R Graphics Cookbook 第3章

3.1 基本条形图

library(ggplot2)

library(gcookbook)

pg_mean #这是用到的数据
group weight
1 ctrl 5.032
2 trt1 4.661
3 trt2 5.526

ggplot(pg_mean, aes(x=group, y=weight)) + geom_bar(stat="identity")

x轴是连续变量还是因子，画出的图有所不同，这里的group是因子。

str(pg_mean)
'data.frame': 3 obs. of 2 variables:
$ group : Factor w/ 3 levels "ctrl","trt1",..: 1 2 3 #可以看出group是因子
$ weight: num 5.03 4.66 5.53

用fill设置填充色，用color设置边框颜色

ggplot(pg_mean, aes(x=group, y=weight)) + geom_bar(stat="identity", fill="lightblue", color="black")

用我的计步数据试试：

Sys.setenv(JAVA_HOME='C:/Program Files/Java/jdk1.6.0_33/jre')

library(xlsx)

setwd("d:/shenlb/health")

fitbit <- read.xlsx(file="fitbit2014.xlsx", header=TRUE, sheetIndex=1) #用到JAVA，比read.csv慢了不少

meanMonthStep <- aggregate(fitbit$step, by=list(format(fitbit$date,"%m")), mean)

colnames(meanMonthStep) <- c("month","step") #设置列名

ggplot(meanMonthStep, aes(x=month, y=step)) + geom_bar(stat="identity", fill="lightblue", color="black")

3.2 Grouping Bars Together

cabbage_exp
Cultivar Date Weight        sd n         se
1      c39 d16   3.18 0.9566144 10 0.30250803
2      c39 d20   2.80 0.2788867 10 0.08819171
3      c39 d21   2.74 0.9834181 10 0.31098410
4      c52 d16   2.26 0.4452215 10 0.14079141
5      c52 d20   3.11 0.7908505 10 0.25008887
6      c52 d21   1.47 0.2110819 10 0.06674995

条形图的x轴通常是一个分类变量，y轴是连续变量，经常还会提供另一个分类变量，进行分组比较，这里用Cultivar，放在fill属性中（实际上还可以用其它显示样式，但填充色最容易区分不同的可视化对象），用dodge选项使它们互相躲避。

ggplot(cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar)) + geom_bar(stat="identity", position="dodge")

如果没有用position=”dodge”选项，则是堆叠条形图。

ggplot(cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar)) + geom_bar(stat="identity")

还可以用其它的调色板进行填充：

ggplot(cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar)) +
geom_bar(stat="identity", position="dodge", color="black") +
scale_fill_brewer(palette="Pastel1")

3.3. Making a Bar Graph of Counts

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

如果只是想按某个分类变量统计出现的个数，则：

ggplot(diamonds, aes(x=cut)) + geom_bar()

它实际上等价于下面的命令：

ggplot(diamonds, aes(x=cut)) + geom_bar(stat="bin")

上面的例子的x轴用的是分类变量，如果用连续变量，则会得到直方图。

ggplot(diamonds, aes(x=price)) + geom_bar(stat="bin")

这时最好用geom_histogram()：

ggplot(diamonds, aes(x=price)) + geom_histogram()

3.4. Using Colors in a Bar Graph

把计步数据用指定的颜色填充。这里只有11个月，所以造了11种颜色。

ggplot(meanMonthStep, aes(x=month, y=step, fill=month)) +
geom_bar(stat="identity", color="black") +
scale_fill_manual(values=c("#111111", "#222222", "#333333", "#444444", "#555555", "#666666",
"#777777", "#888888", "#999999", "#AAAAAA", "#BBBBBB"))

如果想移除右侧的图例，用guide=FALSE

加文本标签

ggplot(meanMonthStep, aes(x=month, y=step)) +
geom_bar(stat="identity", fill="lightblue", color="black") +
geom_text(aes(label=floor(step)), vjust=-0.2)