学好R语言绘图,你只需这样一个网站就够了

学好R语言绘图,你只需这样一个网站就够了你们是否有超级羡慕那些能做一手好图的人 俗语有云一图胜千言 做了一手好图很容易提升我们文章的逼格 所以我也常常在想 网络上有那种可视化的示例代码和示例效果图供我们参考学习的吗 目录 1 简单介绍 2 样例展示 2 1 词云 2 2 气泡图 3 总结话不多说 上网址 https www r graph gallery com r garp gallery 收入了大量利用 R 语言绘制的图形

你们是否有超级羡慕那些能做一手好图的人,俗语有云一图胜千言,做了一手好图很容易提升我们文章的逼格。所以我也常常在想,网络上有那种可视化的示例代码和示例效果图供我们参考学习的吗?


话不多说,上网址:
https://www.r-graph-gallery.com/
r-garp-gallery收入了大量利用R语言绘制的图形,这些图形包含了很多方面,通过这个网站,我们可以方便直观观察到R语言所能做的一些图形。




1. 简单介绍

1

  • 1. 网站对绘图进行了分类
    2

  • 2. 网站提供搜索功能,可以搜索需要的图形类型,例如heatmap
    3

  • 3. 每一个图形都给出了代码
    4

  • 4. 将代码复制到Rstudio中逐条运行
    5

2. 样例展示

2.1 词云

  • 1. 安装所需要的包
    6

  • 2. 载入相关的包
    7

  • 3.绘制词云
# Change the shape: wordcloud2(demoFreq, size = 0.7, shape = 'star') # Change the shape using your image wordcloud2(demoFreq, figPath = "~/Desktop/R-graph-gallery/img/other/peaceAndLove.jpg", size = 1.5, color = "skyblue", backgroundColor="black") 

8

2.2 气泡图

  • 1. 安装所需要的包
    9

  • 2. 载入安装包
    10

  • 3. 最基本的气泡图 geom_point()
data <- gapminder %>% filter(year=="2007") %>% dplyr::select(-year) # Most basic bubble plot ggplot(data, aes(x=gdpPercap, y=lifeExp, size = pop)) + geom_point(alpha=0.7) 

11

  • 4. 用 scale_size()

我们需要在上一张图表上改进的第一件事是气泡大小。scale_size()允许使用range参数设置最小和最大圆圈的大小。请注意,您可以使用来定制图例名称name。

data <- gapminder %>% filter(year=="2007") %>% dplyr::select(-year) # Most basic bubble plot data %>% arrange(desc(pop)) %>% mutate(country = factor(country, country)) %>% ggplot(aes(x=gdpPercap, y=lifeExp, size = pop)) + geom_point(alpha=0.5) + scale_size(range = c(.1, 24), name="Population (M)") 

12

  • 5. 添加第四个维度:颜色
data <- gapminder %>% filter(year=="2007") %>% dplyr::select(-year) data %>% arrange(desc(pop)) %>% mutate(country = factor(country, country)) %>% ggplot(aes(x=gdpPercap, y=lifeExp, size=pop, color=continent)) + geom_point(alpha=0.5) + scale_size(range = c(.1, 24), name="Population (M)") 

13

  • 6. 变得漂亮

一些经典的改进:

# Libraries library(ggplot2) library(dplyr) library(hrbrthemes) library(viridis) # The dataset is provided in the gapminder library library(gapminder) data <- gapminder %>% filter(year=="2007") %>% dplyr::select(-year) # Most basic bubble plot data %>% arrange(desc(pop)) %>% mutate(country = factor(country, country)) %>% ggplot(aes(x=gdpPercap, y=lifeExp, size=pop, fill=continent)) + geom_point(alpha=0.5, shape=21, color="black") + scale_size(range = c(.1, 24), name="Population (M)") + scale_fill_viridis(discrete=TRUE, guide=FALSE, option="A") + theme_ipsum() + theme(legend.position="bottom") + ylab("Life Expectancy") + xlab("Gdp per Capita") + theme(legend.position = "none") 

14

3. 总结

通过不断地对比,是不是发现原来用R语言绘图狠简单,作者由于时间有限,只能列出几个出来,剩下的要靠大家自己进行挖掘尝试。


各位路过的朋友,如果觉得可以学到些什么的话,点个赞再走吧,欢迎各位路过的大佬评论,指正错误,也欢迎有问题的小伙伴评论留言,私信。每个小伙伴的关注都是本人更新博客的动力!!!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/203789.html原文链接:https://javaforall.net

(0)
上一篇 2026年3月19日 下午9:34
下一篇 2026年3月19日 下午9:35


相关推荐

  • 数据挖掘十大经典算法(包括各自优缺点 / 适用数据场景)

    数据挖掘十大经典算法(包括各自优缺点 / 适用数据场景)本文主要分析皆来自其他资料,借用较为权威的总结来对我已经学习的这些经典算法做一个极为精简的概述(根据自身经验有一定修改),另外同时附上机器学习实战中作者对各种算法的评价。另外机器学习实战这本书是本人看了这么多书籍或者资料中唯一一本坚持从头看到尾,看完了的书籍,包括其中的代码皆实践运行过,收获颇多,个人认为虽然这本书时间上已经算是老资料了,但其中作者的各种总结和代码的演练都由浅入深(前提还是要有一点…

    2022年6月13日
    30
  • django debug_vscode django

    django debug_vscode django介绍Django框架的调试工具栏使用django-debug-toolbar库,是一组可配置的面板,显示有关当前请求/响应的各种调试信息,点击时,显示有关面板内容的更多详细信息。应用1.安装

    2022年7月30日
    8
  • 最全企业安全网管工具名单查询_企业网络安全管理要求

    最全企业安全网管工具名单查询_企业网络安全管理要求我在一家医药公司做IT运维,老板喊我做一些企业智能化的工作。我就对这块做了些调研,所以知道哪些产品好用,哪些产品不好用,整理了份名单,分享给大家公司文档加密这块:翼火蛇免费3个点,其他按照15+3/月/终端收费,在做小白鼠实验云子可信-铁卷SaaS版目前是内测阶段,是我们公司目前在使用的,还不错,推荐这个!亿赛通收费标准未知,调研过,不好用,可能需要专业人员帮助员工机器管理的:瑞星安全云终…

    2022年10月4日
    6
  • 9千字长文带你了解SpringBoot启动过程–史上最详细 SpringBoot启动流程-图文并茂

    9千字长文带你了解SpringBoot启动过程–史上最详细 SpringBoot启动流程-图文并茂来自面试官发自内审深处的灵魂拷问:“说一下springboot的启动流程”;一脸懵逼的面试者:“它简化了spring的配置,主要是因为有自动装配的功能,并且可以直接启动,因为它内嵌了tomcat容器”;面试官:“嗯,没错,这是它的一些概念,你还没回答我的问题,它是怎么启动的,启懂时都经过了哪些东西?”;一脸懵逼的面试者:“额~~~不知道额····,我用的很熟练,但是不知道它里面做了哪些事情!”;面试官:“了解内部原理是为了帮助我们做扩展,同时也是验证了一个人的学习能力,如果你想让自己的职业道路.

    2025年11月2日
    6
  • 使用mxnet实现卷积神经网络LeNet

    1.LeNet模型LeNet是一个早期用来识别手写数字的卷积神经网络,这个名字来源于LeNet论文的第一作者YannLeCun。LeNet展示了通过梯度下降训练卷积神经网络可以达到手写数字识别在当

    2021年12月30日
    63
  • 神经网络BP反向传播算法原理和详细推导流程

    神经网络BP反向传播算法原理和详细推导流程1反向传播算法和BP网络简介误差反向传播算法简称反向传播算法(即BP算法)。使用反向传播算法的多层感知器又称为BP神经网络。BP算法是一个迭代算法,它的基本思想为:(1)先计算每一层的状态和激活值,直到最后一层(即信号是前向传播的);(2)计算每一层的误差,误差的计算过程是从最后一层向前推进的(这就是反向传播算法名字的由来);(3)更新参数(目标是误差变小)。迭代前面两个步骤,直到满足…

    2022年6月13日
    37

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号