R绘图笔记 | 一般的散点图绘制

1.利用plot()绘制散点图

R语言中plot()函数的基本格式如下：

plot(x,y,...)

plot函数中，x和y分别表示所绘图形的横坐标和纵坐标；函数中的...为附加的参数。plot函数默认的使用格式如下：

plot(x, y = NULL, type = "p", xlim = NULL, ylim = NULL, log = "", main = NULL, sub = NULL, xlab = NULL, ylab = NULL, ann = par("ann"), axes = TRUE, frame.plot = axes, panel.first = NULL, panel.last = NULL, asp = NA, ...)

主要参数的含义如下：

（1）type为一个字符的字符串，用于给定绘图的类型，可选的值如下：

• "p"：绘点（默认值）；

• "l"：绘制线；

• "b"：同时绘制点和线；

• "c"：仅绘制参数"b"所示的线；

• "o"：同时绘制点和线，且线穿过点；

• "h"：绘制出点到横坐标轴的垂直线；

• "s"：绘制出阶梯图（先横后纵）；

• "S"：绘制出阶梯图（先纵后竖）；

• "n"：作空图。

（2）main参数 字符串，给出图形的标题；

（3）sub参数 字符串，给出图形的子标题；

（4）xlab 和 ylab参数 字符串，用于给出x轴和y轴的标签。

（5）xlim 和 ylim参数 都是二维向量，分别表示x轴和y轴的取值范围。

（6）pch参数。

绘制第一个散点图

####第一个图x <- runif(50,0,2)y <- runif(50,0,2)plot(x, y, main="我的第一个散点图", sub="subtitle", xlab="横坐标", ylab="纵坐标", pch=16)

添加文本和线

text(0.6,0.6,"(0.6,0.6)")abline(h=.6,v=.6, col='red')

第二个散点图

####第二个图x <- runif(50,0,2)y <- runif(50,0,2)
plot(x, y, type="n", xlab="", ylab="", axes=F) points(x,y) #添加坐标点axis(1) #添加横轴axis(at=seq(0,2,0.5), side=2) #添加纵轴box() #补齐散点图的边框title(main="散点图", sub="subtitle", xlab="x轴", ylab="y轴")abline(h=0.6,v=0.6,col="red")

2.利用ggpolt2绘图

data(trees) # 加载数据集head(trees) # 预览数据集

绘图

ggplot(trees, aes(x=Girth,y=Height)) + geom_point()

ggplot(trees, aes(x=Girth,y=Height)) + geom_point(alpha=0.5)

ggplot(trees, aes(x=Girth,y=Height)) + stat_bin2d()

ggplot(trees, aes(x=Girth,y=Height)) + stat_bin2d(bins=50) + scale_fill_gradient(low="lightblue", high="red" ,limits=c(0,5))

高级绘图

ggplot(data = trees, aes(Girth,Volume)) + geom_point(fill="black",colour="black",size=3,shape=21) + geom_smooth(method = 'loess',span=0.4,se=TRUE,colour="#00A5FF",fill="#00A5FF",alpha=0.2)+ #(f) scale_y_continuous(breaks = seq(0, 125, 25))+ theme( text=element_text(size=15,color="black"), plot.title=element_text(size=15,family="myfont",hjust=.5,color="black"), legend.position="none" )‍

geom_smooth()函数提供了平滑算法，基本能够满足平时实验数据处理的要求。

添加数据拟合线性模型绘图

fit <- lm(Volume ~ Girth, data = trees) #线性拟合trees$predicted <- predict(fit) # 保存预测值trees$residuals <- residuals(fit) # 保存残差（有正有负）trees$Abs_Residuals<-abs(trees$residuals) #保存残差的绝对值
ggplot(trees, aes(x = Girth, y = Volume)) + geom_point(aes(fill =Abs_Residuals, size = Abs_Residuals),shape=21,colour="black") + # size also mapped #使用实际的值绘制气泡图，并将气泡的颜色和面积映射到残差的绝对值  scale_fill_continuous(low = "black", high = "blue") + #填充颜色映射到蓝色单色渐变系 geom_smooth(method = "lm", se = FALSE, color = "lightgrey") + #添加灰色的线性拟合模型  geom_point(aes(y = predicted), shape = 1) + #添加空心圆圈的预测值  geom_segment(aes(xend = Girth, yend = predicted), alpha = .2) + #添加实际值与预测值之间的连线 guides(fill = guide_legend((title="Rresidual")), size = guide_legend((title="Rresidual")))+ ylim(c(0,80))+ xlab("Girth")+ ylab("Volume")+ theme(text=element_text(size=15,face="plain",color="black"), axis.title=element_text(size=10,face="plain",color="black"), axis.text = element_text(size=10,face="plain",color="black"), legend.position = "right", legend.title = element_text(size=13,face="plain",color="black"), legend.text = element_text(size=10,face="plain",color="black"), legend.background = element_rect(fill=alpha("white",0)))

3.其他散点图函数

除了上面的包和函数可以绘制散点图外，还有一些包也可以绘制复杂性的散点图。比如说car包中的scatterplot()函数和lattice包的xyplot()函数。car包中的scatterplot()函数增强了散点图的许多功能，它可以很方便地绘制散点图，并能添加拟合曲线、边界箱线图和置信椭圆，还可以按子集绘图和交互式地识别点。

# 函数1：scatterplot(formula, data, subset, xlab, ylab, id=FALSE, legend=TRUE, ...)# 函数2： scatterplot(x, y, boxplots=if (by.groups) "" else "xy", regLine=TRUE, legend=TRUE, id=FALSE, ellipse=FALSE, grid=TRUE, smooth=TRUE, groups, by.groups=!missing(groups), xlab=deparse(substitute(x)), ylab=deparse(substitute(y)), log="", jitter=list(), cex=par("cex"), col=carPalette()[-1], pch=1:n.groups, reset.par=TRUE, ...)

重要参数：

formula # 模型公式；类似y~x，如果按组绘制，则类似y~x|z，其中z为分组变量；data # 为模型公式中变量来源的数据集；subset # 指定筛选数据子集；x, y # 分别表示水平（x轴）和垂直（y轴）坐标的数字向量；boxplots # 如为x，则在下方绘制水平x轴的边界箱线图；如为y，则在左边绘制垂直y轴的边界箱线图；# 如为xy，则在水平和垂直轴上都绘制边界箱线图；设置""或FALSE则不绘制边界箱线图；regLine # 默认添加拟合回归线；如为FALSE，则不添加；# 指定lm()函数拟合回归线，默认参数为regLine=list(method=lm, lty=1, lwd=2, col=col)legend # 逻辑词，当按组绘制散点图且为TRUE时图上显示图例；为FALSE则不绘制图例；grid # 逻辑词，为TRUE则绘制浅灰色背景网格；groups # 分组变量或因子；使用不同的颜色、绘图符号等来绘制分组图形；by.groups # 为TRUE，则按分组拟合回归线；xlab、ylab # x轴和y轴标签；log # 绘制对数坐标轴；jitter # 包含x、y或两者都有的列表；指定散点图中点的水平和垂直坐标的抖动因子；cex # 设置绘图字符的大小，默认为1；# 其他参数为cex.axis、cex.lab、cex.main和cex.sub等；col # 未分组时，直接指定绘制颜色；分组时，设置参数长度应等于组数的颜色向量；pch # 点的绘图符号；分组时默认按顺序使用字符；

library(car)scatterplot(Volume ~ Girth, data = trees, xlab="Girth", ylab="Volume",smooth=FALSE)

下面是帮助文档的案例。

scatterplot(prestige ~ income, data=Prestige, ellipse=TRUE)scatterplot(prestige ~ income, data=Prestige, smooth=list(smoother=quantregLine))# use quantile regression for median and quartile fitsscatterplot(prestige ~ income | type, data=Prestige,            smooth=list(smoother=quantregLine, var=TRUE, span=1, lwd=4, lwd.var=2))scatterplot(prestige ~ income | type, data=Prestige, legend=list(coords="topleft"))scatterplot(vocabulary ~ education, jitter=list(x=1, y=1),            data=Vocab, smooth=FALSE, lwd=3)scatterplot(infantMortality ~ ppgdp, log="xy", data=UN, id=list(n=5))scatterplot(income ~ type, data=Prestige)

另外，还有ggpubr包中的ggscatter()函数也可以绘制散点图。

library(ggpubr)data(mtcars)dat <- mtcarsdat$cyl <- as.factor(dat$cyl)head(dat[, c("wt", "mpg", "cyl")], 3)ggscatter(dat, x = "wt", y = "mpg", color = "cyl", shape = "cyl", palette = c("#00AFBB", "#E7B800", "#FC4E07"), ellipse = TRUE, mean.point = TRUE, star.plot = TRUE)

## 部分参数解释data, x, y # data指数据框，x、y为数据框中用来绘制图形的变量combine # 逻辑词，默认FALSE，仅当y是包含多个变量的向量时使用；如为TRUE，则创建组合面板图merge # 逻辑词或字符；默认FALSE，仅当y是包含多个变量的向量时使用；如为TRUE，则在同一绘图区域合并多个y变量；# 字符为"asis"或"flip"，如为"flip"，则y变量翻转为x轴刻度，x变量翻转为分组变量color、fill # 设置点的颜色palette # 设置线图颜色的调色板；可为灰色调色板"grey"；自定义调色板c("blue","red")# ggsci包调色板:"npg","aaas","lancet","jco","ucscgb","uchicago","simpsons"和"rickandmorty"。shape # 点的形状size # 数值，设置点和轮廓的大小point # 逻辑词，为TRUE，则在图上显示点rug # 逻辑词，为TRUE，则显示边缘地毯title # 图形标题xlab、ylab # 指定x轴、y轴的标签；当xlab = FALSE时隐藏标签，y轴同facet.by # 长度为1-2的字符向量，指定绘制分面的分组向量，分组向量应在数据框中panel.labs # 修改面板标签的字符向量的列表；用法：# 一个分组向量：panel.labs = list(sex = c("Male", "Female")) # 两个分组向量：panel.labs = list(sex = c("Male", "Female"),rx = c("Obs","Lev","Lev2")).short.panel.labs # 逻辑词，默认为TRUE，省略变量名称为面板创建简短标签add # 添加另一个绘图元素的字符向量；# 如"none", "dotplot", "jitter", "boxplot", "point", # "mean", "mean_se", "mean_sd", "mean_ci", "mean_range", # "median", "median_iqr", "median_hilow", "median_q1q3", # "median_mad", "median_range"add.params # 参数add的参数(color, shape, size, fill, linetype)，# 用法add.params = list(color = "red").conf.int # 逻辑词，为TRUE，则增加置信区间conf.int.level # 设置置信区间的置信水平，默认95%fullrange # 仅在add!="none"时使用，拟合是跨越图的整个范围还是只跨越数据？ellipse # 逻辑词，为TRUE，则在点周围绘制椭圆ellipse.level # 点周围椭圆的大小，默认0.95ellipse.type # 使用字符来指定框的类型，允许值有"convex", "confidence"、"t"、"norm"、"euclid"等ellipse.alpha # 椭圆的透明度，用于指定填充颜色的透明度，无填充颜色，设置为0。ellipse.border.remove # 逻辑词，为TRUE，则删除椭圆边框线mean.point # 逻辑词，为TRUE，则将分组平均点添加到绘图中mean.point.size # 指定平均点大小的数值star.plot # 逻辑词，为TRUE，则生成星图star.plot.lty、star.plot.lwd # 星图的线型和线宽label # 包含点标签的列的名称，也可以是长度=nrow(data)的向量font.label # 包含下列元素的列表：大小、类型、颜色等；用法：# font.label = list(size = 14, face = "bold", color ="red")font.family # 指定标签的字体格式label.select # 字符向量，指定要显示的一些标签；repel # 逻辑词，是否使用ggrepel避免过度绘制文本标签。label.rectangle # 逻辑词，如为TRUE，则在文本下方添加矩形便于阅读parse # 为TRUE，标签将被解析为表达式cor.coef # 逻辑词，为TRUE，相关系数的p值添加到图上cor.coeff.args # 一系列参数传递给stat_cor函数，用来自定义相关系数的显示，用法：# cor.coeff.args = list(method = "pearson", label.x.npc = "right", label.y.npc = "top").cor.method # 计算相关系数的方法，可用值："pearson", "kendall"或"spearman".cor.coef.coord # 长度为2的数字向量，指定相关系数的x、y坐标，默认值为NULLcor.coef.size # 相关系数文字字体的大小ggp # 不为NULL，则将点添加到现有绘图中show.legend.text # 逻辑词，图例中是否包含文字；ggtheme # ggplot2主题名称，默认为theme_pubr()；# 可用值包括theme_gray(),theme_bw(),theme_minimal(),theme_classic(),theme_void()...

参考资料：

1.R语言数据可视化之美，张杰/著

2.scatterplot()函数帮助文件

3.ggscatter()函数帮助文件