天才写手-GGPLT2如何绘制热力图

此帖子显示如何使用非常相似的结果使用GGPLT2.

数据导入
上赛季美国 NBA 篮球统计中使用的流量数据databasebasketball.com可直接从其网站下载具有该数据的 CSV 文件。

nba <- read.csv (http://datasets.flowingdata.com/ppg2008.csv
玩家按得分排序，名字变量转换为确保情节正确排序的因素。

nba$Name <- with(nba, reorder(Name, PTS))
同时 FlowingData 使用热图功能统计信息-需要绘制的值为矩阵格式的包，GGPLT2使用数据文件进行操作。为了便于处理，数据文件 RAME 从宽格式转换为长格式。

游戏统计具有非常不同的范围，使得它们能够比较所有的个体统计信息。

library(ggplot2)
nba.m <- melt(nba)
nba.m <- ddply(nba.m, .(variable), transform,
+ rescale = rescale(value))
绘图
没有特定的热图绘图功能GGPLT2但结合了Geom _ tile用平滑的梯度填充很好地完成工作。

(p <- ggplot(nba.m, aes(variable, Name)) + geom_tile(aes(fill = rescale),
+ colour = “white”) + scale_fill_gradient(low = “white”,
+ high = “steelblue”))

对格式化进行了少量整理，并准备了 “热贴图” 图以进行演示。

base_size <- 9
p + theme_grey(base_size = base_size) + labs(x = “”,
+ y = “”) + scale_x_discrete(expand = c(0, 0)) +
+ scale_y_discrete(expand = c(0, 0)) + opts(legend.position = “none”,
+ axis.ticks = theme_blank(), axis.text.x = theme_text(size = base_size *
+ 0.8, angle = 330, hjust = 0, colour = “grey50”))

更新更新
在制备上述图的数据时，所有的变量都被随机化，以便它们在0和1之间。

吉姆在评论中正确地指出（而我并不知道这一点）热图-函数使用不同的缩放方法，因此曲线不相同。下面是热贴图的更新版本，它看起来更类似于原始贴图。

nba.s <- ddply(nba.m, .(variable), transform,
+ rescale = scale(value))
last_plot() %+% nba.s
basketball_heatmap-013.png

天才写手 R代写
转载自：https://uhomework.com/a/ryuyanjiaocheng/20180806/16498.html