如何使用R语言绘制散点图结合边际分布图

魁首哥

作者

如何使用R语言绘制散点图结合边际分布图

这篇文章主要为大家展示了“如何使用R语言绘制散点图结合边际分布图”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“如何使用R语言绘制散点图结合边际分布图”这篇文章吧。

主要使用ggExtra结合ggplot2两个R包进行绘制。（胜在简洁方便）使用cowplot与ggpubr进行绘制。（胜在灵活且美观）

下面的绘图我们均以iris数据集为例。

1. 使用ggExtra结合ggplot2

1）传统散点图

#librarylibrary(ggplot2)library(ggExtra)#classicplotp<-ggplot(iris)+geom_point(aes(x=Sepal.Length,y=Sepal.Width,color=Species),alpha=0.6,shape=16)+#alpha调整点的透明度；shape调整点的形状theme_bw()+theme(legend.position="bottom")+#图例置于底部labs(x="SepalLength",y="SepalWidth")#添加x，y轴的名称p

下面我们一行代码添加边际分布（分别以密度曲线与直方图的形式来展现）：

2）密度函数

#marginalplot:densityggMarginal(p,type="density",groupColour=TRUE,groupFill=TRUE)

3）直方图

#marginalplot:histogramggMarginal(p,type="histogram",groupColour=TRUE,groupFill=TRUE)

4）箱线图（宽窄的显示会有些问题）

#marginalplot:boxplotggMarginal(p,type="boxplot",groupColour=TRUE,groupFill=TRUE)

5）小提琴图（会有重叠，不建议使用）

#marginalplot:violinggMarginal(p,type="violin",groupColour=TRUE,groupFill=TRUE)

6）密度函数与直方图同时展现

#marginalplot:densigramggMarginal(p,type="densigram",groupColour=TRUE,groupFill=TRUE)

2. 使用cowplot与ggpubr

1）重绘另一种散点图

#Scatterplotcoloredbygroups("Species")sp<-ggscatter(iris,x="Sepal.Length",y="Sepal.Width",color="Species",palette="jco",size=3,alpha=0.6)+border()+theme(legend.position="bottom")sp

2）有缝拼接

① 密度函数

library(cowplot)#Marginaldensityplotofx(toppanel)andy(rightpanel)xplot<-ggdensity(iris,"Sepal.Length",fill="Species",palette="jco")yplot<-ggdensity(iris,"Sepal.Width",fill="Species",palette="jco")+rotate()#Cleaningtheplotssp<-sp+rremove("legend")yplot<-yplot+clean_theme()+rremove("legend")xplot<-xplot+clean_theme()+rremove("legend")#Arrangingtheplotusingcowplotplot_grid(xplot,NULL,sp,yplot,ncol=2,align="hv",rel_widths=c(2,1),rel_heights=c(1,2))

② 未被压缩的箱线图

#Marginalboxplotofx(toppanel)andy(rightpanel)xplot<-ggboxplot(iris,x="Species",y="Sepal.Length",color="Species",fill="Species",palette="jco",alpha=0.5,ggtheme=theme_bw())+rotate()yplot<-ggboxplot(iris,x="Species",y="Sepal.Width",color="Species",fill="Species",palette="jco",alpha=0.5,ggtheme=theme_bw())#Cleaningtheplotssp<-sp+rremove("legend")yplot<-yplot+clean_theme()+rremove("legend")xplot<-xplot+clean_theme()+rremove("legend")#Arrangingtheplotusingcowplotplot_grid(xplot,NULL,sp,yplot,ncol=2,align="hv",rel_widths=c(2,1),rel_heights=c(1,2))

3）无缝拼接

#Mainplotpmain<-ggplot(iris,aes(x=Sepal.Length,y=Sepal.Width,color=Species))+geom_point()+color_palette("jco")#Marginaldensitiesalongxaxisxdens<-axis_canvas(pmain,axis="x")+geom_density(data=iris,aes(x=Sepal.Length,fill=Species),alpha=0.7,size=0.2)+fill_palette("jco")#Marginaldensitiesalongyaxis#Needtosetcoord_flip=TRUE,ifyouplantousecoord_flip()ydens<-axis_canvas(pmain,axis="y",coord_flip=TRUE)+geom_density(data=iris,aes(x=Sepal.Width,fill=Species),alpha=0.7,size=0.2)+coord_flip()+fill_palette("jco")p1<-insert_xaxis_grob(pmain,xdens,grid::unit(.2,"null"),position="top")p2<-insert_yaxis_grob(p1,ydens,grid::unit(.2,"null"),position="right")ggdraw(p2)