Part 2: Customizing the Look and Feel,

更高级的自定义化，比如说操作图例、注记、多图布局等 

# Setup

options(scipen=999)

library(ggplot2)

data("midwest", package = "ggplot2")

theme_set(theme_bw())

# midwest <- read.csv("http://goo.gl/G1K41K")  # bkup data source

# Add plot components --------------------------------

gg <- ggplot(midwest, aes(x=area, y=poptotal)) +

  geom_point(aes(col=state, size=popdensity)) +

  geom_smooth(method="loess", se=F) + xlim(c(0, 0.1)) + ylim(c(0, 500000)) +

  labs(title="Area Vs Population", y="Population", x="Area", caption="Source: midwest")

# Call plot ------------------------------------------

plot(gg)

传递给 theme() 的参数要求使用特定的 element_type() 函数来设置. 主要有四种类型

  1. element_text(): Since the title, subtitle and captions are textual items
  2. element_line(): Likewise element_line() is use to modify line based components such as the axis lines, major and minor grid lines, etc.
  3. element_rect(): Modifies rectangle components such as plot and panel background.
  4. element_blank(): Turns off displaying the theme item.清除主题展示

1 添加图形和轴标题

theme() 函数接受四个 element_type() 函数之一作为实参 由于标题是文本  使用element_text()修饰

library(ggplot2)

# Base Plot

gg <- ggplot(midwest, aes(x=area, y=poptotal)) +

  geom_point(aes(col=state, size=popdensity)) +

  geom_smooth(method="loess", se=F) + xlim(c(0, 0.1)) + ylim(c(0, 500000)) +

  labs(title="Area Vs Population", y="Population", x="Area", caption="Source: midwest")

# Modify theme components -------------------------------------------

gg + theme(plot.title=element_text(size=20,

                                    face="bold",

                                    family="American Typewriter",

                                    color="tomato",

                                    hjust=0.5,

                                    lineheight=1.2),  # title

            plot.subtitle=element_text(size=15,

                                       family="American Typewriter",

                                       face="bold",

                                       hjust=0.5),  # subtitle

            plot.caption=element_text(size=15),  # caption

            axis.title.x=element_text(vjust=10,

                                      size=15),  # X axis title

            axis.title.y=element_text(size=15),  # Y axis title

            axis.text.x=element_text(size=10,

                                     angle = 30,

                                     vjust=.5),  # X axis text

            axis.text.y=element_text(size=10))  # Y axis text

  • vjust, controls the vertical spacing between title (or label) and plot. 行距
  • hjust, controls the horizontal spacing. Setting it to 0.5 centers the title. 间距
  • family, 字体
  • face, sets the font face (“plain”, “italic”, “bold”, “bold.italic”)

?theme

2 修改图例

aesthetics are static, a legend is not drawn by default.

aesthetics (fill, size, col, shape or stroke) base on another column, as in geom_point(aes(col=state, size=popdensity)), a legend is automatically drawn.

改变标题

Method 1: Using labs()

library(ggplot2)

# Base Plot

gg <- ggplot(midwest, aes(x=area, y=poptotal)) +

  geom_point(aes(col=state, size=popdensity)) +

  geom_smooth(method="loess", se=F) + xlim(c(0, 0.1)) + ylim(c(0, 500000)) +

  labs(title="Area Vs Population", y="Population", x="Area", caption="Source: midwest")

gg + labs(color="State", size="Density")  # modify legend title

Method 2: Using guides()

library(ggplot2)

# Base Plot

gg <- ggplot(midwest, aes(x=area, y=poptotal)) +

  geom_point(aes(col=state, size=popdensity)) +

  geom_smooth(method="loess", se=F) + xlim(c(0, 0.1)) + ylim(c(0, 500000)) +

  labs(title="Area Vs Population", y="Population", x="Area", caption="Source: midwest")

gg <- gg + guides(color=guide_legend("State"), size=guide_legend("Density"))  # modify legend title

plot(gg)

Method 3: Using scale_aesthetic_vartype() format

scale_aestheic_vartype() 可以关闭指定变量的图例，其余保持不变 通过设置 guide=FALSE

基于连续变量的点的大小的图例, 使用 scale_size_continuous() 函数

library(ggplot2)

# Base Plot

gg <- ggplot(midwest, aes(x=area, y=poptotal)) +

  geom_point(aes(col=state, size=popdensity)) +

  geom_smooth(method="loess", se=F) + xlim(c(0, 0.1)) + ylim(c(0, 500000)) +

  labs(title="Area Vs Population", y="Population", x="Area", caption="Source: midwest")

# Modify Legend

gg + scale_color_discrete(name="State") + scale_size_continuous(name = "Density", guide = FALSE)  # turn off legend for size

改变图例标签和点的颜色（针对不同类型）

使用对应的 scale_aesthetic_manual() 函数 新的图例标签作为一个字符向量 （labels argument）

通过 values 实参改变颜色

library(ggplot2)

# Base Plot

gg <- ggplot(midwest, aes(x=area, y=poptotal)) +

  geom_point(aes(col=state, size=popdensity)) +

  geom_smooth(method="loess", se=F) + xlim(c(0, 0.1)) + ylim(c(0, 500000)) +

  labs(title="Area Vs Population", y="Population", x="Area", caption="Source: midwest")

gg + scale_color_manual(name="State",

                        labels = c("Illinois",

                                   "Indiana",

                                   "Michigan",

                                   "Ohio",

                                   "Wisconsin"), #可以改变图例标签的顺序

                        values = c("IL"="blue",

                                   "IN"="red",

                                   "MI"="green",

                                   "OH"="brown",

                                   "WI"="orange"))

改变图例的顺序

guides()

library(ggplot2)

# Base Plot

gg <- ggplot(midwest, aes(x=area, y=poptotal)) +

  geom_point(aes(col=state, size=popdensity)) +

  geom_smooth(method="loess", se=F) + xlim(c(0, 0.1)) + ylim(c(0, 500000)) +

  labs(title="Area Vs Population", y="Population", x="Area", caption="Source: midwest")

gg + guides(colour = guide_legend(order = 1),

            size = guide_legend(order = 2))

改变图例标题 文本 背景的样式

图例的 key 是一个像元素的图形 , 使用 element_rect() 函数设置

library(ggplot2)

# Base Plot

gg <- ggplot(midwest, aes(x=area, y=poptotal)) +

  geom_point(aes(col=state, size=popdensity)) +

  geom_smooth(method="loess", se=F) + xlim(c(0, 0.1)) + ylim(c(0, 500000)) +

  labs(title="Area Vs Population", y="Population", x="Area", caption="Source: midwest")

gg + theme(legend.title = element_text(size=12, color = "firebrick"),

           legend.text = element_text(size=10),

           legend.key=element_rect(fill='springgreen')) +

  guides(colour = guide_legend(override.aes = list(size=2, stroke=1.5)))

删除图例和改变图例位置

可以使用 theme()函数设置图例的位置 如果想把图例放在图形内部，可以使用 legend.justification 调整图例的铰接点

legend.position 是图例在图形中的坐标 其中(0,0)是左下   (1,1)是右上 legend.justification 指图例内的铰接点

library(ggplot2)

# Base Plot

gg <- ggplot(midwest, aes(x=area, y=poptotal)) +

  geom_point(aes(col=state, size=popdensity)) +

  geom_smooth(method="loess", se=F) + xlim(c(0, 0.1)) + ylim(c(0, 500000)) +

  labs(title="Area Vs Population", y="Population", x="Area", caption="Source: midwest")

# No legend --------------------------------------------------

gg + theme(legend.position="None") + labs(subtitle="No Legend")

# Legend to the left -----------------------------------------

gg + theme(legend.position="left") + labs(subtitle="Legend on the Left")

# legend at the bottom and horizontal ------------------------

gg + theme(legend.position="bottom", legend.box = "horizontal") + labs(subtitle="Legend at Bottom")

# legend at bottom-right, inside the plot --------------------

gg + theme(legend.title = element_text(size=12, color = "salmon", face="bold"),

           legend.justification=c(1,0),

           legend.position=c(0.95, 0.05),

           legend.background = element_blank(),

           legend.key = element_blank()) +

  labs(subtitle="Legend: Bottom-Right Inside the Plot")

# legend at top-left, inside the plot -------------------------

gg + theme(legend.title = element_text(size=12, color = "salmon", face="bold"),

           legend.justification=c(0,1),

           legend.position=c(0.05, 0.95),

           legend.background = element_blank(),

           legend.key = element_blank()) +

  labs(subtitle="Legend: Top-Left Inside the Plot")

添加文本 标签

对人口数超过 300K的县标记 首先创建一个切出来符合条件的数据框 (midwest_sub)

然后用这个数据框作为数据源去画 geom_text 和 geom_label

推荐使用ggrepel包为点添加文本或者标签 因为不会遮盖点

library(ggplot2)

# Filter required rows.

midwest_sub <- midwest[midwest$poptotal > 300000, ]

midwest_sub$large_county <- ifelse(midwest_sub$poptotal > 300000, midwest_sub$county, "")

# Base Plot

gg <- ggplot(midwest, aes(x=area, y=poptotal)) +

  geom_point(aes(col=state, size=popdensity)) +

  geom_smooth(method="loess", se=F) + xlim(c(0, 0.1)) + ylim(c(0, 500000)) +

  labs(title="Area Vs Population", y="Population", x="Area", caption="Source: midwest")

# Plot text and label ------------------------------------------------------

gg + geom_text(aes(label=large_county), size=2, data=midwest_sub) + labs(subtitle="With ggplot2::geom_text") + theme(legend.position = "None")   # text 设置data参量

gg + geom_label(aes(label=large_county), size=2, data=midwest_sub, alpha=0.25) + labs(subtitle="With ggplot2::geom_label") + theme(legend.position = "None")  # label 是有外边框的

# Plot text and label that REPELS eachother (using ggrepel pkg) ------------

library(ggrepel)

gg + geom_text_repel(aes(label=large_county), size=2, data=midwest_sub) + labs(subtitle="With ggrepel::geom_text_repel") + theme(legend.position = "None")   # text

gg + geom_label_repel(aes(label=large_county), size=2, data=midwest_sub) + labs(subtitle="With ggrepel::geom_label_repel") + theme(legend.position = "None")   # label

添加注记

使用 annotation_custom() 函数 需要一个  grob 作为参数

创建一个包含你想展示的文本的grob

library(ggplot2)

# Base Plot

gg <- ggplot(midwest, aes(x=area, y=poptotal)) +

  geom_point(aes(col=state, size=popdensity)) +

  geom_smooth(method="loess", se=F) + xlim(c(0, 0.1)) + ylim(c(0, 500000)) +

  labs(title="Area Vs Population", y="Population", x="Area", caption="Source: midwest")

# Define and add annotation -------------------------------------

library(grid)

my_text <- "This text is at x=0.7 and y=0.8!" #文本

my_grob = grid.text(my_text, x=0.7,  y=0.8, gp=gpar(col="firebrick", fontsize=14, fontface="bold")) #文本位置 样式

gg + annotation_custom(my_grob)

4 翻转x y轴

交换x y轴

coord_flip()

library(ggplot2)

# Base Plot

gg <- ggplot(midwest, aes(x=area, y=poptotal)) +

  geom_point(aes(col=state, size=popdensity)) +

  geom_smooth(method="loess", se=F) + xlim(c(0, 0.1)) + ylim(c(0, 500000)) +

  labs(title="Area Vs Population", y="Population", x="Area", caption="Source: midwest", subtitle="X and Y axis Flipped") + theme(legend.position = "None")

# Flip the X and Y axis -------------------------------------------------

gg + coord_flip()　

逆转坐标轴的范围顺序

library(ggplot2)

# Base Plot

gg <- ggplot(midwest, aes(x=area, y=poptotal)) +

  geom_point(aes(col=state, size=popdensity)) +

  geom_smooth(method="loess", se=F) + xlim(c(0, 0.1)) + ylim(c(0, 500000)) +

  labs(title="Area Vs Population", y="Population", x="Area", caption="Source: midwest", subtitle="Axis Scales Reversed") + theme(legend.position = "None")

# Reverse the X and Y Axis ---------------------------

gg + scale_x_reverse() + scale_y_reverse()

5 切面：在一个图形中画多图

library(ggplot2)

data(mpg, package="ggplot2")  # load data

# mpg <- read.csv("http://goo.gl/uEeRGu")  # alt data source

g <- ggplot(mpg, aes(x=displ, y=hwy)) +

      geom_point() +

      labs(title="hwy vs displ", caption = "Source: mpg") +

      geom_smooth(method="lm", se=FALSE) +

      theme_bw()  # apply bw theme

plot(g)

我们得到一个简单的 highway mileage (hwy) 和 engine displacement (displ) 的图，但是如果想研究不同类型车辆这两个变量之间的关系呢？　

Facet Wrap

所有的图形在x和y轴的缩放比例默认相同 可以通过设置 scales='free' 解除约束 但是这样难以比较不同组之间的差异

library(ggplot2)

# Base Plot

g <- ggplot(mpg, aes(x=displ, y=hwy)) +

      geom_point() +

      geom_smooth(method="lm", se=FALSE) +

      theme_bw()  # apply bw theme

# Facet wrap with common scales

g + facet_wrap( ~ class, nrow=3) + labs(title="hwy vs displ", caption = "Source: mpg", subtitle="Ggplot2 - Faceting - Multiple plots in one figure")  # Shared scales

# Facet wrap with free scales

g + facet_wrap( ~ class, scales = "free") + labs(title="hwy vs displ", caption = "Source: mpg", subtitle="Ggplot2 - Faceting - Multiple plots in one figure with free scales")  # Scales free

Facet Grid

facet_grid() 用来把一个大图按照不同种类拆分成许多小图 将一个 formula作为主要参数  ~ 左边构成行 而~右边构成列

标题行会占用很多空间 facet_grid() 会清理这些标题  facet_grid 不能选择行数与列数

library(ggplot2)

# Base Plot

g <- ggplot(mpg, aes(x=displ, y=hwy)) +

      geom_point() +

      labs(title="hwy vs displ", caption = "Source: mpg", subtitle="Ggplot2 - Faceting - Multiple plots in one figure") +

      geom_smooth(method="lm", se=FALSE) +

      theme_bw()  # apply bw theme

# Add Facet Grid

g1 <- g + facet_grid(manufacturer ~ class)  # manufacturer in rows and class in columns

plot(g1)

把这些图放到一个面板中

# Draw Multiple plots in same figure.

library(gridExtra)

gridExtra::grid.arrange(g1, g2, ncol=2)

6 修改背景 主要次要坐标轴

改变背景

library(ggplot2)

# Base Plot

g <- ggplot(mpg, aes(x=displ, y=hwy)) +

      geom_point() +

      geom_smooth(method="lm", se=FALSE) +

      theme_bw()  # apply bw theme

# Change Plot Background elements -----------------------------------

g + theme(panel.background = element_rect(fill = 'khaki'),

          panel.grid.major = element_line(colour = "burlywood", size=1.5),

          panel.grid.minor = element_line(colour = "tomato",

                                          size=.25,

                                          linetype = "dashed"),

          panel.border = element_blank(),

          axis.line.x = element_line(colour = "darkorange",

                                     size=1.5,

                                     lineend = "butt"),

          axis.line.y = element_line(colour = "darkorange",

                                     size=1.5)) +

    labs(title="Modified Background",

         subtitle="How to Change Major and Minor grid, Axis Lines, No Border")

# Change Plot Margins -----------------------------------------------

g + theme(plot.background=element_rect(fill="salmon"),

          plot.margin = unit(c(2, 2, 1, 1), "cm")) +  # top, right, bottom, left

    labs(title="Modified Background", subtitle="How to Change Plot Margin")

删除主要次要格网 改变边界 轴标题 文本和刻度

library(ggplot2)

# Base Plot

g <- ggplot(mpg, aes(x=displ, y=hwy)) +

      geom_point() +

      geom_smooth(method="lm", se=FALSE) +

      theme_bw()  # apply bw theme

g + theme(panel.grid.major = element_blank(),

          panel.grid.minor = element_blank(),

          panel.border = element_blank(),

          axis.title = element_blank(),

          axis.text = element_blank(),

          axis.ticks = element_blank()) +

  labs(title="Modified Background", subtitle="How to remove major and minor axis grid, border, axis title, text and ticks")

在背景中添加图片

library(ggplot2)

library(grid)

library(png)

img <- png::readPNG("screenshots/Rlogo.png")  # source: https://www.r-project.org/

g_pic <- rasterGrob(img, interpolate=TRUE)

# Base Plot

g <- ggplot(mpg, aes(x=displ, y=hwy)) +

      geom_point() +

      geom_smooth(method="lm", se=FALSE) +

      theme_bw()  # apply bw theme

g + theme(panel.grid.major = element_blank(),

          panel.grid.minor = element_blank(),

          plot.title = element_text(size = rel(1.5), face = "bold"),

          axis.ticks = element_blank()) +

  annotation_custom(g_pic, xmin=5, xmax=7, ymin=30, ymax=45)

Inheritance Structure of Theme Components

主题组分的继承结构

参考：

http://r-statistics.co/Complete-Ggplot2-Tutorial-Part2-Customizing-Theme-With-R-Code.html

R:ggplot2数据可视化——进阶(2)的更多相关文章

  1. R:ggplot2数据可视化——进阶(1)

    ,分为三个部分,此篇为Part1,推荐学习一些基础知识后阅读~ Part 1: Introduction to ggplot2, 覆盖构建简单图表并进行修饰的基础知识 Part 2: Customiz ...

  2. R:ggplot2数据可视化——进阶(3)

    Part 3: Top 50 ggplot2 Visualizations - The Master List, 结合进阶1.2内容构建图形 有效的图形是: 不扭曲事实 传递正确的信息 简洁优雅 美观 ...

  3. R:ggplot2数据可视化——基础知识

    1 安装 # 获取ggplot2 最容易的就是下载整个tidyverse: install.packages("tidyverse") # 也可以选择只下载ggplot2: ins ...

  4. 最棒的7种R语言数据可视化

    最棒的7种R语言数据可视化 随着数据量不断增加,抛开可视化技术讲故事是不可能的.数据可视化是一门将数字转化为有用知识的艺术. R语言编程提供一套建立可视化和展现数据的内置函数和库,让你学习这门艺术.在 ...

  5. 第一篇：R语言数据可视化概述(基于ggplot2)

    前言 ggplot2是R语言最为强大的作图软件包,强于其自成一派的数据可视化理念.当熟悉了ggplot2的基本套路后,数据可视化工作将变得非常轻松而有条理. 本文主要对ggplot2的可视化理念及开发 ...

  6. 第三篇：R语言数据可视化之条形图

    条形图简介 数据可视化中,最常用的图非条形图莫属,它主要用来展示不同分类(横轴)下某个数值型变量(纵轴)的取值.其中有两点要重点注意: 1. 条形图横轴上的数据是离散而非连续的.比如想展示两商品的价格 ...

  7. 第六篇：R语言数据可视化之数据分布图（直方图、密度曲线、箱线图、等高线、2D密度图）

    数据分布图简介 中医上讲看病四诊法为:望闻问切.而数据分析师分析数据的过程也有点相似,我们需要望:看看数据长什么样:闻:仔细分析数据是否合理:问:针对前两步工作搜集到的问题与业务方交流:切:结合业务方 ...

  8. 第五篇：R语言数据可视化之散点图

    散点图简介 散点图通常是用来表述两个连续变量之间的关系,图中的每个点表示目标数据集中的每个样本. 同时散点图中常常还会拟合一些直线,以用来表示某些模型. 绘制基本散点图 本例选用如下测试数据集: 绘制 ...

  9. 第四篇：R语言数据可视化之折线图、堆积图、堆积面积图

    折线图简介 折线图通常用来对两个连续变量的依存关系进行可视化,其中横轴很多时候是时间轴. 但横轴也不一定是连续型变量,可以是有序的离散型变量. 绘制基本折线图 本例选用如下测试数据集: 绘制方法是首先 ...

随机推荐

  1. CSS案例2（一个简单的新闻网页）

     知识点: 1.一般网页不用纯黑,用淡灰色  3c3c3c 2.text-align: center;  /*  文字水平居中 */ 3.font-weight: normal;  /* 清除加粗效果 ...

  2. js条件语句，用if...else if....else方程ax2+bx+c=0一元二次方程。求根

    if 语句 - 只有当指定条件为 true 时,使用该语句来执行代码 if...else 语句 - 当条件为 true 时执行代码,当条件为 false 时执行其他代码 if...else if... ...

  3. Java中的线程Thread方法之---interrupt()

    前几篇都介绍了Thread中的几个方法,相信大家都发现一个相似点,那就是sleep,join,wait这样的阻塞方法都必须捕获一个InterruptedException异常,顾名思义就是一个线程中断 ...

  4. 移动端多选插件-jquery

    <!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <title> ...

  5. python从入门到大神---2、和Python编程相遇的日子

    python从入门到大神---2.和Python编程相遇的日子 一.总结 一句话总结: python2和python3是很不同的,连语法都不同,比如 print 函数打印结果 1.python中pip ...

  6. 配置Tomcat-8.5 JVM内存参数

    配置Tomcat-8.5 JVM内存参数 apache-tomcat-8.5与之前的版本存在些许差异,配置方式有所改变,并且针对JVM一些参数不再支持.故本文档主要简介一下如何在apache-tomc ...

  7. day 90 跨域和CORS

    跨域和CORS   本节目录 一 跨域 二 CORS 三 xxx 四 xxx 五 xxx 六 xxx 七 xxx 八 xxx 一 跨域 同源策略(Same origin policy)是一种约定,它是 ...

  8. SQLServer 安装失败可能的原因

    问题:安装的时候显示参数指定的目录无效 解决:你的安装盘使用了文件/文件夹压缩功能,去掉压缩属性即可! 建议不要轻易使用储存盘的压缩功能

  9. Linux上 安装Sorl4.7 中间件用tomcat

    最近需要用到solr,公司内部搭建了一个solr测试环境. 版本:solr4.7.2 ,tomcat 7.0.55 jdk:1.7_051 解压 solr 和tomcat  这里就不详说. 1.启动t ...

  10. Python: 比较两个字典是否相等

    有些情况下会遇到比较两个字典是否相等的问题 直观来想,会比较键是否一致,其对应的值是否相等 python中,还有有另外两种方法: 直接使用== a = {'a': 1, 'b': 2} b = {'a ...