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

hdu1496（用hash思想统计数目）

hdu1496（用hash思想统计数目）

作为一个刚学hash的孩子，感觉这道题目很不错，灵活的运用的数组的下标。 解题步骤：如果用常规方法解，那么时间复杂度为O（n^4）,肯定会超时，然后参考了网上的解题方法，将等式分成两个部分，a*x1^2+b*x2^2和c*x3^2+d*x4^2， 各自作为数组的下标，如果两部分相加为0，则满足等式； 代码如下： #include<iostream>#include<algorithm
阅读更多...
poj2576(二维背包)

poj2576(二维背包)

题意：n个人分成两组，两组人数只差小于1 ， 并且体重只差最小 对于人数要求恰好装满，对于体重要求尽量多，一开始没做出来，看了下解题，按照自己的感觉写，然后a了 状态转移方程：dp[i][j] = max(dp[i][j],dp[i-1][j-c[k]]+c[k]);其中i表示人数，j表示背包容量，k表示输入的体重的 代码如下： #include<iostream>#include<
阅读更多...
hdu2159（二维背包）

hdu2159（二维背包）

这是我的第一道二维背包题，没想到自己一下子就A了，但是代码写的比较乱，下面的代码是我有重新修改的 状态转移：dp[i][j] = max(dp[i][j], dp[i-1][j-c[z]]+v[z]); 其中dp[i][j]表示，打了i个怪物，消耗j的耐力值，所得到的最大经验值 代码如下： #include<iostream>#include<algorithm>#include<
阅读更多...
hdu4869（逆元+求组合数）

hdu4869（逆元+求组合数）

//输入n，m，n表示翻牌的次数，m表示牌的数目，求经过n次操作后共有几种状态#include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<queue>#include<set>#include<map>#include<stdio.h>#include<stdlib.h>#includ
阅读更多...
科研绘图系列：R语言扩展物种堆积图（Extended Stacked Barplot）

科研绘图系列：R语言扩展物种堆积图（Extended Stacked Barplot）

介绍 R语言的扩展物种堆积图是一种数据可视化工具，它不仅展示了物种的堆积结果，还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异，为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl
阅读更多...
透彻！驯服大型语言模型（LLMs）的五种方法，及具体方法选择思路

透彻！驯服大型语言模型（LLMs）的五种方法，及具体方法选择思路

引言 随着时间的发展，大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用，随着人们期望的不断增加，目标也发生了巨大的变化。在短短的几个月的时间里，人们对大模型的认识已经从对其zero-shot能力感到惊讶，转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构（例如Transformer）对海量的、多种多样的数据分布进行建模得到，它包含了大量的先验
阅读更多...
【WebGPU Unleashed】1.1 绘制三角形

【WebGPU Unleashed】1.1 绘制三角形

一部2024新的WebGPU教程，作者Shi Yan。内容很好，翻译过来与大家共享，内容上会有改动，加上自己的理解。更多精彩内容尽在 dt.sim3d.cn ，关注公众号【sky的数孪技术】，技术交流、源码下载请添加微信号：digital_twin123 在 3D 渲染领域，三角形是最基本的绘制元素。在这里，我们将学习如何绘制单个三角形。接下来我们将制作一个简单的着色器来定义三角形内的像素
阅读更多...
HDU 2159 二维完全背包

HDU 2159 二维完全背包

FATE 最近xhd正在玩一款叫做FATE的游戏，为了得到极品装备，xhd在不停的杀怪做任务。久而久之xhd开始对杀怪产生的厌恶感，但又不得不通过杀怪来升完这最后一级。现在的问题是，xhd升掉最后一级还需n的经验值，xhd还留有m的忍耐度，每杀一个怪xhd会得到相应的经验，并减掉相应的忍耐度。当忍耐度降到0或者0以下时，xhd就不会玩这游戏。xhd还说了他最多只杀s只怪。请问他能
阅读更多...
Flutter 进阶：绘制加载动画

Flutter 进阶：绘制加载动画

绘制加载动画：由小圆组成的大圆 1. 定义 LoadingScreen 类2. 实现 _LoadingScreenState 类3. 定义 LoadingPainter 类4. 总结 实现加载动画 我们需要定义两个类：LoadingScreen 和 LoadingPainter。LoadingScreen 负责控制动画的状态，而 LoadingPainter 则负责绘制动画。
阅读更多...
flume系列之：查看flume系统日志、查看统计flume日志类型、查看flume日志

flume系列之：查看flume系统日志、查看统计flume日志类型、查看flume日志

遍历指定目录下多个文件查找指定内容 服务器系统日志会记录flume相关日志 cat /var/log/messages |grep -i oom 查找系统日志中关于flume的指定日志 import osdef search_string_in_files(directory, search_string):count = 0
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2