利用R进行数据可视化——第五章多变量图
LJJ
2020/3/15
多变量图显示三个或更多变量之间的关系。容纳多个变量的常见方法有两种：分组和分面。
5.1 分组
在分组中，前两个变量的值映射到x和y轴。然后，将其他变量映射到其他视觉特征，例如颜色，形状，大小，线型和透明度。 分组允许您在单个图形中绘制多个组的数据。
使用Salaries数据集，让我们显示yrs.since.phd与薪水之间的关系。
library(tidyverse)## -- Attaching packages -------------------------- tidyverse 1.3.0 --## √ ggplot2 3.3.0 √ purrr 0.3.3
## √ tibble 2.1.3 √ dplyr 0.8.5
## √ tidyr 1.0.2 √ stringr 1.4.0
## √ readr 1.3.1 √ forcats 0.5.0## -- Conflicts ----------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()data(Salaries, package="carData")
# plot experience vs. salary
ggplot(Salaries,
aes(x = yrs.since.phd,
y = salary)) +
geom_point() +
labs(title = "Academic salary by years since degree") +
theme(plot.title = element_text(hjust = 0.5))
接下来，让我们使用颜色来包括教授的职位。
Salaries %>%
ggplot(aes(yrs.since.phd,salary)) +
geom_point(aes(col = rank)) +
labs(title = "Academic salary by rank and years since degree") +
theme(plot.title = element_text(hjust = 0.5))
最后，让我们添加教授的性别，使用点的形状表示性别。我们将增加点的大小并增加透明度，以使各个点更清晰。
Salaries %>%
ggplot(aes(yrs.since.phd,salary,col = rank,shape = sex)) +
geom_point(size = 3,alpha = 0.5) +
labs(title = "Academic salary by rank, sex, and years since degree") +
theme(plot.title = element_text(hjust = 0.5))
我不能说这是一个很棒的图形。很难区分男教授和女教授。分面（在下一节中描述）可能是一种更好的方法。
Salaries %>%
ggplot(aes(yrs.since.phd,salary)) +
geom_point(aes(col = rank,shape = sex),size = 3,alpha = 0.7) +
labs(title = "Academic salary by rank, sex, and years since degree") +
theme(plot.title = element_text(hjust = 0.5)) +
geom_smooth(se = F) +
facet_wrap(~sex)## `geom_smooth()` using method = 'loess' and formula 'y ~ x'
这是一个更干净的示例。我们将绘制自博士学位以来的年份和薪水之间的关系图。使用点数的大小来表示服务年限。这称为气泡图。
# plot experience vs. salary (color represents rank and size represents service)
ggplot(Salaries,
aes(x = yrs.since.phd,
y = salary,
color = rank,
size = yrs.service)) +
geom_point(alpha = .6) +
labs(title = "Academic salary by rank, years of service, and years since degree")
博士毕业后的年份与工作年份之间显然存在着很强的正相关关系。 助理教授从博士毕业后的工作年限为0-11年，服务年限为0-10年。 显然，经验丰富的专业人士不会停留在助理教授级别(他们可能会被提升或离开大学)。 我们在副教授和正教授之间找不到同样的时间界限。
# plot experience vs. salary with fit lines (color represents sex)
ggplot(Salaries,
aes(x = yrs.since.phd,
y = salary,
color = sex)) +
geom_point(alpha = .4,
size = 3) +
geom_smooth(se=FALSE,
method = "lm",
formula = y~poly(x,2),
size = 1.5) +
labs(x = "Years Since Ph.D.",
title = "Academic Salary by Sex and Years Experience",
subtitle = "9-month salary for 2008-2009",
y = "",
color = "Sex") +
scale_y_continuous(label = scales::dollar) +
scale_color_brewer(palette = "Set2")
5.2 分面
通过分组，可以使用颜色、形状和大小等视觉特征在单个图中绘制多个变量。 在facting中，一个图由几个独立的图或小倍数组成， 每一个图代表第三个变量的一个水平，或变量的组合。
通过一个例子来理解这一点是最容易的。
# plot salary histograms by rank
ggplot(Salaries, aes(x = salary)) +
geom_histogram(fill = "cornflowerblue",
color = "white") +
facet_wrap(~rank, ncol = 1) +
labs(title = "Salary histograms by rank")## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
Facet_wrap函数为每个等级创建一个单独的图。Ncol选项控制列的数量。在下一个示例中，将使用两个变量来定义facet。
# plot salary histograms by rank and sex
ggplot(Salaries, aes(x = salary / 1000)) +
geom_histogram(color = "white",
fill = "cornflowerblue") +
facet_grid(sex ~ rank) +
labs(title = "Salary histograms by sex and rank",
x = "Salary ($1000)")## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
facet_grid function:
facet_grid(row variable(s) ~ column variable(s))
在此，该函数将性别分配给行，将等级分配给列，从而在一张图中创建一个由6个图组成的矩阵。
我们还可以将分组和分面结合起来。 让我们使用均值/ SE图和分面来比较男女教授在职级和纪律方面的薪水。 我们将使用颜色区分性别和分面，以按学科组合创建等级图。
plotdata <- Salaries %>%
group_by(sex, rank, discipline) %>%
summarize(n = n(),
mean = mean(salary),
sd = sd(salary),
se = sd / sqrt(n))
plotdata## # A tibble: 12 x 7
## # Groups: sex, rank [6]
## sex rank discipline n mean sd se
## <fct> <fct> <fct> <int> <dbl> <dbl> <dbl>
## 1 Female AsstProf A 6 72933. 5463. 2230.
## 2 Female AsstProf B 5 84190. 9792. 4379.
## 3 Female AssocProf A 4 72128. 6403. 3201.
## 4 Female AssocProf B 6 99436. 14086. 5751.
## 5 Female Prof A 8 109632. 15095. 5337.
## 6 Female Prof B 10 131836. 17504. 5535.
## 7 Male AsstProf A 18 74270. 4580. 1080.
## 8 Male AsstProf B 38 84647. 6900. 1119.
## 9 Male AssocProf A 22 85049. 10612. 2262.
## 10 Male AssocProf B 32 101622. 9608. 1698.
## 11 Male Prof A 123 120619. 28505. 2570.
## 12 Male Prof B 125 133518. 26514. 2372.# create better labels for discipline
plotdata$discipline <- factor(plotdata$discipline,
labels = c("Theoretical",
"Applied"))
ggplot(plotdata,
aes(x = sex, # 离散
y = mean, # 连续
color = sex)) +
geom_point(size = 3)
# create plot
ggplot(plotdata,
aes(x = sex, # 离散
y = mean, # 连续
color = sex)) +
geom_point(size = 3) +
geom_errorbar(aes(ymin = mean - se,
ymax = mean + se),
width = .1) +
scale_y_continuous(breaks = seq(70000, 140000, 10000),
limits = c(70000,140000),
label = scales::dollar) +
facet_grid(. ~ rank + discipline) +
theme_bw() +
theme(legend.position = "none",
panel.grid.major.x = element_blank(),
panel.grid.minor.y = element_blank()) +
labs(x="",
y="",
title="Nine month academic salaries by gender, discipline, and rank",
subtitle = "(Means and standard errors)") +
scale_color_brewer(palette="Set1")
语句facet_grid (. ~ rank + discipline)指定没有行变量(.) 以及由等级和纪律组合定义的列。 主题函数创建一个黑白主题，并消除垂直网格线和次要的水平网格线。标度颜色改变点和误差条的配色方案。
乍看起来，**理论领域副教授和正式教授的薪水可能存在性别差异。 我之所以说“可能”，是因为我们尚未进行任何正式的假设检验（在这种情况下为ANCOVA）
作为最后一个例子，我们将转到一个新的数据集，并绘制“美洲”国家/地区的预期寿命随时间的变化。数据来自gapminder程序包中的gapminder数据集。每个国家都有自己的特点。主题功能用于简化背景颜色，旋转x轴文本以及减小字体大小。
# plot life expectancy by year separately for each country in the Americas
data(gapminder, package = "gapminder")
# Select the Americas data
plotdata <- dplyr::filter(gapminder,
continent == "Americas")
plotdata %>% DT::datatable()# plot life expectancy by year, for each country
ggplot(plotdata, aes(x=year, y = lifeExp)) +
geom_line(color="grey") +
geom_point(aes(color=country)) +
facet_wrap(~country) + # 分组
theme_minimal(base_size = 9) +
theme(axis.text.x = element_text(angle = 45,
hjust = 1)) +
labs(title = "Changes in Life Expectancy",
x = "Year",
y = "Life Expectancy") +
theme(plot.title = element_text(hjust = 0.5),legend.position = "NULL")