|
原文章來源鏈接：https://brucezhaor./blog/2016/06/13/excel2ggplot/
原文章作者：BruceZhaoR(RStats, interested in Statistics Models, Machine/Deep Learning, Data visualization, High Performance Computing ...)
作者主頁：https://github.com/BruceZhaoR
excel作為一個(gè)強(qiáng)大的統(tǒng)計(jì)工具，自身包含著一部分?jǐn)?shù)據(jù)可視化的功能。R作為可視化的大勢(shì)，自然也可以畫出這些圖，有一篇就通過ggplot2包進(jìn)行了部分總結(jié)，甚是有趣，小編復(fù)刻學(xué)習(xí)了一番，現(xiàn)對(duì)代碼做簡(jiǎn)單注釋，以作分享。 關(guān)于excel,ppt，你還可以get  Excel改變了你的基因名，30% 相關(guān)Nature文章受影響，NCBI也受波及
推薦 3 個(gè)超贊的 EXCEL 插件，讓你 5 分鐘從小白變大神 你和PPT高手之間，就只差一個(gè)iSlide 加載所需工具包library(ggplot2) #作圖包
library(dplyr) #數(shù)據(jù)轉(zhuǎn)換包
library(tidyr) #數(shù)據(jù)轉(zhuǎn)換包
library(splines) #數(shù)據(jù)差值包
ggplot2的基本概念數(shù)據(jù)data/映射美學(xué)asethetics/幾何對(duì)象geometries/分面facets/統(tǒng)計(jì)statistics/坐標(biāo)系coordinates/主題themes 數(shù)據(jù)準(zhǔn)備set.seed(123) #設(shè)定隨機(jī)種子，保證做的圖和樣例一致樣
df <- data.frame(
var=LETTERS[1:10], #字母A-J
id=1:10, #數(shù)字1-10
a=runif(10), #10個(gè)隨機(jī)數(shù)
b=runif(10), #10個(gè)隨機(jī)數(shù)
c=runif(10), #10個(gè)隨機(jī)數(shù)
stringsAsFactors = F #不轉(zhuǎn)換為因子
)
print(df) #顯示數(shù)據(jù)
得到所需數(shù)據(jù)樣式（寬矩陣轉(zhuǎn)長(zhǎng)矩陣）df1<- df%>%gather('item',value,-1:-2)%>% bind_cols(data.frame(item_id=rep(1:3,each=10)))
# 使用tidyr和dplyr包的gather函數(shù)進(jìn)行數(shù)據(jù)樣式轉(zhuǎn)換,%>%是dplyr包的傳遞函數(shù)
print(df1)
ggplot畫圖ggplot2是圖層式繪圖，一層層添加修改，圖層需要指定數(shù)據(jù)集，數(shù)據(jù)集中的內(nèi)容（ase數(shù)據(jù)），geom_圖形，stat統(tǒng)計(jì)轉(zhuǎn)換，position圖形位置 柱形圖——geom_bar，注意position參數(shù)ggplot(df1,aes(var,value))+
geom_bar(aes(fill=item),stat = 'identity',position='dodge',width=0.8)+
labs(title='柱形圖') # geom_bar=stat_count,stat=identy接受兩個(gè)變量作圖,position默認(rèn)參數(shù)是stack,position='dodge'時(shí)，不同變量橫向排列
ggplot(df1,aes(var,value))+
geom_bar(aes(fill=(item)),stat = 'identity',position='stack',width=0.8)+
labs(title='堆積柱狀圖')
ggplot(df1,aes(var,value))+
geom_bar(aes(fill=item),stat = 'identity',position='fill',width=0.8)+
labs(title='百分比堆積柱狀圖')
ggplot(df1,aes(var,value))+
geom_bar(aes(fill=item),stat = 'identity',width=0.8)+
facet_grid(item~.)+ # 垂直方向分割
labs(title='三維柱形圖') # 平面展示,（facet_grid)將三維圖平面展示
折線圖——geom_line
變量以點(diǎn)展示，然后連點(diǎn)成線
ggplot(df1,aes(id,value,colour=item))+ # 點(diǎn)
geom_line()+ # 連線
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ #將X坐標(biāo)軸改為十等分并標(biāo)以字母
labs(title='折線圖')
ggplot(df1,aes(id,value,colour=item))+
geom_line(position='stack')+
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
labs(title='堆積折線圖')
ggplot(df1,aes(id,value,colour=item))+
geom_line(position='fill')+
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
labs(title='百分比堆積折線圖')
ggplot(df1,aes(id,value,colour=item))+
geom_line()+
geom_point()+
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
labs(title='帶標(biāo)記的折線圖') #增加了散點(diǎn)圖geom_point
ggplot(df1,aes(id,value,colour=item))+
geom_line(position='stack')+
geom_point(position='stack')+
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
labs(title='帶標(biāo)記的堆積折線圖')
ggplot(df1,aes(id,value,colour=item))+
geom_line(aes(ymin=0),position='fill')+
geom_point(aes(ymin=0),position='fill')+
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
labs(title='帶標(biāo)記的百分比堆積折線圖')
ggplot(df1,aes(id,value,colour=item))+
facet_grid(item~.)+ # 垂直方向分割
geom_line()+
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
labs(title='三維折線圖') #用facet_grid平面展示，
餅圖
餅圖，將一般的柱圖進(jìn)行直角坐標(biāo)軸到極坐標(biāo)軸的轉(zhuǎn)換（coord_polar()) ggplot(df,aes(x=factor(1),a,fill=factor(var)))+
geom_bar(stat='identity',position='fill')+
coord_polar(theta='y')+ # 按Y軸極坐標(biāo)轉(zhuǎn)換
labs(title='餅圖')因?yàn)槭窃跅l形圖中對(duì)y軸進(jìn)行極坐標(biāo)轉(zhuǎn)換，因此x軸長(zhǎng)短需要一致，統(tǒng)一設(shè)為一個(gè)值，此處是x=factor(1)
復(fù)合餅圖和復(fù)合條餅圖
有嵌套類時(shí)，可以衍生一個(gè)圖形展現(xiàn)子類內(nèi)容，下圖是一個(gè)demo，僅作為圖案參考樣式，還有許多需要改進(jìn)的地方 df_tmp<-data.frame(x=1,y=1) #準(zhǔn)備畫布所需數(shù)據(jù)
base <- ggplot(df_tmp,aes(x,y))+
geom_blank()+
theme_void()+
xlim(c(0,2))+
ylim(c(0,2)) # 準(zhǔn)備背景畫布
base + annotation_custom(
grob = ggplotGrob(
ggplot(df,aes(x = '',a,fill=factor(var)))+ # 注釋
geom_bar(stat='identity',position='fill',
show.legend = F)+
labs(x=NULL,y=NULL)+
coord_polar(theta='y')+
theme_classic()),
xmin =0,xmax=1,
ymin=0.5,ymax = 1.5)+ # 圖左
annotation_custom(
grob = ggplotGrob(
ggplot(df,aes(x = '',b,fill=factor(var)))+
geom_bar(stat='identity',
position='fill',
show.legend = F)+
labs(x=NULL,y=NULL)+
coord_polar(theta='y')+
theme_classic()),
xmin =1.1,xmax=1.9,
ymin=0.6,ymax = 1.4)+ # 圖右
annotate('segment',x=0.5,xend=1.5,
y=0.69,yend=0.77)+ # 下線條
annotate('segment',x=0.5,xend=1.5,
y=1.35,yend=1.28) # 上線條+
labs(title='復(fù)合餅圖')
# 復(fù)合條餅圖
base <- ggplot(df_tmp,aes(x,y))+geom_blank()+theme_void()+
xlim(c(0,2))+ylim(c(0,2)) # 背景畫布
base + annotation_custom(
grob = ggplotGrob(
ggplot(df,aes(x = '',a,fill=factor(var)))+
geom_bar(stat='identity',
position='fill',
show.legend = F)+
labs(x=NULL,y=NULL)+
coord_polar(theta='y')+theme_void()), # 餅圖比條形圖多了一個(gè)極坐標(biāo)轉(zhuǎn)換
xmin =0,xmax=1,
ymin=0.5,ymax = 1.5)+ # 左圖
annotation_custom(
grob = ggplotGrob(
ggplot(df,aes(x = '',b,fill=factor(var)))+
geom_bar(stat='identity',
position='fill',
show.legend = F)+
labs(x=NULL,y=NULL)+theme_void()),
xmin =1.2,xmax=1.8,ymin=0.8,ymax = 1.2)+ # 右圖
annotate('segment',x=0.5,xend=1.24,y=0.64,yend=0.84)+ # 下線段
annotate('segment',x=0.5,xend=1.24,y=1.38,yend=1.18)+ # 上線段
labs(title='復(fù)合條餅圖')
圓環(huán)圖
一個(gè)圓環(huán)代表一個(gè)變量，顏色表示其屬性 ggplot(df1,aes(x = item,value,fill=var))+
geom_bar(stat='identity',position='fill',width=0.8,colour='black')+
coord_polar(theta='y')
其他圓形圖
用coord_polar作出的demo圖 demo1<-ggplot(df,aes(x = factor(1),a,fill=factor(var)))+
geom_bar(stat='identity',position='dodge')
demo1 #柱形圖
demo1+coord_polar(theta='y') # 按y軸極坐標(biāo)轉(zhuǎn)換
demo1+coord_polar(theta='x') # 按X軸極坐標(biāo)轉(zhuǎn)換，此時(shí)x還可以等于var
demo2<-ggplot(df1,aes(x = id,value,fill=item))+
geom_bar(stat='identity',position='fill',width=0.8)
demo2 # 百分比柱形圖
demo2+coord_polar(theta='x') # 按x軸極坐標(biāo)轉(zhuǎn)換
條形圖
條形圖就是橫過來的柱形圖，用函數(shù)coord_filp()處理逆時(shí)針旋轉(zhuǎn)90° ggplot(df1,aes(var,value))+
geom_bar(aes(fill=item),stat = 'identity',position='dodge',width=0.8)+
labs(title='條形圖')+
coord_flip() # 和柱形圖代碼的唯一區(qū)別coord_flip()
ggplot(df1,aes(var,value))+
geom_bar(aes(fill=item),stat = 'identity',position='stack',width=0.8)+
labs(title='堆積條形圖')+
coord_flip()
ggplot(df1,aes(var,value))+
geom_bar(aes(fill=item),stat = 'identity',position='fill',width=0.8)+
labs(title='百分比堆積條形圖',fill='')+
coord_flip()
ggplot(df1,aes(var,value))+
geom_bar(aes(fill=item),stat = 'identity',position='dodge',width=0.8)+
labs(title='三維百分比條形圖',fill='')+
coord_flip()+
facet_grid(.~item) # 水平方向分割，用多個(gè)分面展示多維
面積圖——geom_area
面積圖就是將折線圖下面的區(qū)域標(biāo)注顏色，表示面積。 ggplot(df1,aes(id,value))+
geom_area(aes(fill=item),position=position_dodge(width = 0),
alpha=0.5)+ # 暗色不透明度
labs(title='面積圖',fill='')+
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])
ggplot(df1,aes(id,value))+
geom_area(aes(fill=item),alpha=0.5)+
labs(title='堆積面積圖')+ # 區(qū)別堆積折線圖是少了`position=stack`
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])
ggplot(df1,aes(id,value))+
geom_area(aes(fill=item),position='fill',alpha=0.5)+
labs(title='百分比堆積面積圖',fill='')+
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])
ggplot(df1,aes(id,value))+
geom_area(aes(fill=item),position='stack',alpha=0.5)+
# 區(qū)別于三維折線圖添加了`position=stack`,便于分割后更好觀察面積分布
labs(title='三維百分比堆積面積圖',fill='')+
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
facet_grid(item~.) # 按垂直水平分割
XY散點(diǎn)圖
需要注意的是確定X,Y軸以后，需要把對(duì)應(yīng)的值賦到圖中 ggplot(df1,aes(var,value))+
geom_point(aes(colour=item))+
labs(title = '散點(diǎn)圖')
df1_a<-df1 %>% filter(item=='a') %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame()
df1_b<-df1 %>% filter(item=='b') %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame()
df1_c<-df1 %>% filter(item=='c') %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame()
# 分開獲得需要a,b,c的數(shù)據(jù)value，并被等分為1000份，用spline曲線連接，轉(zhuǎn)換為數(shù)據(jù)框格式
df1_sp<-bind_rows(df1_a,df1_b,df1_c) %>%
mutate(item=rep(letters[1:3],each=1000)) # 添加1列item
ggplot()+
geom_point(data=df1,aes(id,value,colour=item))+
geom_line(data=df1_sp,aes(x,y,colour=item))+
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
labs(title = '帶平滑線和數(shù)據(jù)標(biāo)記的散點(diǎn)圖') # 點(diǎn)加線
ggplot(df1,aes(id,value,colour=item))+
geom_point()+
geom_line()+
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
labs(title = '帶直線和點(diǎn)數(shù)據(jù)標(biāo)記的散點(diǎn)圖')
ggplot(df1,aes(id,value,colour=item))+
geom_line()+
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
labs(title = '帶直線的散點(diǎn)圖') # 就是折線圖
氣泡圖
氣泡圖即點(diǎn)的大小表示數(shù)值大小的點(diǎn)圖 ggplot(df1,aes(id,value,colour=item))+
geom_point(aes(size=value))+
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])
# `size=value`給點(diǎn)賦予數(shù)值大小屬性
股價(jià)圖
ggplot(df)+
geom_point(aes(Sys.Date()-1:10,c))+
geom_linerange(aes(Sys.Date()-1:10,ymin=a,ymax=b))+
labs(title='已知盤高-盤低-收盤圖')
# `Sys.Date`返還任一日期時(shí)間,c是收盤量
# `geom_linerange`是由a,b兩個(gè)對(duì)象的ymin和ymax定義的垂直區(qū)間線圖
ggplot(df)+
geom_point(aes(Sys.Date()-1:10,c))+
geom_linerange(aes(Sys.Date()-1:10,ymin=a,ymax=b))+
geom_crossbar(aes(Sys.Date()-1:10,c,ymin=a,ymax=c),width=0.2)+
labs(title='已知開盤-盤高-盤低-收盤圖')
# 在已知盤高-盤底-收盤圖的基礎(chǔ)上加上`geom_crossbar`，這里是連系a的最小和c的最大值，
# geom_crossbar(): 空心柱，上中下三條線分別代表ymax，mean，ymin
ggplot(data = filter(df1,item != 'c'),
aes(rep(Sys.Date()-1:10,3),value))+
facet_grid(item~.,scale='free')+
geom_point(data = filter(df1,item == 'a'),
aes(Sys.Date()-1:10,value))+
geom_linerange(data = filter(df1,item == 'a'),
aes(Sys.Date()-1:10,value,
ymin=value-runif(10),
ymax=value+runif(10)))+
geom_bar(data = filter(df1,item == 'b'),
aes(Sys.Date()-1:10,value*1000),
stat='identity')+
labs(title='成交量-盤高-盤低-收盤圖')
# 點(diǎn)和線距圖是對(duì)象a的數(shù)據(jù)有盤高盤低，條形圖是關(guān)于對(duì)象b的圖，成交量
# facet_grid(item~.,scale='free')，垂直分割，且不同形式的圖表可以被分割出來
ggplot(data = filter(df1,item != 'c'),
aes(rep(Sys.Date()-1:10,3),value))+
facet_grid(item~.,scale='free')+
geom_point(data = filter(df1,item == 'a'),
aes(Sys.Date()-1:10,value))+
geom_linerange(data = filter(df1,item == 'a'),
aes(Sys.Date()-1:10,value,
ymin=value-runif(10),
ymax=value+runif(10)))+
geom_crossbar(data = filter(df1,item == 'a'),
aes(Sys.Date()-1:10,value,
ymin=value-runif(10),
ymax=value+runif(10)),
width=0.2)+
geom_bar(data = filter(df1,item == 'b'),
aes(Sys.Date()-1:10,value*1000),
stat='identity')+
labs(title='已知成交量-開盤-盤高-盤低-收盤圖')
# 在上一個(gè)圖的基礎(chǔ)上加了個(gè)`geom_crossbar`，篩選對(duì)象b作為開盤
曲面圖——geom_contour
三維圖形，下圖是對(duì)密度的一個(gè)二維密度估計(jì) ggplot(df1,aes(id,item_id))+
geom_contour(aes(z=value,colour=..level..),
binwidth=0.001)+
scale_colour_gradientn(colours = terrain.colors(10))+
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
scale_y_continuous(breaks = 1:3,labels = letters[1:3])+
labs(title='曲面圖')
# binwidth設(shè)置組距，值越小畫得線越多，密度圖函數(shù)colour設(shè)置等高線顏色
ggplot(df1,aes(id,item_id))+
geom_contour(aes(z=value,colour=..level..),
binwidth=0.1)+
scale_colour_gradientn(colours = terrain.colors(10))+
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
scale_y_continuous(breaks = 1:3,labels = letters[1:3])+
labs(title='曲面圖（框架圖）')
# 用不同顏色等高線畫框架圖，和上圖比增加了組距。
雷達(dá)圖
ggplot(df1,aes(id,value,colour=item))+
geom_bar(stat='identity',
position='dodge', # 普通柱形圖
fill='transparent',# 填充透明度
size=1)+
coord_polar()+ #極坐標(biāo)轉(zhuǎn)換
scale_x_continuous(breaks = 1:5,labels = LETTERS[1:5])+
facet_wrap(~item,nrow=2)+ # 水平分割，分割后的圖呈兩行排列
labs(title='雷達(dá)圖')
# 雷達(dá)圖就是極坐標(biāo)轉(zhuǎn)換后的普通柱形圖，加了透明背景框，相當(dāng)于其他透明圖
ggplot(df1,aes(id,value,colour=item))+
geom_bar(stat='identity',
position='dodge',
fill='transparent',
size=1,
width=0.5)+
geom_point()+
coord_polar()+
scale_x_continuous(breaks = 1:5,labels = LETTERS[1:5])+
facet_wrap(~item,nrow=2)+
labs(title='帶數(shù)據(jù)標(biāo)記的雷達(dá)圖')
# 在geom_bar的基礎(chǔ)上加上了以三個(gè)對(duì)象a,b,c,的值為點(diǎn)的點(diǎn)圖geom_point
ggplot(df1,aes(id,value))+
geom_bar(aes(fill=item),stat='identity',
position='dodge')+ # 以item項(xiàng)的值映射柱形圖的表達(dá)值
scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ # x軸分成了十等份
coord_polar()+
facet_wrap(~item,nrow=2)+
labs(title='填充雷達(dá)圖')
直方圖
直方圖是先把數(shù)據(jù)劃分區(qū)間，按從小到大的順序排列，并以柱狀圖的形式表現(xiàn) ggplot(df1,aes(value))+
geom_histogram(bins=5,colour='white') # 映射value表達(dá)值，邊界框是白色
# 排列圖（數(shù)據(jù)從小到大排列）
df_tmp2<-df %>% select(1:3) %>% # 前三列
arrange(a) %>% #按列a的值從小到大排序
mutate(per = a/sum(a)) %>% # 增加per列，值為對(duì)應(yīng)總數(shù)的比例
arrange(desc(a)) %>% # 重新按列a的值從達(dá)到小排列
mutate(new_id = 1:10)%>% # 增加new_id列
mutate(per = cumsum(per)) # 將per列的值按new_id的順序逐個(gè)疊加
ggplot(df_tmp2)+
geom_bar(aes(new_id,a,fill=var),stat='identity')+ # fill=var添加圖例并按照?qǐng)D例上色
geom_line(aes(new_id,per))+
scale_x_continuous(breaks = 1:10,
labels = df_tmp2$var)
# 令X軸的值為df_tmp2的var
箱型圖
箱型圖是用分位數(shù)表述數(shù)據(jù)的離散和集中趨勢(shì) ggplot(df1,aes(item,value,colour=item))+
geom_boxplot(aes(fill=item),alpha=0.2,
outlier.colour = 'red',
outlier.shape = 2,
outlier.size = 5,
coef=1.5)+ # 箱線圖的異常值設(shè)定，邊框?yàn)榧t色，形狀為2指代的三角形，大小為5，參數(shù)coef指定了“須”的長(zhǎng)度的極限值，默認(rèn)值是1.5，表示兩條須的極限不會(huì)超過盒型各端加1.5倍四分位距的范圍，如果被置為0，條須的延長(zhǎng)極限就會(huì)在數(shù)據(jù)集中元素的極限位置，圖中不會(huì)有任何離群點(diǎn)。geom_jitter(width = 0.1) # geom_jitter()是geom_point(position='jitter')的簡(jiǎn)稱,帶狀圖，一維散點(diǎn)圖。
瀑布圖
瀑布圖可表現(xiàn)圖形漲跌趨勢(shì)，后一個(gè)柱子和前一個(gè)柱子有增長(zhǎng)和下降的關(guān)系。 df_tmp3 <- df %>%select(1:3)%>%mutate(cum=cumsum(a) ,low=lag(cum,default = 0))
# 新增一列cum，值為對(duì)應(yīng)a值逐個(gè)疊加，新增加一列l(wèi)ow，對(duì)應(yīng)的是同一行的cum的上一個(gè)值，開始值是0.
ggplot(df_tmp3,aes(id,cum))+
# geom_step(colour='grey50')+ 是梯線
geom_crossbar(aes(ymin=low,ymax=cum),
size=0,
fill='skyblue',
colour='grey50', # 邊框顏色
width=1)+
scale_x_continuous(breaks = 1:10,
labels = LETTERS[1:10]) #geom_crossbar(): 空心柱，上下兩條線分別代表ymax、ymin
漏斗圖
漏斗圖的數(shù)據(jù)分布在圖形中間，用coord_flip()轉(zhuǎn)換方向，可以看到不同組的最大，最小值的差異 df_tmp4<-df %>% select(1:3) %>%
arrange(a) %>%
mutate(new_id=1:10,
ymin = (1-a)/2,
ymax = a+(1-a)/2,
mid = 0.5) # 新增四列，new_id,ymin,ymax和min列
ggplot(df_tmp4,aes(new_id,mid))+
# geom_step(colour='grey50')+
geom_crossbar(aes(ymin=ymin,ymax=ymax),
size=0,
fill='skyblue',
colour='grey50',
width=1)+
scale_x_continuous(breaks = 1:10,
labels = df_tmp4$var)+
coord_flip() # 整個(gè)圖形逆時(shí)針轉(zhuǎn)90度
# geom_crossbar()空心柱
ggplot(df_tmp4,aes(new_id,mid))+
geom_linerange(aes(ymin=ymin,ymax=ymax,
colour=factor(new_id)),
size=15,
alpha=0.5,show.legend = F)+
scale_x_continuous(breaks = 1:10,
labels = df_tmp4$var)+
coord_flip()
高顏值在線免費(fèi)繪圖
R統(tǒng)計(jì)和作圖 ggplot2高效實(shí)用指南 (可視化腳本、工具、套路、配色) ggplot2學(xué)習(xí)筆記之圖形排列 你的包佩奇了嗎？試試新版Rstudio，自動(dòng)提醒缺失包！ 原來Rstudio還可以這么使用，又方便了一些 在R中贊揚(yáng)下努力工作的你，獎(jiǎng)勵(lì)一份CheatShet 別人的電子書，你的電子書，都在bookdown R語言 - 入門環(huán)境Rstudio R語言 - 熱圖繪制 (heatmap) R語言 - 基礎(chǔ)概念和矩陣操作 R語言 - 熱圖簡(jiǎn)化 R語言 - 熱圖美化 R語言 - 線圖繪制 R語言 - 線圖一步法 R語言 - 箱線圖（小提琴圖、抖動(dòng)圖、區(qū)域散點(diǎn)圖） R語言 - 箱線圖一步法 R語言 - 火山圖 R語言 - 富集分析泡泡圖 R語言 - 散點(diǎn)圖繪制 R語言 - 韋恩圖 R語言 - 柱狀圖 R語言 - 圖形設(shè)置中英字體 R語言 - 非參數(shù)法生存分析 R語言 - 繪制seq logo圖 一文學(xué)會(huì)網(wǎng)絡(luò)分析——Co-occurrence網(wǎng)絡(luò)圖在R中的實(shí)現(xiàn) R中1010個(gè)熱圖繪制方法 圖像處理R包magick學(xué)習(xí)筆記
R語言可視化學(xué)習(xí)筆記之ggridges包
R包reshape2，輕松實(shí)現(xiàn)長(zhǎng)、寬數(shù)據(jù)表格轉(zhuǎn)換
用R在地圖上繪制網(wǎng)絡(luò)圖的三種方法 PCA主成分分析實(shí)戰(zhàn)和可視化 附R代碼和測(cè)試數(shù)據(jù) iTOL快速繪制顏值最高的進(jìn)化樹！ 12個(gè)ggplot2擴(kuò)展包幫你實(shí)現(xiàn)更強(qiáng)大的可視化 編程模板-R語言腳本寫作：最簡(jiǎn)單的統(tǒng)計(jì)與繪圖，包安裝、命令行參數(shù)解析、文件讀取、表格和矢量圖輸出 R語言統(tǒng)計(jì)入門課程推薦——生物科學(xué)中的數(shù)據(jù)分析Data Analysis for the Life Sciences 數(shù)據(jù)可視化基本套路總結(jié) 你知道R中的賦值符號(hào)箭頭<-和等號(hào)=的區(qū)別嗎？ 使用dplyr進(jìn)行數(shù)據(jù)操作30例 R包reshape2，輕松實(shí)現(xiàn)長(zhǎng)、寬數(shù)據(jù)表格轉(zhuǎn)換 R語言搭建炫酷的線上博客系統(tǒng) R包c(diǎn)irclize：柱狀圖用膩了？試試好看的弦狀圖 獲取pheatmap聚類后和標(biāo)準(zhǔn)化后的結(jié)果 增強(qiáng)火山圖，要不要試一下？ 一個(gè)震撼的交互型3D可視化R包 - 可直接轉(zhuǎn)ggplot2圖為3D 贈(zèng)你一只金色的眼 - 富集分析和表達(dá)數(shù)據(jù)可視化
|
