R数据可视化--ggplot2定位之分面

标签：data   isp   aes   添加   驱动   占用   img   分布   网格   

分面也就是切割数据生成一系列小联号图，每个小图表示不同的数据子集。本篇将讨论如何较好的微调分面，特别是与位置标度相近的方法。

在qplot中可以选择分面系统。2维分面使用face_grid，1维分面使用face_wrap。

分面通常会占用大量空间，因此本篇使用mpg数据集的子集来进行展示。

> library(ggplot2)
> mpg2 <- subset(mpg,cyl != 5 &drv %in% c("4","f"))

　　1.网格分面

网格分面在2维网格中展示图形，输入分面表达式时，你需要设定哪些变量作为分面绘图的行，哪些变量作为列，规则如下：

• 不进行分面，我们将得到一个单独的面板

> qplot(cty,hwy,data=mpg2) + facet_null()

• 一行多列 ：". ~ a"

电脑屏幕通常较宽，因此这个方向最合适数据的展示。另外，因为坐标轴相同，这个方向也有助于y位置的比较。

 qplot(cty,hwy,data=mpg2) + facet_grid(. ~ cyl)

• 一列多行："b ~ ."

横坐标轴相同，利于x位置的比较，尤其是对数据分布的比较。

> qplot(cty,data=mpg2,geom="histogram",binwidth=2) + facet_grid(cyl ~ .)

• 多行多列："a ~ b"

我们通常都将因子水平数目最大的变量按列排放，这样可以充分利用屏幕的宽高比。

> qplot(cty,hwy,data=mpg2) + facet_grid(drv ~ cyl)

从以上图形我们可以看出，变量在某行或者某列一起出现时，图形只会展示数据中出现的变量组合。而变量在行和列都出现时，图形将展示所有变量组合，包括原始数据中都没有出现的组合。不过这也可能会导致出现空白面板。

边际图：可以参考margins来绘制边际图。设定margins=TRUE可展示所有的边际图，或者margins=c("sex","age"),列出你要展示的边际图的变量名称。也可以使用grand_row或grand_col来生成行或列的边际图。

边际图的分组方式与其他面板中分组方式相同：默认使用图层中所有分类变量的交互作用。下面第三张图表示对每个驱动类型添加彩色平滑线。

> p <- qplot(displ,hwy,data=mpg2) + geom_smooth(method = "lm",se=F)
> p + facet_grid(cyl ~ drv)
> p + facet_grid(cyl ~ drv,margins = T)

R数据可视化--ggplot2定位之分面

标签：data   isp   aes   添加   驱动   占用   img   分布   网格   

原文地址：http://www.cnblogs.com/lizhilei-123/p/6888263.html