R可视乎 | 散点图系列（2）
1.前言
散点图（scatter graph、point graph、X-Y plot、scatter chart ）是科研绘图中最常见的图表类型之一，通常用于显示和比较数值。散点图是使用一系列的散点在直角坐标系中展示变量的数值分布。在二维散点图中，可以通过观察两个变量的数据变化，发现两者的关系与相关性。
散点图可以提供三类关键信息：
（1）变量之间是否存在数量关联趋势；
（2）如果存在关联趋势，那么其是线性还是非线性的；
（3）观察是否有存在离群值，从而分析这些离群值对建模分析的影响。
本文可以看作是《R语言数据可视化之美》[1]的学习笔记。该书第四章——数据关系型图表中展示的散点图系列包括以下四个方面：
分布显示的二维散点图
气泡图
三维散点图
本文主要对第二部分进行介绍，并加上小编自己的理解。下面几个部分也会在最近陆续推出，敬请关注。
2.本文框架
3.单数据系列
3.1数据格式
这里我们使用正态分布随机产生250个数据（这个就是实际我们采集的一维数据）。step是指按照多少的区间进行划分类别。我们通过hist()将直方图内部数据进行存储(我也是第一次见这种操作，以后学起来)。输出hg，内部包含参数如下所示：
其中breaks表示边界点，counts表示每个区间内的个数，density表示密度函数值。mids表示区间的中间点，并利用这些参数来构建后续绘图所需要的数据。通过循环语句，计算出x，y坐标数据。前6项数据如下所示:
#加载包
library(ggplot2)
library(RColorBrewer) #颜色
library(scales)
x <- rnorm(250 , mean=10 , sd=1)
step<-0.2
breaks<- seq(min(x)-step,max(x)+step,step)
hg <- hist(x, breaks = breaks , plot = FALSE)#使用直方图数据，但不绘图
bins <- length(hg$counts) # bin类别数
yvals <- numeric(0)
xvals <- numeric(0)
for(i in 1:bins) {
yvals <- c(yvals, hg$counts[i]:0)
xvals <- c(xvals, rep(hg$mids[i], hg$counts[i]+1))
}
dat <- data.frame(xvals, yvals) # 变成dataframe格式
dat <- dat[yvals > 0, ] # 去除小于0的数
colormap <- colorRampPalette(rev(brewer.pal(11,'Spectral')))(32) #颜色选择
3.2原始数据绘制
接下来我们使用该数据（单数据）进行绘制：
柱状图（正态分布）
ggplot(dat, aes(x=xvals,y=yvals,fill=yvals))+
geom_tile(colour="black")+
scale_fill_gradientn(colours=colormap)+
ylim (0, max(yvals)*1.3)+
theme(
text=element_text(size=15,color="black"),
plot.title=element_text(size=15,family="myfont",
face="bold.italic",hjust=.5,color="black"),
legend.background = element_blank(),
legend.position=c(0.9,0.75)
)
geom_tile(colour="black")改为geom_point(colour="black",shape=21,size=4)会得到以下图片
ggplot(dat, aes(x=xvals,y=yvals,fill=yvals))+
geom_point(colour="black",shape=21,size=4)+
scale_fill_gradientn(colours=colormap)+
ylim (0, max(yvals)*1.3)+
theme(
text=element_text(size=15,color="black"),
plot.title=element_text(size=15,family="myfont",face="bold.italic",hjust=.5,color="black"),
legend.background = element_blank(),
legend.position=c(0.9,0.75)
)
3.3 Q-Q图的绘制
在R中可以使用CircStats包的pp.plot()函数绘制P-P图；ggplot2 包的geom_qq()函数和geom_qq_line()函数结合可以绘制Q-Q 图；另外，ggplot2包结合ggpubr包也可以绘制，当然改包还有其他好用的功能[2]。
下面对第三种方式进行实现：ggpubr包中的ggqqplot相应参数如下，包括了非常多的参数，前两个参数分别表示：数据，要绘制的变量。当然其他数据包括设置主题（ggtheme）;添加qqline（add = c("qqline")）等。
ggqqplot(
data, x, combine = FALSE, merge = FALSE, color = "black", palette = NULL, size = NULL, shape = NULL, add = c("qqline", "none"), add.params = list(linetype = "solid"), conf.int = TRUE, conf.int.level = 0.95,
title = NULL, xlab = NULL, ylab = NULL, facet.by = NULL, panel.labs = NULL, short.panel.labs = TRUE, ggtheme = theme_pubr(), ...
)
为了更好解释这个函数，我们重新模拟一个数据集。
library(ggpubr)
# 创建一个数据集
set.seed(1234)
wdata = data.frame(
sex = factor(rep(c("F", "M"), each=200)),
weight = c(rnorm(200, 55), rnorm(200, 58)))
head(wdata, 4)
# 基本的Q-Q图
ggqqplot(wdata, x = "weight")
# 按性别改变颜色和形状
ggqqplot(wdata, x = "weight",
color = "sex",
ggtheme = ggplot2::theme_grey())#更改主题（灰色）当然可以用其他主题
3.4 带透明度设置的散点图
数据设定
这个数据是张杰老师书中的数据，是经过一定处理得到的，结果图可以看下面。
library(ggplot2)
library(RColorBrewer)
mydata<-read.csv("HighDensity_Scatter_Data.csv",stringsAsFactors=FALSE)
head(mydata)
我们利用ggplot()简单绘制二维数据的散点图，之后在对该数据进行聚类。
ggplot(data = mydata, aes(x,y)) +
geom_point( colour="black",alpha=0.1)+
labs(x = "Axis X",y="Axis Y")+
theme(
text=element_text(size=15,color="black"),
plot.title=element_text(size=15,family="myfont",face="bold.italic",hjust=.5,color="black"),
legend.position="none"
)
3.5 kmeans聚类的散点图
对上面数据进行kmeans聚类，这里使用base中的 kmeans()进行分类（两类），然后将分类情况(cluster)进行存储，并转化成因子类型。绘图时，cluster来设置颜色，这样就可以很明显看出分类结果。
kmeansResult<- kmeans(mydata, 2, nstart = 20)
mydata$cluster <- as.factor(kmeansResult$cluster)
ggplot(data = mydata, aes(x,y,color=cluster)) +
geom_point( alpha=0.2)+
scale_color_manual(values=c("#00AFBB", "#FC4E07"))+
labs(x = "Axis X",y="Axis Y")+
theme(
text=element_text(size=15,color="black"),
plot.title=element_text(size=15,family="myfont",face="bold.italic",color="black"),
legend.background=element_blank(),
legend.position=c(0.85,0.15)
)
3.6 带椭圆标定的聚类散点图
有时候我们想突出聚类结果会在结果上画上椭圆，那么可以使用stat_ellipse()。
ggplot(data = mydata, aes(x,y,color=cluster)) +
geom_point (alpha=0.2)+ # 绘制透明度为0.2 的散点图
stat_ellipse(aes(x=x,y=y,fill= cluster), geom="polygon", level=0.95, alpha=0.2)+#绘制椭圆标定不同类别
scale_color_manual(values=c("#00AFBB","#FC4E07"))+#使用不同颜色标定不同数据类别
scale_fill_manual(values=c("#00AFBB","#FC4E07"))+#使用不同颜色标定不同椭类别
labs(x = "Axis X",y="Axis Y")+
theme(
text=element_text(size=15,color="black"),
plot.title=element_text(size=15,family="myfont",face="bold.italic",color="black"),
legend.background=element_blank(),
legend.position=c(0.85,0.15)
)
3.7 多数据系列
多数据系列，其实在聚类散点图就已经涉及到。这里对较少数据进行绘制，这样看起来结果更加美观。
mydata<-mydata[round(runif(300,0,10000)),]
kmeansResult<- kmeans(mydata, 2, nstart = 20)
mydata$cluster <- as.factor(kmeansResult$cluster)
ggplot(data = mydata, aes(x,y,fill=cluster,shape=cluster)) +
geom_point(size=4,colour="black",alpha=0.7)+
scale_shape_manual(values=c(21,23))+
scale_fill_manual(values=c("#00AFBB", "#FC4E07"))+
labs(x = "Axis X",y="Axis Y")+
scale_y_continuous(limits = c(-5, 10))+
scale_x_continuous(limits = c(-5, 10))+
theme(
text=element_text(size=15,color="black"),
plot.title=element_text(size=15,family="myfont",face="bold.italic",color="black"),
legend.background=element_blank(),
legend.position=c(0.85,0.15)
)
参考资料
《R语言数据可视化之美》: https://github.com/EasyChart/Beautiful-Visualization-with-R
[2]ggpubr简介: https://rpkgs.datanovia.com/ggpubr/index.html