分別是ggplot2 用來畫圖RColorBrewer 用來生成顏色dplyr 用來整理數(shù)據(jù)

ggplot2和dplyr如果是第一次使用需要安裝，安裝用到的命令是

install.packages("ggplot2")
install.packages("dplyr")

set.seed(1234)
crp1<-round(abs(rnorm(200, mean = 150, sd = 48)))
status1<-rep("Death", 200)
data1<-data.frame(crp1, status1)
crp2<-round(abs(rnorm(200, mean = 70, sd = 20)))
status2<-rep("Survivor", 200)
data2<-data.frame(crp2, status2)
colnames(data1)[1]<-"CRP"
colnames(data1)[2]<-"Status"
colnames(data2)[1]<-"CRP"
colnames(data2)[2]<-"Status"
data<-rbind(data1, data2)
View(data)

得到的數(shù)據(jù)集data是包含兩個(gè)變量，分別是CRP和Status。模擬的是臨床病人存活者和死亡者C反應(yīng)蛋白（CRP）的差異。

 

接下來我們就來看看分別可以用哪些圖來展示這樣的數(shù)據(jù)

首先是對(duì)數(shù)據(jù)集進(jìn)行轉(zhuǎn)換

library(dplyr)
df1<-summarise(group_by(data,Status), mean(CRP))
df2<-summarise(group_by(data,Status), sd(CRP))
df3<-left_join(df1, df2)
View(df3)

 

畫圖

library(ggplot2)
ggplot(df3, aes(Status,`mean(CRP)`))+
  geom_col(aes(fill=Status),width=0.7,color="black")+
  geom_errorbar(aes(ymin = `mean(CRP)`, 
                    ymax = `mean(CRP)`+`sd(CRP)`), 
                width = 0.2)+
  scale_fill_brewer(palette = "Dark2")+
  theme(legend.position = "none")

 

ggplot(data, aes(Status, CRP))+
  geom_boxplot(aes(fill=Status), width=0.6)+
  scale_fill_brewer(palette = "Dark2")+
  theme(legend.position = "none")

箱線圖比較常用，這里我給他們上了個(gè)色。分組信息在x軸已經(jīng)體現(xiàn)，故去除圖例，避免累贅。出圖如下：

ggplot(data, aes(Status, CRP))+
  geom_violin(aes(fill = Status))+
  geom_boxplot(width=0.1)+
  scale_fill_brewer(palette = "Dark2")+
  theme(legend.position = "none")

這個(gè)圖實(shí)際上是小提琴圖和箱線圖的組合。小提琴圖的優(yōu)點(diǎn)在于能夠直觀地看到數(shù)據(jù)的分布情況。

ggplot(data)+
  geom_histogram(aes(CRP, fill=Status), position = "identity", alpha=0.6, color="white")+
  scale_fill_brewer(palette = "Dark2")

直方圖同樣也能看出數(shù)據(jù)的分布。但這里因?yàn)閳D形有重疊，我們需要用alpha參數(shù)對(duì)透明度進(jìn)行設(shè)置。

此外，在直方圖的基礎(chǔ)上，我們也可以添加核密度曲線：

ggplot(data, aes(CRP))+
  geom_histogram(aes(y = ..density.., fill = Status), position = "identity", alpha = 0.6, color = "white")+
  stat_density(geom = 'line', size=1, position = 'identity', aes(color = Status))+
  scale_fill_brewer(palette = "Dark2")+
  scale_color_brewer(palette = "Dark2")

 

ggplot(data, aes(Status, CRP))+
  geom_jitter(shape=21, size=4, color="black", aes( fill = Status), width=0.2)+
  scale_fill_brewer(palette = "Dark2") +
  theme(legend.position = "none")

 

散點(diǎn)圖用到的主要圖形對(duì)象包括geom_jitter和geom_dotplot. geom_jitter產(chǎn)生的點(diǎn)可在一定范圍內(nèi)隨機(jī)波動(dòng)，所以也叫抖動(dòng)點(diǎn)圖；而geom_dotplot產(chǎn)生的點(diǎn)可以按照作者想要的方式（比如，居中）進(jìn)行排列。

ggplot(data, aes(Status, CRP)) +
  geom_dotplot(binaxis = "y", stackdir = "center",aes(fill = Status), binwidth = 6) +
  scale_fill_brewer(palette = "Dark2") +
  theme(legend.position = "none")

    

除了以上幾種圖形之外，還可以對(duì)多種圖形對(duì)象進(jìn)行組合，比如點(diǎn)圖+柱狀圖，點(diǎn)圖+箱線圖。這樣可使數(shù)據(jù)的展現(xiàn)更為飽滿。