统计、可视化两不误，这个多达19种可视化技能一定要掌握~~

小伙伴们非要私信要R语言的统计可视化工具，推给你~~

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：

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))

• plot_scatterbox()

plot_scatterbox(data_1w_death,    #data tableGenotype,         #X variableDeath,            #Y variablesymsize = 3,      #larger symbolsjitter = 0.2)

• plot_point_sd()

plot_point_sd(data_1w_death,Genotype,Death,symsize = 6,     #larger symbolsewid = 0.2,      #narrower error barsColPal = "bright", #"bright" paletteColRev = F) +

「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))

• plot_3d_scatterbox()

plot_3d_scatterbox(data_2w_Tdeath,Time, PI,Genotype,b_alpha = 0.5,          #reduced opacityColPal = "contrast",  #"contrast" paletteColRev = T)

• 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"))

• 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

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)

• plot_xy_CatGroup()

plot_xy_CatGroup(neuralgia,Age,Duration,Pain,symsize = 3,ColPal = "muted",     #paletteColRev = T)

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)

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)

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。