ggplot2学习之5——图形微调1

其他 2020-10-16 20:07:20 阅读次数: 0

文章目录

说明

R语言的版本为4.0.2，IDE为Rstudio，版本为1.3.959。本次学习的内容是依据一组数据，画出样条曲线拟合图，并输出为高DPI图片。
学习过程中主要参考了以下文章：
R语言绘图高质量输出（博客园）
ggplot2学习笔记系列之利用ggplot2绘制散点图（简书）
使用ggplot2 如何修改刻度方向 ，使刻度朝内？（知乎）
如何在ggplot2里将图片文字改成微软雅黑（CSDN）
ggplot2一页多图（简书）
ggplot2作图详解7（完）：主题（theme）设置 （新浪）
R语言之正则表达式（博客园）

1、图形微调效果

在这里插入图片描述 在这里插入图片描述
微调之前 微调之后 
## 未经调整 

waveFile <- file('weave.txt')
wave <- scan(file = waveFile)
close(waveFile)
library(ggplot2)
time <- c(1990:2016)[-17][-15]
waveLine <- data.frame(time = time, wave = wave)
sWaveLine <- data.frame(spline(waveLine, n = 6000))
ggplot(waveLine, aes(time, wave)) +
  geom_point(colour="red", shape="*", size=6) +
  geom_line(data=sWaveLine, aes(x=x, y=y), size = 0.3)


## 调整之后 

waveFile <- file('weave.txt')
wave <- scan(file = waveFile)
close(waveFile)
time <- c(1:25)
waveLine <- data.frame(time = time, weave = weave)
sWaveLine <- data.frame(spline(waveLine, n = 6000))
library(ggplot2)
weavePlot <- ggplot(waveLine, aes(time, weave)) +
  geom_point(colour="red", shape=8, size=2) +
  geom_line(data=sWaveLine, aes(x=x, y=y), size = 0.3) +
  theme_bw() + 
  theme(panel.grid = element_blank(),
        axis.line = element_line(size = 0.1),
        axis.ticks.length = unit(-0.2,"cm"),
        axis.title.x=element_text(family="serif",size=17, margin = unit(rep(0.1, 4), 'cm')),
        axis.title.y=element_text(family="serif",size=17, margin = unit(rep(0.1, 4), 'cm')),
        axis.text.x=element_text(family="serif",size=17, margin = unit(rep(0.6, 4), 'cm')),
        axis.text.y=element_text(family="serif",size=17, margin = unit(rep(0.6, 4), 'cm')))+
  ylab("Wave(m)") +
  xlab("Time(year)") +
  scale_x_continuous(breaks = seq(1,27,3),
                     expand = c(0,0),
                     labels =c("1990","1993","1996","1999","2002","2006","2010","2013","2016"),
                     sec.axis = sec_axis(~./0.999,name="", breaks=seq(1,27,3),
                                         labels=c(" "," "," "," "," "," "," "," "," "))) +
  scale_y_continuous(breaks = seq(0,8,2),
                     limits = c(0,8),
                     expand = c(0,0),
                     labels =c("0","2","4","6","8"),
                     sec.axis = sec_axis(~./0.999,name="", breaks=seq(0,8,2),
                                         labels=c(" "," "," "," "," ")))
require(Cairo)
ggsave("wavePlot.pdf", weavePlot, width = 9.36, height = 4.29)

2、调整坐标轴

调整坐标轴主要有三种方法：

  1. 通过 labs 调整坐标轴标签
  2. 通过 lims 调整刻度范围
  3. 通过 theme 控制具体细节
在这里插入代码片

2.1 labs 调整轴标签

# 该函数有三个快捷方法，分别是
# xlab(label)：快捷设置x轴标题
# ylab(label)：快捷设置y轴标题
# ggtitle(label, subtitle = waiver())：快捷设置图标题
# 它们是 labs()类的快捷实现，用 labs()也能达到同样的效果
# 例如以下两种写法等价

ylab("Wave(m)") +
xlab("Time(year)")

labs(x="Wave(m)", y="Time(year)")

2.2 lims 调整刻度范围

需注意，用该函数修改刻度范围会与 scale 函数中修改范围重复，最终仅有一个生效

# 该函数有两个快捷方法
# xlim(...)：快捷设置x轴刻度范围
# ylim(...)：快捷设置y轴刻度范围
# 二者是 lims()函数的快捷实现，用 lims()也能实现
# 例如以下两种写法等价

ylim(0,10)

lims(y=c(0,10))

2.3 theme 调整具体细节

对于坐标轴而言，主要调整 theme 函数中 axis 参数的值

## 该类中axis参数有很多

# axis.title 全局轴标题，以下表示具体轴标题
# axis.title.x
# axis.title.x.top
# axis.title.x.bottom
# axis.title.y
# axis.title.y.left
# axis.title.y.right
# 修改该参数需要借助 element_text(),文字元素生成函数
# 该函数的参数、含义列举如下
# family：字体，需要先引入windows字体，然后使用
#    例如：windowsFonts(A=windowsFont("微软雅黑"))
#          plot(1:10, 1:10, type="n")
#          text(6,4,"微软雅黑", family="A")
# face：字体样式，字符串设置倾斜、加粗等
# colour,color：线条或者边框的颜色，颜色名或RGB名
# size：线条(mm)、边框(mm)、文字(pt)的尺寸
# hjust：水平对齐，值在0-1之间
# vjust：竖向对齐，值在0-1之间
# angle：旋转角度，值在0-360之间
# lineheight：线高度，数值
# margin：文字周围的留白，
# debug：辅助可视化调试，逻辑值
# inherit.blank：是否从父类继承留白，逻辑值

axis.title.x=element_text(family="serif",size=17, margin = unit(rep(0.1, 4), 'cm'))

# axis.text 全局轴刻度标签，以下表示具体轴刻度标签
# axis.text.x
# axis.text.x.top
# axis.text.x.bottom
# axis.text.y
# axis.text.y.left
# axis.text.y.right
# 修改该参数需要借助 element_text(),文字元素生成函数
# 该函数的参数、含义列举如下
# family：字体，需要先引入windows字体，然后使用
#    例如：windowsFonts(A=windowsFont("微软雅黑"))
#          plot(1:10, 1:10, type="n")
#          text(6,4,"微软雅黑", family="A")
# face：字体样式，字符串设置倾斜、加粗等
# colour,color：线条或者边框的颜色，颜色名或RGB名
# size：线条(mm)、边框(mm)、文字(pt)的尺寸
# hjust：水平对齐，值在0-1之间
# vjust：竖向对齐，值在0-1之间
# angle：旋转角度，值在0-360之间
# lineheight：线高度，数值
# margin：文字周围的留白，
# debug：辅助可视化调试，逻辑值
# inherit.blank：是否从父类继承留白，逻辑值

axis.text.x=element_text(family="serif",size=17, margin = unit(rep(0.6, 4), 'cm'))
 
# axis.ticks 全局轴刻度线，以下表示具体轴刻度
# axis.ticks.x
# axis.ticks.x.top
# axis.ticks.x.bottom
# axis.ticks.y
# axis.ticks.y.left
# axis.ticks.y.right 
# 修改参数值还需借助 element_line(),线元素生成函数
# 该函数的参数、含义列举如下
# colour,color：线条或者边框的颜色，颜色名或RGB名
# size：线条(mm)、边框(mm)、文字(pt)的粗细
# linetype：线型，用数字1-8或者字符串指定，
# lineend：线两端的形状，用字符串指定
# arrow：线条末端箭头,要借助 arrow() 函数构造箭头
#    例如：arrow(angle = 30, length = unit(0.25, "inches"),
#               ends = "last", type = "open")
# inherit.blank：是否从父类继承留白，逻辑值

axis.ticks = element_line(size = 0.1)
 
# axis.ticks.length 全局刻度长度，以下表示具体刻度长度
# axis.ticks.length.x
# axis.ticks.length.x.top
# axis.ticks.length.x.bottom
# axis.ticks.length.y
# axis.ticks.length.y.left
# axis.ticks.length.y.right
# 直接给该参数赋值即可，负值代表反方向，使用unit可转换单位

axis.ticks.length = unit(-0.2,"cm")
 
# axis.line 全局轴线，以下表示具体轴线
# axis.line.x
# axis.line.x.top
# axis.line.x.bottom
# axis.line.y
# axis.line.y.left
# axis.line.y.right
# 修改参数值还需借助 element_line()线元素生成函数
# 该函数的参数、含义列举如下
# colour,color：线条或者边框的颜色，颜色名或RGB名
# size： 线条(mm)、边框(mm)、文字(pt)的尺寸
# linetype：线型，用数字1-8或者字符串指定，
# lineend：线两端的形状，用字符串指定
# arrow：线条末端箭头,要借助 arrow() 函数构造箭头
#    例如： arrow(angle = 30, length = unit(0.25, "inches"),
#               ends = "last", type = "open")
# inherit.blank：是否从父类继承留白，逻辑值

axis.line = element_line(size = 0.1)

3、调整背景画布

背景画布的调节主要有两种方式：

  1. 通过快捷主题函数调节
  2. 通过 theme 中的 panel 参数调节

3.1 调节主题函数

在这里插入图片描述
p13:
在这里插入图片描述

# 快捷主题函数有以下几种，是已经设定好的主题模板

library("cowplot")
xx <-  c(1:5)
yy <-  c(1:5)
line <- data.frame(x =xx, y = yy)
plot <- ggplot(line, aes(xx,yy)) + 
  geom_point(colour="red", shape=8, size=2)
p1 <- plot+theme_bw()
p2 <- plot+theme_classic()
p3 <- plot+theme_dark()
p4 <- plot+theme_get()
p5 <- plot+theme_gray()
p6 <- plot+theme_grey()
p7 <- plot+theme_light()
p8 <- plot+theme_linedraw()
p9 <- plot+theme_minimal()
p10 <- plot+theme_replace()
p11 <- plot+theme_test()
p12 <- plot+theme_update()
plot+theme_void()
plot_grid(p1, p2, p3, p4, p5, p6, p7, p8, 
                   p9, p10, p11, p12, p13, nrow = 2, ncol = 6, 
                   labels = c('p1', 'p2', 'p3', 'p4',
                              'p5', 'p6', 'p7', 'p8', 
                              'p9', 'p10', 'p11', 'p12', ))

3.2 theme 调整细节

对于背景而言，主要调整 theme 函数中 panel 参数的值
在这里插入图片描述

# panel.background 画布背景
# 调节该参数，需要依靠element_rect()，边界和背景生成函数
# 该函数的参数、含义列举如下
# fill：填充颜色，颜色名或RGB名
# colour,color：线条或者边框的颜色，颜色名或RGB名
# size：线条(mm)、边框(mm)、文字(pt)的尺寸
# linetype：线型，用数字1-8或者字符串指定，

library("cowplot")
xx <-  c(1:5)
yy <-  c(1:5)
line <- data.frame(x =xx, y = yy)
plot <- ggplot(line, aes(xx,yy)) + 
  geom_point(colour="red", shape=8, size=2)
plot1 <- plot +  theme(panel.background = element_rect(fill = "blue",
                                                       color = "red",
                                                       size = 2,
                                                       linetype = 3))
plot_grid(plot, plot1, nrow = 1, ncol = 2, 
          labels = c('plot', 'plot1'))

# panel.border 边框
# 调节该参数，需要依靠element_rect()，边界和背景生成函数

# panel.spacing # 不同子plot之间距离大小,以下是具体方向
# panel.spacing.x
# panel.spacing.y

# panel.grid 全局栅格线，以下是具体栅格线
# panel.grid.major 
# panel.grid.minor
# panel.grid.major.x
# panel.grid.major.y
# panel.grid.minor.x
# panel.grid.minor.y
# 修改参数值需借助 element_line(),线元素生成函数

# panel.ontop 逻辑值，将背景层和栅格层放到数据层之上

4、调整标尺

标尺的调整使用scale函数进行操作，其中包含的函数有121个之多，但是其逻辑有些混乱，我按照自己的理解梳理以下。

4.1 三种标尺

# 使用正则表达式列出所有标尺函数的个数

library(ggplot2)
scalex <- ls("package:ggplot2", pattern = "^scale.+")
length(scalex)

# 按照命名方式对标尺归类

scalex <- scalex[grep("([^_]+_){2}.+", scalex)]
unique(gsub("(([^_]+_){2}).+", "\\1***", scalex))

# 输出结果为：
 [1] 121
 [1] "scale_alpha_***"      "scale_color_***"     
 [3] "scale_colour_***"     "scale_continuous_***"
 [5] "scale_discrete_***"   "scale_fill_***"      
 [7] "scale_linetype_***"   "scale_shape_***"     
 [9] "scale_size_***"       "scale_x_***"         
 [11] "scale_y_***" 

# 在实际运用中发现如果理解成有11种标尺，发现不恰当
# 按照一张图的要素来讲，实际上只有3种标尺，分别是

# 1、表现在x轴上的标尺，包括
# "scale_x_***" 其具体函数，用于设置在x轴上显示的标尺参数
# 2、表现在y轴上的标尺，包括
# "scale_y_***" 其具体函数，用于设置在y轴上显示的标尺参数
# 3、表现在一侧图例上的标尺，包括
# "scale_alpha_***" 其具体函数，用于设置在x轴
# "scale_color_***" 
# "scale_colour_***" 
# "scale_continuous_***" 
# "scale_discrete_***" 
# "scale_fill_***" 
# "scale_linetype_***" 
# "scale_shape_***" 
# "scale_size_***"

4.2 x轴上的标尺

在这里插入图片描述

# "scale_x_continuous" 更改默认x轴标尺的属性
# "scale_x_binned" 累计图x轴标尺
# "scale_x_continuous" 默认x轴标尺
# "scale_x_date" 日期格式的x轴标尺
# "scale_x_datetime" 日期格式的x轴标尺
# "scale_x_discrete" 离散的的x轴标尺       
# "scale_x_log10" 对数形式的x轴标尺
# "scale_x_reverse" 颠倒的x轴标尺
# "scale_x_sqrt" 开方形式的x轴标尺
# "scale_x_time" 时间格式的x轴标尺

library("cowplot")
xx <-  c(1:5)
yy <-  c(1:5)
zz <-  c(0,0.5,0.1,0.3,3)
line <- data.frame(x =xx, y = yy)
plot <- ggplot(line, aes(xx,yy)) + 
  geom_point(colour="red", shape=8, size=2)
plot1 <- plot
plot2 <- plot +
  scale_x_continuous(breaks = c(1:5),
                     expand = c(0,0),
                     labels =c("1990","1993","1996","1999","2002"),
                     sec.axis = sec_axis(~./0.999,name="", breaks=c(1:5),
                                         labels=c(" "," "," "," "," ")))
plot_grid(plot1, plot2, nrow = 1, ncol = 2, 
          labels = c('plot1', 'plot2'))

4.3 y轴上的标尺

使用方法和参数与x轴上的完全一致。

4.4 图例上的标尺

4.4.1 透明度标尺

在这里插入图片描述

# "scale_alpha_***" 透明度型标尺,对映射到透明度上的数据起作用

library("cowplot")
xx <-  c(1:5)
yy <-  c(1:5)
zz <-  c(0,5,1,3,3)
line <- data.frame(x =xx, y = yy)
plot <- ggplot(line, aes(xx,yy)) + 
  geom_point(colour="red", shape=8, size=2, aes(alpha = zz))
plot1 <- plot +
  scale_alpha(range = c(0.3, 0.7))
plot_grid(plot, plot1, nrow = 1, ncol = 2, 
          labels = c('plot', 'plot1'))

4.4.2 颜色标尺

在这里插入图片描述

# "scale_color_***" 离散型颜色标尺
# "scale_colour_***" 离散型颜色标尺
# "scale_fill_***" 连续型颜色标尺
# 当数据特别多的时候，更加明显，此时数据较少

library("cowplot")
xx <-  c(1:5)
yy <-  c(1:5)
zz <-  c(0,0.5,0.1,0.3,3)
line <- data.frame(x =xx, y = yy)
plot <- ggplot(line, aes(xx,yy,fill = zz)) + 
  geom_tile()
plot1 <- plot +
  scale_fill_continuous(type = "gradient")
plot2 <- plot +
  scale_color_continuous(type = "gradient")
plot_grid(plot, plot1, nrow = 1, ncol = 2, 
          labels = c('plot1', 'plot2'))

在这里插入图片描述

# 此时数据较多

library("cowplot")
v <- ggplot(faithfuld, aes(waiting, eruptions, fill = density)) +
  geom_tile()
plot1 <- v + scale_color_continuous(type = "gradient")
plot2 <- v + scale_fill_continuous(type = "viridis")

# 以下是上面的快捷函数

v + scale_fill_gradient()
v + scale_fill_viridis_c()
plot_grid(plot1, plot2, nrow = 1, ncol = 2, 
          labels = c('plot1', 'plot2'))

4.4.3 其他标尺

# "scale_linetype_***" 线型标尺
# "scale_shape_***" 形状标尺
# "scale_size_***" 大小标尺

5、输出高DPI图片

# 使用Cairo包输出为PDF形式的矢量图，再用AI打开，导出为高清PNG位图
require(Cairo)
ggsave("wavePlot.pdf", weavePlot, width = 9.36, height = 4.29)
ggplot(data, aes(x = x, y = y)) + geom_line(size = 1) +
  theme_bw()
  
#最后关闭图像设备，同时储存图片
dev.off()

在这里插入图片描述

猜你喜欢

转载自blog.csdn.net/qq_42318112/article/details/107075899
今日推荐
开源日报 | Chrome内置Gemini的意义不在于Gemini；中国AI追随之路的五大误区；ECharts创始人“下海”养鱼；谷歌I/O开发者大会什么都有，只是没有惊喜
微软回应中国区AI团队“打包赴美”传闻
基于大语言模型的开源知识库问答系统 MaxKB GitHub Star 数量突破 5,000 个！
美国拟限制 AI 大模型出口中国和俄罗斯
苹果将与 OpenAI 达成协议，将 ChatGPT 应用于 iPhone
openKylin 社区生态委员会第六次会议圆满召开
阿里云正式发布通义千问 2.5
Python 3.13 发布首个 Beta：实验性自由线程模式和 JIT、改进交互式解释器
Stack Overflow 拿我的代码去训练 AI 大模型，还封了我的账号
Pop!_OS 的 COSMIC 桌面完成 App Store 上架工作
《2024 年一季度互联网投融资运行情况》研究报告
报告：Django 仍然是 74% 开发者的首选
周排行
返回指定时间格式
fopen函数中的mode参数
Java 单例模式探讨
Flex remoteobject工作原理探讨
寻找mplayer的便捷安装方法
30天了解30种技术系列---(26)MySQL自动化运维工具Inception
关于Jboss/Tomcat/Jetty的JNDI定义123
程序减肥，strip，eu-strip 及其符号表
AsyncTask、View.post(Runnable)、ViewTreeObserver三种方式总结frame animation自动启动
Json和Bean的互相转换
每日归档
更多
2024-05-15(24)
2024-05-14(0)
2024-05-13(18)
2024-05-12(0)
2024-05-11(38)
2024-05-10(38)
2024-05-09(35)
2024-05-08(42)
2024-05-07(14)
2024-05-06(40)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022