这张图可以使用ggpubr包的ggscatterhist()函数绘制。
目 录
1. 加载数据集
2. 绘制图形
2.1 绘制简单图形
2.2 边际图为直方图
2.3 添加参考线
2.4 添加回归线
2.5 向模型添加系数
3. 复杂边际图
4. ggscatterhist()函数
1. 加载数据集
首先安装需要的包和加载数据集。
install.packages("ggpubr") # 安装包library(ggpubr) # 加载包data(iris) # 加载数据集View(iris) # 预览数据集
2. 绘制图形
2.1 绘制简单图形
带边际密度图的散点图。
plots # 包含绘图变量的数据集 x = "Sepal.Length", y = "Sepal.Width", # 绘图变量 color = "#00AFBB", # 设置颜色 margin.params = list(fill = "#00AFBB")) # 设置边际图的颜色
2.2 边际图为直方图
将边际图修改为直方图。
plots # 包含绘图变量的数据集 x = "Sepal.Length", y = "Sepal.Width", # 绘图变量 color = "#00AFBB", # 设置颜色 margin.plot = "histogram", # 设置边际图的类型 margin.params = list(fill = "#00AFBB")) # 设置边际图的颜色
2.3 添加参考线
plots$sp $sp + # sp为散点图主图 geom_hline(yintercept = 3, linetype = "dashed", color = "blue") + geom_vline(xintercept = 6, linetype = "dashed", color = "red")plots
2.4 添加回归线
运行stat_smooth() 函数并设定method=lm即可向散点图中添加线性回归拟合线，调用lm()函数对数据拟合线性模型。
plots$sp $sp + stat_smooth(method=lm)plots
默认情况下，stat_smooth()函数会为回归拟合线添加95%的置信域，置信域对应的置信水平可通过设置level参数来进行调整。设定参数se=FALSE时，系统将不会对回归拟合线添加置信域。
2.5 向模型添加系数
先建立线性模型，计算出模型系数，再把系数以文本形式添加到图形中。
model <- lm(Sepal.Length ~ Sepal.Width, iris)summary(model)
上面的结果表明模型的r2值是0.0138，p-value为0.1519。
调用annotate()函数向其手动添加文本。
plots$sp annotate("text", x=4.7, y=4.4, parse=TRUE, label="r^2 == 0.0138 * ' p-value = 0.1529'")plots
3. 复杂边际图
ggscatterhist( iris, x = "Sepal.Length", y = "Sepal.Width", color = "Species", size = 2.5, alpha = 0.5, palette = c("#00AFBB", "#E7B800", "#FC4E07"), margin.params = list(fill = "Species", color = "black", size = 0.2))
ggscatterhist( iris, x = "Sepal.Length", y = "Sepal.Width", color = "Species", size = 3, alpha = 0.6, palette = c("#00AFBB", "#E7B800", "#FC4E07"), margin.plot = "histogram", ggtheme = theme_bw())
4. ggscatterhist()函数
ggscatterhist(data, x, y, group = NULL, color = "black", fill = NA, palette = NULL, shape = 19, size = 2, linetype = "solid", bins = 30, margin.plot = c("density", "histogram", "boxplot"), margin.params = list(), margin.ggtheme = theme_void(), margin.space = FALSE, main.plot.size = 2, margin.plot.size = 1, title = NULL, xlab = NULL, ylab = NULL, legend = "top", ggtheme = theme_pubr(), print = TRUE, ...)## 部分参数解释data # 包含x、y变量的数据框x, y # 绘图用的x、y变量group # 分组变量；如果缺少颜色和形状选项，则按组更改点的颜色和形状。当您要创建分组的边线箱图时，也应指定该参数。color、fill # 散点的颜色palette # 设置线图颜色的调色板；可为灰色调色板"grey"；自定义调色板c("blue","red")# ggsci包调色板:"npg","aaas","lancet","jco","ucscgb","uchicago","simpsons"和"rickandmorty"。shape # 散点的形状size # 散点的大小linetype # 线形 ("solid", "dashed", ...)bins # 直方图的条形数量，默认30，可自定义数值margin.plot # 边际图的类型("density", "histogram", "boxplot")，# 默认"hist"，绘制直方图margin.params # 作用于边际图的参数，设置颜色、线形等margin.ggtheme # 边际图的图形主题，默认theme_void().margin.space # 逻辑词，为TRUE，则在边际图与主图之间增加空间main.plot.size # 主图的宽度，默认为2margin.plot.size # 边际图的宽度，默认为1title # 图形标题xlab、ylab # x轴、y轴标签legend # 指定图例的位置，允许值有："top", "bottom", "left", "right".ggtheme # 散点图的主题，默认为theme_pubr()print # 逻辑词，默认输出图形
参考资料
- R数据可视化手册；
- ggscatterhist()函数帮助文件。
文章推荐
统计基本功：如何又快又好完成分组统计？
这些免费统计学课程推荐给你，愿我们都能成为更好的自己。
这张统计图，强烈推荐，包括了直方图、密度曲线、散点图、趋势线、相关系数及显著性
看过许多统计教程，这篇是我最推荐的
【预测模型】构建COX回归模型，绘制ROC曲线，计算AUC及95%可信区间
如你有以下问题：
数据清洗、数据整理、统计分析、样本量计算、诊断试验、ROC曲线、临床预测模型、Graphpad作图、R语言、研究设计、投稿选刊、文章修回等问题，均可向刘老师咨询(微信号：tbwhere2， 需收取一定费用)。
热烈欢迎读者朋友们转发、点赞、点在看~~~
转播
