#坐标轴反向

p+scale_y_reverse

坐标刻度：刻度线、标签、顺序等

更改坐标轴刻度线标签等函数：

element_text(face, color, size, angle): 修改文本风格

element_blank: 隐藏文本

(p <- ggplot(ToothGrowth, aes(x=dose, y=len))+geom_boxplot)

修改刻度标签等

p+theme(axis.text.x = element_text(face = "bold", color="#993333", size=14, angle = 45),

axis.text.y = element_text(face = "bold", size = 14, color = "blue", angle = 45))

移除刻度标签等

p + theme(

axis.text.x = element_blank, # Remove x axis tick labels

axis.text.y = element_blank, # Remove y axis tick labels

axis.ticks = element_blank) # Remove ticks

当然可以自定义坐标轴了

离散非连续坐标轴

scale_x_discrete(name, breaks, labels, limits)

scale_y_discrete(name, breaks, labels, limits)

连续型坐标轴

scale_x_conyinuous(name, breaks, labels, limits)

scale_y_continuous(name, breaks, labels, limits)

详细情况如下：

name: x,y轴的标题

breaks: 刻度，分成几段

labels：坐标轴刻度线标签

limits: 坐标轴范围

其中scale_xx函数可以修改坐标轴的如下参数：

坐标轴标题

坐标轴范围

刻度标签位置

手动设置刻度标签

具体演示：

离散坐标轴

#修改标签以及顺序

p+scale_x_discrete(name="Dose (mg)", limits=c("2", "1", "0.5"))

#修改刻度标签

p+scale_x_discrete(breaks=c("0.5", "1", "2"),labels=c("Dose 0.5", "Dose 1", "Dose 2")) #修改要显示的项

p+scale_x_discrete(limits=c("0.5", "2"))

连续型坐标轴 #散点图 (sp <- ggplot(cars, aes(x=speed,
y=dist))+geom_point) 修改坐标轴标签以及范围 (sp <- sp+scale_x_continuous(name =
"Speed of cars", limits = c(0, 30))+ scale_y_continuous(name = "Stopping
distance", limits = c(0, 150))) 更改y轴刻度，间隔50
sp+scale_y_continuous(breaks = seq(0, 150, 50)) 修改y轴标签为百分数
require(scales) sp+scale_y_continuous(labels = percent) 添加直线：水平线、竖直线、回归线
ggplot2 提供以下方法为图形添加直线：