G090909的博客

散点图可以用来描述两个连续变量之间的关系,一般在做数据探索分析时会使用到,通过散点图发现变量之间的相关性强度、是否线性关系等。 1.绘制简单的散点图library(ggplot2)set.seed(123)x <- rnorm(100,mean = 2,sd = 3)y <- 1.5+2*x+rnorm(100)df <- data.frame(x = x,y = y)ggplot(d

重要细节：条形图的高度表示的是数据集中变量的频数，还是表示变量取值本身1.离散型单变量的条形图 数据形式：已经汇总好的数据集和明细数据集 # 使用汇总好的数据集绘制条形图library(ggplot2)x <- c("A","B","C","D","E")y <- c(13,22,16,31,8)df <- data.frame(x = x,y = y)ggplot(data = df

折线图可以反映某种现象的趋势。通常折线图的横坐标是时间变量，纵坐标则是一般的数值型变量。当然，折线图也允许横纵坐标为离散型和数值型。1.绘制单条折线图 有关时间序列的折线图library(ggplot2)library(lubridate) # 处理日期时间相关的R包Year <- year(seq(from = as.Date("2006-01-01"),to = as.Date("20

主题系统控制着图形中的所有非数据元素外观 ggplot2内置主题: 内置两种主题: 默认theme_gray()使用淡灰色背景和白色网格线; 固定主题theme_bw()为传统的白色背景和深灰色的网格线。 参数base_size控制基础字体的大小,基础字体大小指的是轴标题的大小，图形标题比它大20%，周须标签比它小20%。主题设置的两种方式： -全局性设置：theme_set

colors,legends,and lines 虽然这些参数我都知道，但是当要画某些特定的图形时，大脑会空白，所以需要加深。1.data simulation# simulate some dataset.seed(111)dat <- data.frame(X = runif(100,-2,2), T1 = gl(n = 4,k = 25,labels

图形都会有内外边界，默认情况我们看不到外边界 par()$oma # 外边界[1] 0 0 0 0par()$usr # 作图区域的范围限制[1] 0.568 1.432 0.568 1.432op <- par(no.readonly = TRUE)par(oma = c(1,1,2,2))plot(1,1,type = "n",xlab = "",ylab = "",xaxt = "n"

Axis(labels,tick,marks,…)

ggplot2的主题函数的规律： 1.主题反应的是风格，主题函数theme一旦形成，绘图基本上没有太大改动 2.主题函数theme的参数有规可寻，等号前面为图表元素名称，等号后面的函数名为图表元素的几何属性，前后为继承关系。比如，element_rect=panel.background先看看主题设置：library(ggplot2)hgram <- qplot(carat,price,d

1.添加或删除节点 vertex()和vertices() 函数通过”+”增加节点，没有命名的参数作为新节点的节点名称，命名的参数作为新节点的节点属性； 函数通过”-“删除节点，要删除的节点用c()传递g <- make_empty_graph() + vertices(letters[1:10]) + vertices("foo", "bar", "bar2", "foob