R画图基本(二)点柱图(dot histogram)
当前位置:以往代写 > 其他教程 >R画图基本(二)点柱图(dot histogram)
2019-06-14

R画图基本(二)点柱图(dot histogram)

R画图基本(二)点柱图(dot histogram)

在之前的一节傍边,图型名称有些杂乱,从这一节开始将做如下统一(不全面):

英文名称 中文名称
bar 条形图
line 线图
area 面积图
pie 饼图
high-low 坎坷图
pareto 帕累托图
control 节制图
boxplot 箱线图
error bar 误差条图
scatter 散点图
P-P P-P正态概率图
Q-Q Q-Q正态概率图
sequence 序列图
ROC Curve ROC分类结果曲线图
Time Series 时间序列图

好了,言归正传。那么什么又是点柱图(dot histogram)呢?之前我又称之为蜂群图(beeswarm)。尚有称之为抖点图(jitter plots)。总之无论如何,在糗世界里我都称之为点柱图吧。

我们先看点柱图结果:

R绘图根基(二)点柱图(dot histogram)

点柱图

以下是代码

> require(beeswarm)
> data(breast)
> head(breast)
            ER      ESR1     ERBB2 time_survival event_survival
100.CEL.gz neg  8.372133 13.085894            39              1
103.CEL.gz pos 10.559356  9.491683            97              0
104.CEL.gz pos 12.299905  9.599574            11              1
105.CEL.gz pos 10.776632  9.681747            99              0
106.CEL.gz pos 10.505124  9.436763            40              1
107.CEL.gz neg 10.377741  8.695576            94              0
> require(plotrix)
> cluster<-cluster.overplot(breast$event_survival, breast$time_survival)
> png("dothist.png",width=1000,height=1000)
> opar<-par(mfrow=c(3,3))
> plot (breast$event_survival, breast$time_survival, main="Multiple points on coordinate",
+col=as.numeric(breast$ER),xaxt="n",xlim=c(-1,2))
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
> plot(jitter(breast$event_survival), breast$time_survival, main="Using Jitter on x-axis",
+col=as.numeric(breast$ER),xaxt="n",xlim=c(-0.5,1.5))
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
> plot(jitter(breast$event_survival), jitter(breast$time_survival), main="Using Jitter on x and y-axis",
+col=as.numeric(breast$ER),xaxt="n",xlim=c(-0.5,1.5))
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
> sunflowerplot(breast$event_survival, breast$time_survival, main="Using Sunflowers",xaxt="n",xlim=c(-0.5,1.5))
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
> plot(cluster, main="Using cluster.overplot",col=as.numeric(breast$ER),xaxt="n",xlim=c(-0.5,1.5))
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
> count.overplot(jitter(breast$event_survival), jitter(breast$time_survival), main="Using cout.overplot",
+col=as.numeric(breast$ER),xaxt="n")
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
> sizeplot(breast$event_survival, breast$time_survival, main="Using sizeplot",col=as.numeric(breast$ER),
+xaxt="n",xlim=c(-0.5,1.5))
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
> beeswarm(time_survival ~ event_survival, data = breast,
+          method = 'swarm',
+          pch = 16, pwcol = as.numeric(ER),
+          xlab = '', ylab = 'Follow-up time (months)',
+          labels = c('Censored', 'Metastasis'))
> dev.off()
quartz
     2
> par(opar)

以下是表明

在许多环境下,我们画散点图的时候,有很多点拥有沟通的横坐标,假如我们简朴的利用plot(x,y)的方法,会显得这些点拥挤在一起,象图中左上角一样,很是的不舒服。我们需要把这些点分手开。

最根基的思路是,把横坐标抖散(jitter),使原来都拥有沟通坐标的点的横坐标稍有差异。jitter是基类函数{base},无需挪用任何包。

> plot(jitter(breast$event_survival), breast$time_survival, main="Using Jitter on x-axis",
+col=as.numeric(breast$ER),xaxt="n",xlim=c(-0.5,1.5))
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
> plot(jitter(breast$event_survival), jitter(breast$time_survival), main="Using Jitter on x and y-axis",
+col=as.numeric(breast$ER),xaxt="n",xlim=c(-0.5,1.5))
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))

#p#分页标题#e#

我们较量图中上边靠右的两个图,我们发明,假如只抖散x坐标的话,照旧有些点会粘在一起,所以同时抖散y坐标会好一些。我们可以利用factor参数来节制jitter抖散的强度。

> plot(rep(c(1,5,10),each=5),c(jitter(rep(100,5),factor=1),jitter(rep(100,5),factor=5),
+jitter(rep(100,5),factor=10)),col=c("red","blue","green","gray","black"),xlim=c(-2,13),xlab="",
+ylab="y",xaxt="n",main="jitter(rep(100,5)) with different factor")
> axis(1,at=c(1,5,10),labels=c(paste("factor=",c(1,5,10),sep="")))

R绘图根基(二)点柱图(dot histogram)

差异强度的jitter

在graphics包中提供了一个sunflowerplot的函数。它的目标是用花瓣数目几多来显示落在同一坐标上的点的数目。可是从中左图看来,点多的时候结果并非老是那么好。

在plotrix包中提供了一些有意思的函数来办理点挤在一起的这个问题,它们别离是cluster.overplot,
count.overplot,
sizeplot。这三个函数的结果如图中及下靠左的两个。cluster.overplot的要领雷同抖散,count
overplot的要领是利用数字来显示落在同一坐标上的点的数目,sizeplot的要领是利用差异巨细是点来显示落在同一坐标上的点的数目。从结果来
看,点多的时候结果也并非抱负。

而上一次提到过的蜂群图好像是办理这一问题的较佳方案。

我们得出结论,在点数差异的环境下,利用plotrix包及sunflowerplot是不错的。但点数较多的环境下,照旧利用jitter和beeswarm较为稳妥。

我们也可以利用ggplot2包中的geom来绘制点柱图

> require(beeswarm)
> data(breast)
> library(ggplot2)
> p<-ggplot(breast, aes(event_survival,time_survival))
> print(p+geom_jitter(aes(color=ER))+scale_colour_manual(value = c("black", "red"))+scale_x_continuous(breaks = c(0:1),
+labels = c("Censored", "Metastasis")))

R绘图根基(二)点柱图(dot histogram)

ggplot点柱图

尚有一种图,名称为Engelmann-Hecker-Plot, 由plotrix的ehplot来实现。

> data(iris);library(plotrix)
> ehplot(iris$Sepal.Length, iris$Species,
+ intervals=20, cex=1.8, pch=20, main="pch=20")
> ehplot(iris$Sepal.Width, iris$Species,
+ intervals=20, box=TRUE, median=FALSE, main="box=TRUE")
> ehplot(iris$Petal.Length, iris$Species,
+ pch=17, col="red", log=TRUE, main="pch=17")
> ehplot(iris$Petal.Length, iris$Species,
+ offset=0.06, pch=as.numeric(iris$Species), main="pch=as.numeric(iris$Species)")
> rnd <- sample(150)
> plen <- iris$Petal.Length[rnd]
> pwid <- abs(rnorm(150, 1.2))
> spec <- iris$Species[rnd]
> ehplot(plen, spec, pch=19, cex=pwid,
+ col=rainbow(3, alpha=0.6)[as.numeric(spec)], main="cex and col changes")

本文转自:http://pgfe.umassmed.edu/ou/archives/2443

    关键字:

在线提交作业