R語言數據可視化 ggplot2基礎4 位置與坐標系

我們繼續使用ggplot2::diamonds介紹position。

---

position = “identity”

ggplot(data=diamonds)+geom_bar(mapping = aes(x = cut, fill = cut), position = "identity")

另外，我們對每一個直方還可以根據另外的變量進行劃分，比如用下面的代碼，我們可以展示每一種凈度在不同檔次的切工中所占比率。

ggplot(data=diamonds)+geom_bar(mapping = aes(x = cut, fill = clarity), position = "identity")

---

position = “fill”

這種position關系可以用在sub-category比率在組間的橫向比較，比如要比較鉆石凈度在不同切工中所占比率，我們可以用下面的代碼：

ggplot(data=diamonds)+geom_bar(mapping = aes(x = cut, fill = clarity), position = "fill")

---

position = “dodge”

雖然上面那張圖可以讓我們做凈度的橫向比較了，但這張圖還是比較丑的，而且我們比較熟悉的不太一樣，我們比較熟悉的分category和sub-category展示的直方圖是用下面的代碼得到的：

ggplot(data=diamonds)+geom_bar(mapping = aes(x = cut, fill = clarity), position = "dodge")

---

position = “jitter”

這種位置關系比較特殊，它的作用是給每一個數據點加上一點隨機噪聲，我們用上上講的散點圖為例：

ggplot(data = mpg)+geom_point(mapping = aes(x=displ,y=hwy),position="identity")

ggplot(data = mpg)+geom_point(mapping = aes(x=displ,y=hwy),position="jitter")

identity的position導致取值相同的點會重合在一起，看上去就像一個點一樣，這不利于我們發現數據是否存在聚類；jitter給點加上隨機噪聲后能讓取值相同的點重疊但不重合，所以能夠看出數據的集中性。

---

---

關于坐標系，我們之前介紹過兩種，對數坐標與笛卡爾坐標，笛卡爾坐標就是直角坐標，用

coord_cartesian()

表示；對數坐標就是基于直角坐標做scaling，用下面的代碼實現

scale_y_log10()
scale_x_log10()
coord_cartesian()

我們再另外介紹三種坐標操作，

---

交換$x$與$y$軸的位置：

coord_flip()

ggplot(data = mpg,mapping = aes(x=class,y=hwy))+geom_boxplot()

ggplot(data = mpg,mapping = aes(x=class,y=hwy))+geom_boxplot()+coord_flip()

---

畫真實的地圖

coord_quickmap()

install.packages("maps") library(maps) World <- map_data("world") ggplot(World, aes(long,lat,group = group))+geom_polygon(fill = "white", color = "black")+coord_quickmap()

---

極坐標

coord_polar()

World <- map_data("world") ggplot(World, aes(long,lat,group = group))+geom_polygon(fill = "white", color = "black")+coord_polar()

總結

以上是生活随笔為你收集整理的R语言数据可视化 ggplot2基础4 位置与坐标系的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。