R语言与医学统计图形-【19】ggplot2坐标轴调节

ggplot2绘图系统——坐标轴调节

scale函数:图形遥控器。坐标轴标度函数:
scale_x_continous
scale_y_continous
scale_x_discrete
scale_y_discrete

1. 连续型变量坐标轴

函数及其参数:

scale_x_continuous(name = , #坐标轴标签
                   breaks = , #定义刻度
                   minor_breaks = ,
                   labels = , #刻度标签
                   limits = ,
                   expand = c(0.05,0), 
                   #坐标轴延伸,确保图形元素不覆盖坐标
                   oob = censor,#识别越过边界的点
                   na.value = NA_real_,
                   trans = 'identity', #统计变换
                   position = 'bottom', #left/right/top
                   sec.axis = #定义第二坐标轴
                  )

统计变换参数备选:asn/atanh/boxcox/exp/identity/log/log10/log1p/log2/logit/probability/probit/reciprocal/reverse/sqrt

p1 <- ggplot(mpg,aes(displ,hwy))+geom_point()
a=p1+scale_x_continuous('L')+ #同xlab
  scale_y_continuous("H")

b=p1+scale_x_continuous(limits = c(0,10)) #同xlim
c=p1+scale_x_continuous(breaks = c(2,4,6),
                      labels = c('two','four','six'))
gridExtra::grid.arrange(a,b,c,ncol=3)
image.png

刻度标签转化为百分比
调用scales包中的percent函数。

prop <- data.frame(sex=rep(c('Male','Female'),each=5),
                   age=rep(c('0-14','15-34','35-49','50-64','65+'),2),
                   prop=c(0.12,0.37,0.23,0.17,0.11,0.09,0.33,0.28,0.21,0.09))
ggplot(prop,aes(x=age,weight=prop,fill=sex))+
  geom_bar(position = 'dodge')+
  scale_y_continuous(labels = scales::percent)+
  ylab('Proportion')
image.png

2. 离散型坐标轴

针对离散型变量,在条形图、盒形图中使用较多。

d <- ggplot(subset(diamonds,carat>1),aes(cut,clarity))+
  geom_jitter()

#重定义坐标轴标签
a=d+scale_x_discrete('Cut',labels=c('Fair'='F','Good'='G','Very Good'='VG',
                                  'Premium'='P','Ideal'="I"))
#取值范围,这里相当于取子集
b=d+scale_x_discrete(limits=c('Fair','Ideal'))

grid.arrange(a,b,nrow=1)
image.png
ggplot(mpg,aes(reorder(manufacturer,displ),cty))+
  geom_point()+
  scale_x_discrete(labels=abbreviate)
#abbreviate函数缩写x轴标签
image.png

3. theme函数调节坐标轴

标度函数和theme调节坐标轴分工稍有不同,前者用于框架搭建,后者用于细节修饰。

theme修饰坐标轴常用参数:


image.png

应用示例。

p <- ggplot(mtcars,aes(mpg,wt))+geom_point()
p+theme(axis.title = element_text(color = 'red',size=18),
        axis.line = element_line(color='blue'),
        axis.text = element_text(color = 'orange',size = 12),
        axis.ticks = element_line(color = 'light skyblue',size=3))
image.png

theme主题函数本身不具备生成功能。即不能生成一个坐标轴标签,只能在现有标签基础上进行修饰。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,491评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,856评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,745评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,196评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,073评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,112评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,531评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,215评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,485评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,578评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,356评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,215评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,583评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,898评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,174评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,497评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,697评论 2 335

推荐阅读更多精彩内容