R語言可視化中密度曲線圖的介紹及其美化方法

這篇文章主要介紹“R語言可視化中密度曲線圖的介紹及其美化方法”，在日常操作中，相信很多人在R語言可視化中密度曲線圖的介紹及其美化方法問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”R語言可視化中密度曲線圖的介紹及其美化方法”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

今天跟大家分享關于密度曲線圖及其美化技巧！

密度曲線圖可能平時大家用的不多，不過其實沒什么神秘，它的功能于直方圖一樣，都是用于表達連續型數值變量的分布形態。

案例還是使用之前的關于鉆石的那個數據集。

密度曲線圖所使用的圖層函數為geom_density() ,而且函數內position參數位置類型與我們之前講到的直方圖、柱形圖（條形圖時一樣的）。

ggplot(diamonds,aes(x=price))+geom_density()

里面的線條顏色是通過colour參數進行控制（一定要記好colour與fill兩個顏色填充參數的區別，colour控制線條、點顏色、fill控制區域顏色，所以在散點圖、曲線、折線圖途中使用colour參數，在面積圖、柱形圖中使用fill參數）

ggplot(diamonds,aes(x=price))+geom_density(colour="steelblue")

當然密度曲線的函數中也允許出現分類變量：

ggplot(diamonds,aes(x=price,colour=clarity))+geom_density()

上面說過colour控制點、線條顏色、fill控制區域顏色，但是密度曲線算是一個另類，仔細看上圖你會發現，它不同于折線圖，因為每條密度曲線都是一個閉合曲線，所以他是允許使用fill參數填充閉合區域的：

ggplot(diamonds,aes(x=price,fill=clarity,alpha = 1/10))+geom_density()

你會發現這樣出來的圖形除了密度曲線內部除了被填充顏色之外，整體形狀與使用colour參數填充線條顏色是一樣的。

現在繼續讓我們回憶一下，關于上一節中將直方圖時，處理position時的場景，position主要有四個我們常用的參數：

identity（不做任何變換）、stack（堆積）、dodge（簇狀）、fill（百分比堆積）

其實只要是geom開頭的集合圖層對象，都是適用這幾個參數的，那么跟我我們的分析，以上密度曲線圖默認的參數應該是identity，下面驗證我們的猜想。

ggplot(diamonds,aes(x=price,fill=clarity,alpha = 1/10))+geom_density(position="identity")

ggplot(diamonds,aes(x=price,colour=clarity))+geom_density(position="identity")

果然不出我們所料，默認的帶分類變量的密度曲線圖確實是使用默認的identity參數。

那么我們依次嘗試其他幾種參數情況下的密度曲線圖呈現何種效果：

堆積：（position="stack"）

ggplot(diamonds,aes(x=price,fill=clarity))+geom_density(position="stack")

ggplot(diamonds,aes(x=price,colour=clarity))+geom_density(position="stack")

堆積：（position="dodge"）# 案例來說密度曲線做成簇狀效果是不合適的，不過我還是想看下到底神馬效果

ggplot(diamonds,aes(x=price,fill=clarity))+geom_density(position=position_dodge(width =1000))

ggplot(diamonds,aes(x=price,colour=clarity))+geom_density(position=position_dodge(width =1000))

大家可以看到使用dodge參數之后，R語言會有提示建議，密度曲線圖中X軸必須是無重復間隔刻度的數據，而此處的概率密度曲線無法滿足這個要求：

那么最后一個位置參數是position=fill （堆積百分比）

ggplot(diamonds,aes(x=price,fill=clarity))+geom_density(position="fill")

ggplot(diamonds,aes(x=price,colour=clarity))+geom_density(position="fill")

關于概率密度曲線的分面表達：

ggplot(diamonds,aes(x=price,fill=clarity))+geom_density(position="fill")+facet_grid(.~clarity)

ggplot(diamonds,aes(x=price,colour=clarity))+geom_density(position="fill")+facet_grid(.~clarity)

通過圖形效果我們可以看到，概率密度曲線的分面表達式是沒有實際意義的，因為單獨一個序列中只有一個類別，那么它的占比自然就是百分之百。

通過套用主題及配色模板，我們可以對密度曲線圖進行適當美化：

ggplot(diamonds,aes(x=price,fill=clarity))+geom_density(position="fill")+theme_wsj()+scale_fill_wsj()+guides(fill=guide_legend(title=NULL))  

ggplot(diamonds,aes(x=price,colour=clarity))+geom_density(position="fill")+theme_wsj()+scale_colour_wsj()+guides(colour=guide_legend(title=NULL))  

ggplot(diamonds,aes(x=price,fill=clarity))+geom_density(position="stack")+theme_wsj()+scale_fill_wsj()+guides(fill=guide_legend(title=NULL))  

ggplot(diamonds,aes(x=price,colour=clarity))+geom_density(position="stack")+theme_wsj()+scale_colour_wsj()+guides(colour=guide_legend(title=NULL))  

因為套用的配色模板中顏色數量上限是6個，而我們的分類變量類別有8個，所以最后兩個類別的線條色、填充色改成了默認。

到此，關于“R語言可視化中密度曲線圖的介紹及其美化方法”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！