2024-06-16

小果带你认识R数据可视化之ggplot直方图

小图生信果 2024-02-09 19:00:35

转自公众号：生信图
http://mp.weixin.qq.com/s?__biz=MzkxODUxNDgzNA==&mid=2247486582&idx=1&sn=49f8034792a18c3e673f831456073349

小果好久没有讲R数据可视化的内容啦，那么今天小果要向小伙伴们介绍的是ggplot直方图的一些相关内容。在介绍之前小果还是先强烈推荐一下自己的工具平台（http://www.biocloudservice.com/home.html），那么接下来就让小果带领大家一起来看看关于ggplot直方图的相关内容吧。

ggplot的直方图是一种用于可视化数据分布的图表类型。它通过将数据划分为不同的区间（也称为“箱”或“柱”），并计算每个区间中的观测频率或计数来展示数据的分布情况。

在ggplot中，可以使用geom_histogram函数来创建直方图。该函数会自动将数据分成多个区间，并绘制每个区间的柱状条。以下是一些常用的参数：

x：指定用于绘制直方图的数据变量。

binwidth：指定每个区间的宽度。较小的binwidth会产生更多的细分区间，而较大的binwidth会产生更少的宽区间。

fill：指定柱状条的填充颜色。

color：指定柱状条的边框颜色。

除了基本的直方图，还可以对直方图进行进一步的定制，例如添加标题、坐标轴标签、调整颜色、添加密度曲线等。可以使用ggplot函数创建一个基础图形对象，并使用其他函数（如labs、theme、scale_fill_manual等）来添加其他元素和调整样式。

通过绘制直方图，可以更好地了解数据的分布情况，例如数据的中心趋势、离散程度和异常值。直方图也可以用于比较不同组之间的数据分布，以及观察数据是否符合特定的分布假设。

又到了小果一天一度的举例环节啦：

小果先来绘制一个简单的直方图。

> data <- data.frame(x = rnorm(1000))> ggplot(data, aes(x = x)) ++   geom_histogram(binwidth = 0.2, fill = "blue", color = "black") ++   labs(title = "Xiaoguohistogram", x = "x", y = "Frequency")

接下来小果逐一讲述其中的参数。

> ggplot(diamonds, aes(carat)) ++   geom_histogram()

设置 bins或binwidth 参数来改变分割区间。

> ggplot(diamonds, aes(carat)) ++   geom_histogram(bins = 66)

我们可以将数据设置为 y 参数的值，来更改方向。

> ggplot(diamonds, aes(y = carat)) ++   geom_histogram(bins = 66)

我们还可以绘制堆积直方图，如下所示。

> ggplot(diamonds, aes(price, fill = cut)) ++   geom_histogram(bins = 66)

我们再来绘制密度曲线，可以清晰的看出分布情况。

> ggplot(diamonds, aes(price, after_stat(density), colour = cut)) +、+   geom_freqpoly(bins = 66)

小果在带领小伙伴们绘制一下更美观的镜像直方图。

> data <- data.frame(+   var1 = rnorm(1000),+   var2 = rnorm(1000, mean=2)+ )> ggplot(data, aes(x=x) ) ++   geom_histogram(aes(x = var1, y = after_stat(density)), fill="#19f3f2" ) ++   geom_label(aes(x=5, y=0.25, label="Xiaoguo1"), color="#19f3f2") ++   geom_histogram( aes(x = var2, y = -after_stat(density)), fill= "#aa6660") ++   geom_label(aes(x=5, y=-0.25, label="Xiaoguo2"), color="#aa6660")

小果最后再来绘制一个多变量直方图。

> tibble(+   type = c(rep("Xiaoguo 1", 1000), rep("Xiaoguo 2", 1000)),+   value = c(rnorm(1000), rnorm(1000, mean=4))+ ) %>%+   ggplot(aes(x=value, fill=type)) ++   geom_histogram(color="#19f3f2", alpha=0.6, position = 'identity') ++   scale_fill_manual(values=c("#aa6660", "#3ade6c"))