R：ggplot2包

一、qplot函數

> library(ggplot2)
> head(diamonds)
  carat       cut color clarity depth table price     x     y     z
1  0.23     Ideal     E     SI2  61.5    55   326  3.95  3.98  2.43
2  0.21   Premium     E     SI1  59.8    61   326  3.89  3.84  2.31
3  0.23      Good     E     VS1  56.9    65   327  4.05  4.07  2.31
4  0.29   Premium     I     VS2  62.4    58   334  4.20  4.23  2.63
5  0.31      Good     J     SI2  63.3    58   335  4.34  4.35  2.75
6  0.24 Very Good     J    VVS2  62.8    57   336  3.94  3.96  2.48
> set.seed(1410)    #讓樣本可重複
> dsmall<-diamonds[sample(nrow(diamonds),100),]    #建立一個容量爲100的隨機樣本
> qplot(carat,price,data=diamonds)    #繪製散點圖

qplot(carat,log(price),data=diamonds)    #qplot()支持變量的函數做爲參數

> qplot(carat,log(price),data=diamonds,colour=color)    #向散點圖添加顏色信息

> qplot(carat,log(price),data=diamonds,shape=cut)    #向散點圖添加形狀信息

> qplot(color,data=diamonds,geom="bar")    #繪製條形圖

二、ggplot2函數

ggplot(data = , aes(x = , y = )) +
geom_XXX(...) +    #geom :表示幾何對象，負責圖形渲染的類型
 ... + 
stat_XXX(...) +    #統計變換 好比求均值，求方差等，當咱們須要展現出某個變量的某種統計特徵的時候，須要用到統計變換
 ... +
annotate(...) +    #添加註釋 #因爲設置的文本會覆蓋原來的圖中對應的位置，能夠改變文本的透明度或者顏色 例： annotate(geom='text')會向圖形添加一個單獨的文本對象 
 ... + 
labs(...) +    #labs(x = "這是 X 軸", y = "這是 Y 軸", title = "這是標題")
scale_XXX(...) +    #標度
coord_XXX(...) +    #調整座標，調整座標 coord_flip()來翻轉座標軸。使用xlim()和ylim()來設置連續型座標軸的最小值和最大值 
guides(...) +    #調整全部的text
theme(...) +    #調整不與數據有關的圖的元素的函數。theme函數採用了四個簡單地函數來調整全部的主題特徵：element_text調整字體，element_line調整主題內的全部線，element_rect調整全部的塊，element_blank清空。theme(panel.grid =element_blank()) ## 刪去網格線
facet_XXX(...)    #控制分組繪圖的方法和排列形式

條形圖

> x <- c('A','B','C','D','E')
> y <- c(13,22,16,31,8)
> df <- data.frame(x= x, y = y)
> df
  x  y
1 A 13
2 B 22
3 C 16
4 D 31
5 E  8
> ggplot(data = df, mapping = aes(x = x, y = y)) + geom_bar(stat= 'identity')    #對於條形圖的y軸就是數據框中本來的數值時，必須將geom_bar()函數中stat(統計轉換)參數設置爲’identity’，即對原始數據集不做任何統計變換，而該參數的默認值爲’count’，即觀測數量。

使用明細數據集繪製條形圖：

> set.seed(1234)
> x <- sample(c('A','B','C','D'), size = 20, replace= TRUE, prob = c(0.2,0.3,0.3,0.2))
> y <- rnorm(1000) * 100
> df <- data.frame(x= x, y = y)
> head(df,20)
   x        y
1  B  -47.719
2  D  -99.839
3  D  -77.625
4  D    6.446
5  A   95.949
6  D  -11.029
7  B  -51.101
8  B  -91.120
9  D  -83.717
10 C  241.584
11 D   13.409
12 C  -49.069
13 B  -44.055
14 A   45.959
15 B  -69.372
16 A -144.820
17 B   57.476
18 B -102.366
19 B   -1.514
20 B  -93.595