统计、可视化两不误,这个多达19种可视化技能一定要掌握~~

2024-04-28 11:38

本文主要是介绍统计、可视化两不误,这个多达19种可视化技能一定要掌握~~,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!

小伙伴们非要私信要R语言的统计可视化工具,推给你98df8c782a9728260a22520b00311988.png0d768fbb56e3989e543b08c13208ee35.png~~

今日小编继续给大家推荐优质绘图工具,帮助小伙伴们更好的是实现不同领域中可视化作品的快速绘制。今天的主角为R-grafify包,其包含5大类共19种可视化图表,舒适和符合出版要求的配色更是为这个可视化包填色,下面就通过以下两个方面介绍下整个优质可视化工具。

  • R-grafify介绍

  • R-grafify样例介绍

R-grafify介绍

这一部分小编重点放在R-grafify可绘制的5大类可视化图表和颜色搭配上,内容如下:

5大类可视化图表

R-grafify包可绘制的19种图表主要可分为以下5个小类:

  • Two variables、

  • Three or four variables、

  • Numeric X-Y Plots、

  • Before-after Plots

  • Data distributions

下面的样例介绍部分,小编将进行具体介绍。

颜色搭配

R-grafify 包有其自己独有的颜色搭配设计,这里直接列出其所有的颜色条,如下图所示:

2641df2b85d393bc36405fbbe4be59cf.png
R-grafify包所能使用的颜色条示例

你可以像使用ggplot2种的scale_fill... 和scale_colour... 函数一样使用R-grafify包的颜色名称进行颜色选择和设置。

R-grafify样例介绍

这一部分小编将对上述列举过的5大类图表进行一一介绍(有的类样例较多,将介绍几个典型的图表类型),详细内容如下:

Two variables

这一小类所含图表类型较多,这里小编简单列举3个样例,如下:

  • plot_scatterbar_sd()

plot_scatterbar_sd(data = data_1w_death, #data tablexcol = Genotype,      #X variableycol = Death)+        #Y variablehrbrthemes::theme_ipsum(base_family = "Roboto Condensed") +labs(title = "Example of <span style='color:#D20F26'>grafify::plot_scatterbar_sd function</span>",subtitle = "processed charts with <span style='color:#1A73E8'>plot_scatterbar_sd()</span>",caption = "Visualization by <span style='color:#0057FF'>DataCharm</span>") +theme(plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",size = 20, margin = margin(t = 1, b = 12)),plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=15),plot.caption = element_markdown(hjust = 1,face = 'bold',size = 12))
f47474cedbf648c6cb5101d8c302e90f.png
Example Of grafify::plot_scatterbar_sd function
  • plot_scatterbox()

plot_scatterbox(data_1w_death,    #data tableGenotype,         #X variableDeath,            #Y variablesymsize = 3,      #larger symbolsjitter = 0.2)
21f7b3d3d1d9badaad7c063df6ef7a1a.png
Example Of grafify::plot_scatterbox()
  • plot_point_sd()

plot_point_sd(data_1w_death,Genotype,Death,symsize = 6,     #larger symbolsewid = 0.2,      #narrower error barsColPal = "bright", #"bright" paletteColRev = F) +
c1ab86b4e2baa3598b57dfa332fab940.png
Example Of grafify::plot_point_sd()

「注意」:这里更改了颜色条:ColPal = "bright",且ColRev设置成False。

Three or four variables

这类图表包含plot_3d_scatterbar(), plot_3d_scatterbox(), plot_4d_scatterbar(), plot_4d_scatterbox() 函数,具体如下:

  • plot_3d_scatterbar()

plot_3d_scatterbar(data_2w_Festing,     #data tableStrain,           #X variableGST,                 #Y variableshapes = Treatment, symsize = 3,         #grouping factor for shapesColPal = "vibrant") + #"vibrant" palette
hrbrthemes::theme_ipsum(base_family = "Roboto Condensed") +labs(title = "Example of <span style='color:#D20F26'>grafify::plot_3d_scatterbar function</span>",subtitle = "processed charts with <span style='color:#1A73E8'>plot_3d_scatterbar()</span>",caption = "Visualization by <span style='color:#0057FF'>DataCharm</span>") +theme(plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",size = 20, margin = margin(t = 1, b = 12)),plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=15),plot.caption = element_markdown(hjust = 1,face = 'bold',size = 12))
68b661630090f133276f8de7cf5d8503.png
Example Of grafify::plot_3d_scatterbar()
  • plot_3d_scatterbox()

plot_3d_scatterbox(data_2w_Tdeath,Time, PI,Genotype,b_alpha = 0.5,          #reduced opacityColPal = "contrast",  #"contrast" paletteColRev = T)
2e3781278d0a4454991f9b83b8d49621.png
Example Of grafify::plot_3d_scatterbox()
  • plot_4d_scatterbar()

plot_4d_scatterbar(data_2w_Tdeath, Time, PI,Genotype,Experiment,b_alpha = 0.7,ColPal = "okabe_ito")+scale_colour_manual(values = c("black", "grey20"))
880cb66177b70669114305945a0f592a.png
Example Of grafify::plot_4d_scatterbar()
  • plot_4d_scatterbox()

plot_4d_scatterbox(data_2w_Tdeath, Time, PI,Genotype,Experiment,b_alpha = 0.7,ColPal = "okabe_ito")+scale_colour_manual(values = c("black", "grey20"))  #manual colour scale
c6ae1e0677c517f1dd175b1aefdcb0ab.png
Example Of grafify::plot_4d_scatterbox()

Numeric X-Y Plots

此类图表包含plot_xy_NumGroup(), plot_xy_CatGroup() 函数,具体如下:

  • plot_xy_NumGroup()

plot_xy_NumGroup(airquality, Wind, Temp, Ozone,symsize = 3)
3d033a1c19414bb0c963fc6bab96ae3f.png
Example Of grafify::plot_xy_NumGroup()
  • plot_xy_CatGroup()

plot_xy_CatGroup(neuralgia,Age,Duration,Pain,symsize = 3,ColPal = "muted",     #paletteColRev = T)
186fa25560fc02a01a519420b011f4e2.png
Example Of grafify::plot_xy_CatGroup()

Before-after Plots

此类图表包含plot_befafter_colours() , plot_befafter_shapes() 函数,具体如下:

  • plot_befafter_colours()

plot_befafter_colours(data = data_t_pdiff,xcol = Condition,ycol = Mass,groups = Subject,symsize = 5,ColPal = "light",ColRev = T)
1bfcc7cd5fe5e1dc80f8f5866e45ad4c.png
Example Of grafify::plot_befafter_colours()

Data distributions

此类图表包含plot_qqline(), plot_density() 和plot_histogram() 函数,具体如下:

  • lot_qqline()

plot_qqline(data = data_t_pratio, ycol = Cytokine,xcol = Genotype)
acbf58abc92eb9511e30ff440aa936da.png
Example Of grafify::plot_qqline()

以上就是小编关于R-grafify包的简单介绍,特别是对每种绘图函数所需数据的数据形式理解。更多关于该包参数和使用方法等介绍可参考R-grafify包官网[1]

总结

今天的推文小编简单介绍了R-grafify包的各种图表类型和颜色搭配,希望感兴趣的小伙伴可以进行相关科研图表 的绘制和对其颜色搭配 的参考~~

作者:宁俊骐;转自:DataCharm 公众号;

「完」

转自:数据派THU 公众号;

版权声明:本号内容部分来自互联网,转载请注明原文链接和作者,如有侵权或出处有误请和我们联系。


更多相关知识请回复:“ 月光宝盒 ”;

数据分析(ID : ecshujufenxi )互联网科技与数据圈自己的微信,也是WeMedia自媒体联盟成员之一,WeMedia联盟覆盖5000万人群。

9a14f4d7eac907876ea1bc1441807424.png

这篇关于统计、可视化两不误,这个多达19种可视化技能一定要掌握~~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/943168

相关文章

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

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

hdu4267区间统计

题意:给一些数,有两种操作,一种是在[a,b] 区间内,对(i - a)% k == 0 的加value,另一种操作是询问某个位置的值。 import java.io.BufferedInputStream;import java.io.BufferedReader;import java.io.IOException;import java.io.InputStream;import

hdu4417区间统计

给你一个数列{An},然后有m次查询,每次查询一段区间 [l,r] <= h 的值的个数。 import java.io.BufferedInputStream;import java.io.BufferedReader;import java.io.IOException;import java.io.InputStream;import java.io.InputStreamRead

hdu3333区间统计

题目大意:求一个区间内不重复数字的和,例如1 1 1 3,区间[1,4]的和为4。 import java.io.BufferedInputStream;import java.io.BufferedReader;import java.io.IOException;import java.io.InputStream;import java.io.InputStreamReader;

实例:如何统计当前主机的连接状态和连接数

统计当前主机的连接状态和连接数 在 Linux 中,可使用 ss 命令来查看主机的网络连接状态。以下是统计当前主机连接状态和连接主机数量的具体操作。 1. 统计当前主机的连接状态 使用 ss 命令结合 grep、cut、sort 和 uniq 命令来统计当前主机的 TCP 连接状态。 ss -nta | grep -v '^State' | cut -d " " -f 1 | sort |

生信代码入门:从零开始掌握生物信息学编程技能

少走弯路,高效分析;了解生信云,访问 【生信圆桌x生信专用云服务器】 : www.tebteb.cc 介绍 生物信息学是一个高度跨学科的领域,结合了生物学、计算机科学和统计学。随着高通量测序技术的发展,海量的生物数据需要通过编程来进行处理和分析。因此,掌握生信编程技能,成为每一个生物信息学研究者的必备能力。 生信代码入门,旨在帮助初学者从零开始学习生物信息学中的编程基础。通过学习常用

Python:豆瓣电影商业数据分析-爬取全数据【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】

**爬取豆瓣电影信息,分析近年电影行业的发展情况** 本文是完整的数据分析展现,代码有完整版,包含豆瓣电影爬取的具体方式【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】   最近MBA在学习《商业数据分析》,大实训作业给了数据要进行数据分析,所以先拿豆瓣电影练练手,网络上爬取豆瓣电影TOP250较多,但对于豆瓣电影全数据的爬取教程很少,所以我自己做一版。 目

如何掌握面向对象编程的四大特性、Lambda 表达式及 I/O 流:全面指南

这里写目录标题 OOP语言的四大特性lambda输入/输出流(I/O流) OOP语言的四大特性 面向对象编程(OOP)是一种编程范式,它通过使用“对象”来组织代码。OOP 的四大特性是封装、继承、多态和抽象。这些特性帮助程序员更好地管理复杂的代码,使程序更易于理解和维护。 类-》实体的抽象类型 实体(属性,行为) -》 ADT(abstract data type) 属性-》成

Python脚本:TXT文档行数统计

count = 0 #计数变量file_dirs = input('请输入您要统计的文件根路径:')filename = open(file_dirs,'r') #以只读方式打开文件file_contents = filename.read() #读取文档内容到file_contentsfor file_content in file_contents: