脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 软件编程 → R语言 → R语言绘制散点图结合边际分布图

使用R语言绘制散点图结合边际分布图教程

 更新时间：2021年11月05日 11:54:56   作者：Kanny广小隶  
这篇文章主要介绍了使用R语言利用ggplot绘制散点图，并且在图像的两边绘制边际分布图（包括边际直方图与边际密度函数）我们这里介绍两种方法进行绘制

主要使用ggExtra结合ggplot2两个R包进行绘制。（胜在简洁方便）使用cowplot与ggpubr进行绘制。（胜在灵活且美观）

下面的绘图我们均以iris数据集为例。

1. 使用ggExtra结合ggplot2

1）传统散点图

# library
library(ggplot2)
library(ggExtra)

# classic plot
p <- ggplot(iris) +
  geom_point(aes(x = Sepal.Length, y = Sepal.Width, color = Species), alpha = 0.6, shape = 16) +  # alpha 调整点的透明度；shape 调整点的形状
  theme_bw() +
  theme(legend.position = "bottom") + # 图例置于底部
  labs(x = "Sepal Length", y = "Sepal Width") # 添加x，y轴的名称
p

下面我们一行代码添加边际分布（分别以密度曲线与直方图的形式来展现）：

2）密度函数

# marginal plot: density
ggMarginal(p, type = "density", groupColour = TRUE, groupFill = TRUE)

3）直方图

# marginal plot: histogram
ggMarginal(p, type = "histogram", groupColour = TRUE, groupFill = TRUE)

4）箱线图（宽窄的显示会有些问题）

# marginal plot: boxplot
ggMarginal(p, type = "boxplot", groupColour = TRUE, groupFill = TRUE)

5）小提琴图（会有重叠，不建议使用）

# marginal plot: violin
ggMarginal(p, type = "violin", groupColour = TRUE, groupFill = TRUE)

6）密度函数与直方图同时展现

# marginal plot: densigram
ggMarginal(p, type = "densigram", groupColour = TRUE, groupFill = TRUE)

2. 使用cowplot与ggpubr

1）重绘另一种散点图

# Scatter plot colored by groups ("Species")
sp <- ggscatter(iris, x = "Sepal.Length", y = "Sepal.Width",
                color = "Species", palette = "jco",
                size = 3, alpha = 0.6) +
  border() +
  theme(legend.position = "bottom")
sp

2）有缝拼接

① 密度函数

library(cowplot)
# Marginal density plot of x (top panel) and y (right panel)
xplot <- ggdensity(iris, "Sepal.Length", fill = "Species",
                   palette = "jco")
yplot <- ggdensity(iris, "Sepal.Width", fill = "Species", 
                   palette = "jco") +
  rotate()

# Cleaning the plots
sp <- sp + rremove("legend")
yplot <- yplot + clean_theme() + rremove("legend")
xplot <- xplot + clean_theme() + rremove("legend")
# Arranging the plot using cowplot
plot_grid(xplot, NULL, sp, yplot, ncol = 2, align = "hv", 
          rel_widths = c(2, 1), rel_heights = c(1, 2))

② 未被压缩的箱线图

# Marginal boxplot of x (top panel) and y (right panel)
xplot <- ggboxplot(iris, x = "Species", y = "Sepal.Length", 
                   color = "Species", fill = "Species", palette = "jco",
                   alpha = 0.5, ggtheme = theme_bw())+
  rotate()
yplot <- ggboxplot(iris, x = "Species", y = "Sepal.Width",
                   color = "Species", fill = "Species", palette = "jco",
                   alpha = 0.5, ggtheme = theme_bw())
# Cleaning the plots
sp <- sp + rremove("legend")
yplot <- yplot + clean_theme() + rremove("legend")
xplot <- xplot + clean_theme() + rremove("legend")
# Arranging the plot using cowplot
plot_grid(xplot, NULL, sp, yplot, ncol = 2, align = "hv", 
          rel_widths = c(2, 1), rel_heights = c(1, 2))

3）无缝拼接

# Main plot
pmain <- ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  geom_point() +
  color_palette("jco")
# Marginal densities along x axis
xdens <- axis_canvas(pmain, axis = "x") +
  geom_density(data = iris, aes(x = Sepal.Length, fill = Species),
               alpha = 0.7, size = 0.2) +
  fill_palette("jco")
# Marginal densities along y axis
# Need to set coord_flip = TRUE, if you plan to use coord_flip()
ydens <- axis_canvas(pmain, axis = "y", coord_flip = TRUE) +
  geom_density(data = iris, aes(x = Sepal.Width, fill = Species),
               alpha = 0.7, size = 0.2) +
  coord_flip() +
  fill_palette("jco")
p1 <- insert_xaxis_grob(pmain, xdens, grid::unit(.2, "null"), position = "top")
p2 <- insert_yaxis_grob(p1, ydens, grid::unit(.2, "null"), position = "right")
ggdraw(p2)

参考

Articles - ggpubr: Publication Ready Plots——Perfect Scatter Plots with Correlation and Marginal Histograms

Marginal distribution with ggplot2 and ggExtra

以上就是使用R语言绘制散点图结合边际分布图教程的详细内容，更多关于R语言绘制散点图结合边际分布图的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

相关文章

  • R语言两组变量特征相关关系热图绘制画法

    R语言两组变量特征相关关系热图绘制画法

    本文为大家介绍了如何画两组变量（特征）的相关关系热图的方法详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步
    2022-02-02
  • R语言中ggplot2绘制双坐标轴图

    R语言中ggplot2绘制双坐标轴图

    本文主要介绍了R语言中ggplot2绘制双坐标轴图，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2022-08-08
  • R语言strsplit函数用法深入详解

    R语言strsplit函数用法深入详解

    这篇文章主要介绍了R语言strsplit函数用法深入详解，代码实例讲解的很清晰，有感兴趣的同学可以研究下
    2021-03-03
  • 用R语言绘制函数曲线图

    用R语言绘制函数曲线图

    这篇文章主要介绍了如何用R语言绘制函数曲线图，帮助大家更好的理解和学习使用R语言，感兴趣的朋友可以了解下
    2021-03-03
  • R语言读取excel数据的方法(两行命令)

    R语言读取excel数据的方法(两行命令)

    这篇文章主要介绍了R语言读取excel数据的方法(两行命令),本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
    2021-03-03
  • R语言如何进行线性回归的拟合度详解

    R语言如何进行线性回归的拟合度详解

    这篇文章主要给大家介绍了关于R语言如何进行线性回归的拟合度的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2021-03-03
  • R语言:排序的应用操作

    R语言:排序的应用操作

    这篇文章主要介绍了R语言:排序的应用操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2021-04-04
  • R语言数据可视化绘制Circular bar plot实现环形柱状图

    R语言数据可视化绘制Circular bar plot实现环形柱状图

    这篇文章主要为大家介绍了R语言绘制Circular bar plot实现环形柱状图的示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步
    2022-02-02
  • R语言日期时间的使用

    R语言日期时间的使用

    日期时间是常用的一种类型，本文主要介绍了R语言日期时间的使用，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2022-03-03
  • R语言实现各种数据可视化的超详细教程

    R语言实现各种数据可视化的超详细教程

    Python语言越来越流行,尤其是在机器学习与深度学习等领域,但是R语言在数据分析与可视化方面仍然具有绝对的优势,下面这篇文章主要给大家介绍了关于R语言实现各种数据可视化的超详细教程,需要的朋友可以参考下
    2022-11-11

最新评论