内容简介:数据科学的生命周期离不开分析/研究结果的交流。事实上,数据可视化是R作为一种数据科学语言相对于最著名的Python具有优势的领域之一。由于ggplot2是R程序员的可视化DSL(领域特定语言),现在的竞争变成了如何有效地使用ggplot2包在给定的位置显示可视化。在本教程中,我们将学习如何组合多个ggplot图来生成可公开的图。我们将要使用的R包是cowplot。正如在包描述中所提到的,“cowplot包旨在为ggplot2提供一个可发布的主题,该主题需要最小限度地调整轴标签的大小、图背景等,还需要将多个图
数据科学的生命周期离不开分析/研究结果的交流。事实上,数据可视化是R作为一种数据科学语言相对于最著名的 Python 具有优势的领域之一。由于ggplot2是R程序员的可视化DSL(领域特定语言),现在的竞争变成了如何有效地使用ggplot2包在给定的位置显示可视化。
在本教程中,我们将学习如何组合多个ggplot图来生成可公开的图。我们将要使用的R包是cowplot。
关于包
正如在包描述中所提到的,“cowplot包旨在为ggplot2提供一个可发布的主题,该主题需要最小限度地调整轴标签的大小、图背景等,还需要将多个图组合成一个图并对这些图进行标记。”
包安装
cowplot可以直接从CRAN安装,使用以下代码:
install.packages("cowplot")
或者github的开发版本可以使用devtools安装,也可以使用以下代码远程安装:
#install.packages("devtools")
devtools::install_github("wilkelab/cowplot")
包加载
一旦安装了这个包,我们可以使用下面的代码来加载cowplot(就像在R中加载的其他包一样):
library(cowplot) library(ggplot2)
建造我们的第一个组合图
在cowplot中,它的工作方式是,我们将各个ggplot图分配为一个R对象(默认为ggplot类型)。这些对象最终被cowplot用来生成统一的单一图。
在下面的代码中,我们将使用R的内建数据集iris构建三个不同的直方图,然后将一个个地分配给R对象。最后,我们将使用cowplot包的函数plot_grid()来组合我们感兴趣的两个图。
#building the first plot
plot_histogram_SL <- ggplot(iris) +
geom_histogram(aes(Sepal.Length), fill = "#eeff00", bins = 200)
#building the second plot
plot_histogram_PL <- ggplot(iris) +
geom_histogram(aes(Petal.Length))
#building the third plot
plot_histogram_PL_SL <- ggplot(iris,aes(Petal.Length, Sepal.Length)) +
geom_point(alpha = 0.2)
#Arranging Multiple Plots in Columns - 2 in 1
plot_grid(plot_histogram_SL,
plot_histogram_PL_SL,
labels = c('Fig B','Fig C'),
label_x = 0.2,
ncol = 2)
如下图:
在上面的图中,你可以看到这两个图被标注了标题/标签图B和图c。正如上面的代码所写,这些标签被添加到plot_grid()函数的参数标签中。
我们还可以通过其他方式使用cowplot来排列上面的图。让我们看几个例子:
将多个图按着2行1列组合
#Arranging Multiple Plots in Rows - 2 in 1
plot_grid(plot_histogram_PL,
plot_histogram_SL,
labels = c('Fig A','Fig B'),
label_x = 0.2,
nrow = 2)
如下图:
3幅图组合
#A cowplot plot with ggplot - 3 in 1
plot_grid(plot_histogram_SL,
plot_histogram_PL_SL,
labels = c('Fig B','Fig C'),
label_x = 0.2,
ncol = 2) -> new_p1
plot_grid(plot_histogram_PL,
new_p1,
#labels = c('Fig A','Fig B'),
label_x = 0.2,
nrow = 2)
如下图:
正如上面的代码,我们可以把ggplot生成的图通过cowplot组合起来。通过这种方式,我们可以根据给定的位置和业务/用例需求以多种方式组合多个ggplot图。本教程中使用的全部代码可以在 github上找到 。
作者:Abdul Majed Raja 原文链接: https://datascienceplus.com/how-to-combine-multiple-ggplot-plots-to-make-publication-ready-plots/
版权声明: 作者保留权利。文章为作者独立观点,不代表数据人网立场。严禁修改,转载请注明原文链接:http://shujuren.org/article/822.html
数据人网: 数据人学习,交流和分享的平台,诚邀您创造和分享数据知识,共建和共享数据智库。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
数据结构与算法分析
韦斯 (Mark Allen Weiss) / 机械工业出版社 / 2013-2-1 / 79.00元
本书是国外数据结构与算法分析方面的经典教材,使用卓越的Java编程语言作为实现工具讨论了数据结构(组织大量数据的方法)和算法分析(对算法运行时间的估计)。 随着计算机速度的不断增加和功能的日益强大,人们对有效编程和算法分析的要求也不断增长。本书将算法分析与最有效率的Java程序的开发有机地结合起来,深入分析每种算法,并细致讲解精心构造程序的方法,内容全面、缜密严格。 第3版的主要更新如......一起来看看 《数据结构与算法分析》 这本书的介绍吧!