Grafiska visualiseringar i R med ggplot2

R för SAS-användare

Melinda Higgins, PhD

Research Professor/Senior Biostatistician Emory University

ggplot2-paketet

ggplot2 hexsticker-logotyp

ggplot2 är ett kraftfullt grafikpaket för R
"GG" i ggplot står för "grammar of graphics"
ggplot2 använder en lagerbaserad metod för att bygga grafik
Ett eller flera geometriska objekt läggs till på det grundläggande grafiklagret

Lager - grundlager

# Create plot for x=sex and y=diameter
ggplot(data = abalone, aes(sex, diameter))

Definiera grundlagret med ggplot()
Ange data = abalone
Ange aes till sex och diameter
Inga grafiska objekt i diagrammet än
x-axeln är redo för sex
y-axeln är redo för diameter
rutnätet är upplagt

ggplot2-grafikmiljö utan boxplot ännu

Lager - lägg till boxplot-geom

# Add boxplot geometric object or geom
ggplot(data = abalone,
       aes(sex, diameter)) +
  geom_boxplot()

Plusoperatorn + lägger till ett lager
Boxplot geom_boxplot() tillagd
Resultatet är en serie boxplottar
Abalonediameter per kön
F honor, I juveniler, och M hanar

ggplot2 boxplottar tillagda

Lager - lägg till ett tema

# Add black white theme
ggplot(data = abalone,
       aes(sex, diameter)) +
  geom_boxplot() +
  theme_bw()

Lägg till "tema"-lager med theme_bw()
Tar bort den grå bakgrunden
Ritar en svart ram runt diagrammet

ggplot2 boxplot med svartvitt tema tillagt

Ändra geom_boxplot till geom_violin

# Change to geom_violin()
ggplot(data = abalone,
       aes(sex, diameter)) +
  geom_violin() +
  theme_bw()

geom_violin ersätter geom_boxplot
Skapar en form som liknar en fiol
Speglar datans densitetsfördelning
Enkel ändring för att skapa en ny figur

ggplot2 violindiagram

Histogram för en variabel

# Make histogram of shuckedWeight
ggplot(abalone, aes(shuckedWeight)) +
  geom_histogram()

Skapa ett histogram för en variabel
En variabel = en estetik
Lägg till geom_histogram()
Ange aes() till shuckedWeight
Standardfärgerna behöver ändras

ggplot2-histogram helt i svart

Lägg till färger i histogrammet

# Make lines black and fill light blue
ggplot(abalone, aes(shuckedWeight)) +
  geom_histogram(color = "black",
                 fill = "lightblue")

Ändra grafiska parametrar
Ange color för stapellinjerna
Ange fill-färg för staplarna
Varje alternativ anges inom ()
Histogrammet ser mycket bättre ut

ggplot2-histogram med blå staplar och svarta linjer runt staplarna

Lägg till titel och axeletiketter i histogrammet

# Add x, y axis labels and title
ggplot(abalone, aes(shuckedWeight)) +
  geom_histogram(color = "black",
                 fill = "lightblue") +
  xlab("Shucked Weight") +
  ylab("Frequency Counts") +
  ggtitle("Shucked Weights Histogram")

Lägg till bättre etiketter för axlar och titel
Använd xlab() och ylab() för axlarna
Använd ggtitle() för titeln
Den här figuren är redo att publiceras!

ggplot2-histogram med axeletiketter och titel tillagda

Skapa spridningsdiagram

# Make scatterplot with geom_point()
ggplot(abalone,
       aes(rings, shellWeight)) +
  geom_point()

aes för ett spridningsdiagram behöver två variabler
geom_point() lägger till punkterna
Spridningsdiagram över skalvikt per antal ringar

ggplot2-spridningsdiagram över skalvikt per ringar

Lägg till utjämnad anpassningslinje i spridningsdiagrammet

# Add smoothed fit line
ggplot(abalone,
       aes(rings, shellWeight)) +
  geom_point() +
  geom_smooth()

Lägg till en geom_smooth()-linje i spridningsdiagrammet
Inkluderar ett skuggat konfidensintervall

ggplot2-spridningsdiagram med utjämnad anpassningslinje tillagd

Skapa paneler utifrån en annan variabel

# Add panels using facet_wrap()
ggplot(abalone,
       aes(rings, shellWeight)) +
  geom_point() +
  geom_smooth() +
  facet_wrap(vars(sex))

Lägg till ytterligare ett lager i spridningsdiagrammet
Skapa paneler för varje kön hos abalone
Lägg till lagret facet_wrap()
vars(sex) definierar variabeln för panelerna

ggplot2-spridningsdiagram med 3 paneler per kön

Resten av kursen

Kapitel 1 avslutas med en kort introduktion till grafik
- Grund i grafikfärdigheter med ggplot2
- Visualisera abalonemätningar per kön
Kapitel 2 lär ut färdigheter i datahantering
- Städa upp abalone-datamängden
Kapitel 3 lär ut metoder för datautforskning
- Deskriptiv statistik, korrelationer och jämförelsetest
Kapitel 4 lär ut modellering och presentation av resultat
- Förutsäga abalones ålder utifrån mätningar
- Utforska modeller per kön

Låt oss skapa några diagram för abalone

R för SAS-användare