《爆炸与冲击》
ggplot2是r语言最强大的制图软件包，优于独特的数据可视化理念。 熟悉ggplot2的基本途径后，数据可视化工作将变得非常简单和有条理。
技术相关
概念1 .分离数据、数据相关图、数据相关图
这可以说是ggplot2最有魅力的一点。 众所周知，数据可视化是指我们从数据中搜索到的信息和图形要素的对应过程。
ggplot2是将数据、数据到图形要素的映射以及与数据无关的图形要素描绘和分离的，与java的MVC框架的思想类似。 因此，ggplot2的使用者可以清楚地感受到数据分析图的真正的构成要素，并根据目的进行开发、调整。
2 .图层式开发逻辑
在ggplot2中，图形的绘制是逐层添加的。 例如，我决定先探索身高和体重的关系； 画了一个简单的散点图，并确定最好区分性别，使图中点的颜色对应不同的性别； 并区分了地区，决定分解为东西三个小图； 最后决定加入回归直线。 直观地知道倾向。 这是一个多层次推进的结构过程，每个推进都包含了额外的信息。 使用ggplot2时，上述步骤都是层，可以叠加到上一个步骤上进行直观显示。
3 .各种图形要素的自由组合
多亏了ggplot2的分层开发逻辑，我们可以自由组合各种图形要素，自由发挥想象力
基本开发步骤
1 .初始化gg plot (
在该步骤中，需要设置图的x轴，y轴和“美学特征”。 基本形式如下
p-ggplot(data=，AES ) x=，y=)
在此步骤中，x轴的设定和y轴的设定很容易理解。 那么“美学特征”是什么呢？
举个例子，以下张散点图里，x轴表示年龄，y轴表示身高。 很容易理解：
但是，这张图不仅显示了年龄和身高的关系，还显示了每个采样点的体重。 颜色越深，表示体重越大。 因此，体重信息也和年龄、身高一样，需要联系具体的队列。 这一列就是散点图的“美学特征”。
请看r语言的绘图代码：
gplot(heightweight，AES(x=ageyear，y=heightIn，colour=weightLb ) ) (geom_point ) ) ) ) ) ) )。
其中的colour参数是该图的“美学特征”。
例如，在以下条形图中，x轴表示日期，y轴表示权重，非常容易理解：
但是，本图中的每个日期对应两个不同的权重，通过两个柱状的比较，该划分的依据也是另一个“美学特征”。
请看一下绘图代码：
gplot(cabbage_exp，AES(x=date，y=Weight，fill=Cultivar ) ) geom_bar ) position=&； #039； dodge&； #039；stat=&； #039； idenentivar ) )。
其中的fill参数是此图的“美学特征”。
如上所述，图中各采样点不仅可以通过其坐标位置，还可以通过大小、颜色浓度、分组等其他形式来表示信息。 需要联系这些新形式的列被称为“美学特征”。
“美学特征”的形式和x，y轴同样以列的形式给出，列中的元素数和x，y轴列必然相等。 的设置也在和x，和y轴一样ggplot ) )函数的aes参数括号内进行。
2 .混合图层例如-geom_bar(/geom_line ) )
上一步的主要工作是为了数据的可视化而配置了数据。 然后，您可以根据业务需要创建各种图表，如折线图/条形图/散点图。 具体的实现方法将在后面的章节中详细介绍，这里重点讨论绘制函数的stat参数。 此参数统计碰撞的采样点。 缺省值为identity，表示将保留采样点的原始(y )值。 此外，还有sum等，表示对在此点出现的) y )值进行合计。
3 .调整数据相关图元scale系列函数，某些专有函数
在ggplot2中，缩放机构专门负责数据到图像元素的映射。 你可能会觉得“美学特征”已经定义了这个映射。 但是，“美学特征”只是选定了映射前的数据，没有具体说明映射到什么样的图形要素。
例如，假设某个表记录了不同类型的池的长度、宽度和深度信息。 目前，需要创建与不同类型池长度关系广泛的条形图。 初始化完成的是这个映射。
scale函数进行这个映射。
很明显，a映射为红色，b映射为蓝色。
另外，因为我的代码不使用scale，所以你可能会问映射是怎么进行的。 根据回答，系统具有缺省映射就像出图函数具有缺省参数stat=identity一样。
4 .调整与数据无关的图形元素theme ()，某些专有函数
此部分包含与数据本身无关的图像元素的设置，如图像标题格式和字符字体。 theme ) )函数或像annovate函数这样可以向图像添加注释的自己的函数就可以实现。
上一篇：爆炸与冲击论文网站（爆炸力学期刊）
下一篇：没有了