R语言绘制二维散点与统计分布组合图

2023-10-18 06:50
文章标签 语言 分布 统计 组合 绘制 二维 散点

本文主要是介绍R语言绘制二维散点与统计分布组合图，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！ 

library(ggplot2)
library(RColorBrewer)#-------------------------------------------Method 1: ggpubr包的ggscatterhist()函数------------------------------
library(ggpubr)N<-300
x1 <- rnorm(mean=1.5, N)
y1 <- rnorm(mean=1.6, N)
x2 <- rnorm(mean=2.5, N)
y2 <- rnorm(mean=2.2, N)data1 <- data.frame(x=c(x1,x2),y=c(y1,y2))#(a) 二维散点与统计直方图
ggscatterhist(data1, x ='x', y = 'y', shape=21,fill="#00AFBB",color = "black",size = 3, alpha = 1,#palette = c("#00AFBB", "#E7B800", "#FC4E07"),margin.params = list( fill="#00AFBB",color = "black", size = 0.2,alpha=1),margin.plot =  "histogram",legend = c(0.8,0.8),ggtheme = theme_minimal())

在这里插入图片描述

N<-200
x1 <- rnorm(mean=1.5, sd=0.5,N)
y1 <- rnorm(mean=2,sd=0.2, N)
x2 <- rnorm(mean=2.5,sd=0.5, N)
y2 <- rnorm(mean=2.5,sd=0.5, N)
x3 <- rnorm(mean=1, sd=0.3,N)
y3 <- rnorm(mean=1.5,sd=0.2, N)data2 <- data.frame(x=c(x1,x2,x3),y=c(y1,y2,y3),class=rep(c("A","B","C"),each=200))#(b) 二维散点与核密度估计图
ggscatterhist(data2,  x ='x', y = 'y',  #irisshape=21,color ="black",fill= "class", size =3, alpha = 0.8,palette = c("#00AFBB", "#E7B800", "#FC4E07"),margin.plot =  "density",margin.params = list(fill = "class", color = "black", size = 0.2),legend = c(0.9,0.15),ggtheme = theme_minimal())

在这里插入图片描述

#-----------------------------------Method 2: ggExtra包的ggMarginal()函数------------------------------------library(ggExtra)#(a) 二维散点与统计直方图
scatter <- ggplot(data=data1,aes(x=x,y=y)) + geom_point(shape=21,fill="#00AFBB",color="black",size=3)+theme_minimal()+theme(#text=element_text(size=15,face="plain",color="black"),axis.title=element_text(size=15,face="plain",color="black"),axis.text = element_text(size=13,face="plain",color="black"),legend.text= element_text(size=13,face="plain",color="black"),legend.title=element_text(size=12,face="plain",color="black"),legend.background=element_blank()#legend.position = c(0.12,0.88))ggMarginal(scatter,type="histogram",color="black",fill="#00AFBB")

在这里插入图片描述

#(b) 二维散点与核密度估计图
scatter <- ggplot(data=data2,aes(x=x,y=y,colour=class,fill=class)) + geom_point(aes(fill=class),shape=21,size=3)+#,colour="black")+scale_fill_manual(values= c("#00AFBB", "#E7B800", "#FC4E07"))+scale_colour_manual(values=c("#00AFBB", "#E7B800", "#FC4E07"))+theme_minimal()+theme(#text=element_text(size=15,face="plain",color="black"),axis.title=element_text(size=15,face="plain",color="black"),axis.text = element_text(size=13,face="plain",color="black"),legend.text= element_text(size=13,face="plain",color="black"),legend.title=element_text(size=12,face="plain",color="black"),legend.background=element_blank(),legend.position = c(0.9,0.15))ggMarginal(scatter,type="density",color="black",groupColour = FALSE,groupFill = TRUE)

在这里插入图片描述

#-----------------------------------method 3:grid.arrange()函数------------------------------
library(gridExtra)
#(a) 二维散点与统计直方图# 绘制主图散点图，并将图例去除，这里point层和path层使用了不同的数据集
scatter <- ggplot() + geom_point(data=data1,aes(x=x,y=y),shape=21,color="black",size=3)+theme_minimal()
# 绘制上边的直方图，并将各种标注去除
hist_top <- ggplot()+geom_histogram(aes(data1$x),colour='black',fill='#00AFBB',binwidth = 0.3)+theme_minimal()+theme(panel.background=element_blank(),axis.title.x=element_blank(), axis.title.y=element_blank(),axis.text.x=element_blank(),axis.text.y=element_blank(),axis.ticks=element_blank())
# 同样绘制右边的直方图
hist_right <- ggplot()+geom_histogram(aes(data1$y),colour='black',fill='#00AFBB',binwidth = 0.3)+theme_minimal()+theme(panel.background=element_blank(),axis.title.x=element_blank(), axis.title.y=element_blank(),#axis.text.x=element_blank(),axis.text.y=element_blank(),axis.ticks=element_blank())+coord_flip()empty <- ggplot() +theme(panel.background=element_blank(),axis.title.x=element_blank(), axis.title.y=element_blank(),axis.text.x=element_blank(),axis.text.y=element_blank(),axis.ticks=element_blank())
# 要由四个图形组合而成，可以用空白图作为右上角的图形也可以，但为了好玩加上了R的logo，这是一种在ggplot中增加jpeg位图的方法
# logo <-  read.jpeg("d:\\Rlogo.jpg")
# empty <- ggplot(data.frame(x=1:10,y=1:10),aes(x,y))+
#   annotation_raster(logo,-Inf, Inf, -Inf, Inf)+
#   opts(axis.title.x=theme_blank(), 
#        axis.title.y=theme_blank(),
#        axis.text.x=theme_blank(),
#        axis.text.y=theme_blank(),
#        axis.ticks=theme_blank())
# 最终的组合
grid.arrange(hist_top, empty, scatter, hist_right, ncol=2, nrow=2, widths=c(4,1), heights=c(1,4))#(b) 二维散点与核密度估计图# 绘制主图散点图，并将图例去除，这里point层和path层使用了不同的数据集
scatter <- ggplot() + geom_point(data=data2,aes(x=x,y=y,fill=class),shape=21,color="black",size=3)+scale_fill_manual(values= c("#00AFBB", "#E7B800", "#FC4E07"))+theme_minimal()+theme(legend.position=c(0.9,0.2))

在这里插入图片描述

#-----------------------------------method 3:grid.arrange()函数------------------------------
library(gridExtra)
#(a) 二维散点与统计直方图# 绘制主图散点图，并将图例去除，这里point层和path层使用了不同的数据集
scatter <- ggplot() + geom_point(data=data1,aes(x=x,y=y),shape=21,color="black",size=3)+theme_minimal()
# 绘制上边的直方图，并将各种标注去除
hist_top <- ggplot()+geom_histogram(aes(data1$x),colour='black',fill='#00AFBB',binwidth = 0.3)+theme_minimal()+theme(panel.background=element_blank(),axis.title.x=element_blank(), axis.title.y=element_blank(),axis.text.x=element_blank(),axis.text.y=element_blank(),axis.ticks=element_blank())
# 同样绘制右边的直方图
hist_right <- ggplot()+geom_histogram(aes(data1$y),colour='black',fill='#00AFBB',binwidth = 0.3)+theme_minimal()+theme(panel.background=element_blank(),axis.title.x=element_blank(), axis.title.y=element_blank(),#axis.text.x=element_blank(),axis.text.y=element_blank(),axis.ticks=element_blank())+coord_flip()empty <- ggplot() +theme(panel.background=element_blank(),axis.title.x=element_blank(), axis.title.y=element_blank(),axis.text.x=element_blank(),axis.text.y=element_blank(),axis.ticks=element_blank())
# 要由四个图形组合而成，可以用空白图作为右上角的图形也可以，但为了好玩加上了R的logo，这是一种在ggplot中增加jpeg位图的方法
# logo <-  read.jpeg("d:\\Rlogo.jpg")
# empty <- ggplot(data.frame(x=1:10,y=1:10),aes(x,y))+
#   annotation_raster(logo,-Inf, Inf, -Inf, Inf)+
#   opts(axis.title.x=theme_blank(), 
#        axis.title.y=theme_blank(),
#        axis.text.x=theme_blank(),
#        axis.text.y=theme_blank(),
#        axis.ticks=theme_blank())
# 最终的组合
grid.arrange(hist_top, empty, scatter, hist_right, ncol=2, nrow=2, widths=c(4,1), heights=c(1,4))#(b) 二维散点与核密度估计图# 绘制主图散点图，并将图例去除，这里point层和path层使用了不同的数据集
scatter <- ggplot() + geom_point(data=data2,aes(x=x,y=y,fill=class),shape=21,color="black",size=3)+scale_fill_manual(values= c("#00AFBB", "#E7B800", "#FC4E07"))+theme_minimal()+theme(legend.position=c(0.9,0.2))
# 绘制上边的直方图，并将各种标注去除
hist_top <- ggplot()+geom_density(data=data2,aes(x,fill=class),colour='black',alpha=0.7)+scale_fill_manual(values= c("#00AFBB", "#E7B800", "#FC4E07"))+theme_void()+theme(legend.position="none")
# 同样绘制右边的直方图
hist_right <- ggplot()+geom_density(data=data2,aes(y,fill=class),colour='black',alpha=0.7)+scale_fill_manual(values= c("#00AFBB", "#E7B800", "#FC4E07"))+theme_void()+coord_flip()+theme(legend.position="none")empty <- ggplot() +theme(panel.background=element_blank(),axis.title.x=element_blank(), axis.title.y=element_blank(),axis.text.x=element_blank(),axis.text.y=element_blank(),axis.ticks=element_blank())
# 要由四个图形组合而成，可以用空白图作为右上角的图形也可以，但为了好玩加上了R的logo，这是一种在ggplot中增加jpeg位图的方法
# logo <-  read.jpeg("d:\\Rlogo.jpg")
# empty <- ggplot(data.frame(x=1:10,y=1:10),aes(x,y))+
#   annotation_raster(logo,-Inf, Inf, -Inf, Inf)+
#   opts(axis.title.x=theme_blank(), 
#        axis.title.y=theme_blank(),
#        axis.text.x=theme_blank(),
#        axis.text.y=theme_blank(),
#        axis.ticks=theme_blank())
# 最终的组合
grid.arrange(hist_top, empty, scatter, hist_right, ncol=2, nrow=2, widths=c(4,1), heights=c(1,4))

在这里插入图片描述
开发工具:RStudio与微信快捷截屏工具Alt+A

这篇关于R语言绘制二维散点与统计分布组合图的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/230903。

相关文章

C语言中%zu的用法解读

C语言中%zu的用法解读

《C语言中%zu的用法解读》size_t是无符号整数类型,用于表示对象大小或内存操作结果,%zu是C99标准中专为size_t设计的printf占位符,避免因类型不匹配导致错误,使用%u或%d可能引发... 目录size_t 类型与 %zu 占位符%zu 的用途替代占位符的风险兼容性说明其他相关占位符验证示
阅读更多...
SQL Server跟踪自动统计信息更新实战指南

SQL Server跟踪自动统计信息更新实战指南

《SQLServer跟踪自动统计信息更新实战指南》本文详解SQLServer自动统计信息更新的跟踪方法,推荐使用扩展事件实时捕获更新操作及详细信息,同时结合系统视图快速检查统计信息状态,重点强调修... 目录SQL Server 如何跟踪自动统计信息更新：深入解析与实战指南 核心跟踪方法1️⃣ 利用系统目录
阅读更多...
C语言进阶(预处理命令详解)

C语言进阶(预处理命令详解)

《C语言进阶(预处理命令详解)》文章讲解了宏定义规范、头文件包含方式及条件编译应用,强调带参宏需加括号避免计算错误,头文件应声明函数原型以便主函数调用,条件编译通过宏定义控制代码编译,适用于测试与模块... 目录1.宏定义1.1不带参宏1.2带参宏2.头文件的包含2.1头文件中的内容2.2工程结构3.条件编
阅读更多...
Go语言并发之通知退出机制的实现

Go语言并发之通知退出机制的实现

《Go语言并发之通知退出机制的实现》本文主要介绍了Go语言并发之通知退出机制的实现,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... 目录1、通知退出机制1.1 进程/main函数退出1.2 通过channel退出1.3 通过cont
阅读更多...
Go语言编译环境设置教程

Go语言编译环境设置教程

《Go语言编译环境设置教程》Go语言支持高并发（goroutine）、自动垃圾回收,编译为跨平台二进制文件,云原生兼容且社区活跃,开发便捷,内置测试与vet工具辅助检测错误,依赖模块化管理,提升开发效... 目录Go语言优势下载 Go  配置编译环境配置 GOPROXYIDE 设置（VS Code）一些基本
阅读更多...
深入理解Go语言中二维切片的使用

深入理解Go语言中二维切片的使用

《深入理解Go语言中二维切片的使用》本文深入讲解了Go语言中二维切片的概念与应用,用于表示矩阵、表格等二维数据结构,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习吧... 目录引言二维切片的基本概念定义创建二维切片二维切片的操作访问元素修改元素遍历二维切片二维切片的动态调整追加行动态
阅读更多...
Go语言中make和new的区别及说明

Go语言中make和new的区别及说明

《Go语言中make和new的区别及说明》：本文主要介绍Go语言中make和new的区别及说明,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1 概述2 new 函数2.1 功能2.2 语法2.3 初始化案例3 make 函数3.1 功能3.2 语法3.3 初始化
阅读更多...
Go语言中nil判断的注意事项(最新推荐)

Go语言中nil判断的注意事项(最新推荐)

《Go语言中nil判断的注意事项(最新推荐)》本文给大家介绍Go语言中nil判断的注意事项,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,需要的朋友参考下吧... 目录1.接口变量的特殊行为2.nil的合法类型3.nil值的实用行为4.自定义类型与nil5.反射判断nil6.函数返回的
阅读更多...
Go语言数据库编程GORM 的基本使用详解

Go语言数据库编程GORM 的基本使用详解

《Go语言数据库编程GORM的基本使用详解》GORM是Go语言流行的ORM框架,封装database/sql,支持自动迁移、关联、事务等,提供CRUD、条件查询、钩子函数、日志等功能,简化数据库操作... 目录一、安装与初始化1. 安装 GORM 及数据库驱动2. 建立数据库连接二、定义模型结构体三、自动迁
阅读更多...
使用Python绘制3D堆叠条形图全解析

使用Python绘制3D堆叠条形图全解析

《使用Python绘制3D堆叠条形图全解析》在数据可视化的工具箱里,3D图表总能带来眼前一亮的效果,本文就来和大家聊聊如何使用Python实现绘制3D堆叠条形图,感兴趣的小伙伴可以了解下... 目录为什么选择 3D 堆叠条形图代码实现：从数据到 3D 世界的搭建核心代码逐行解析细节优化应用场景：3D 堆叠图
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2