R语言画图 | 散点图添加密度分布

前期已经整理常规散点图的绘制方法，现在我们尝试在侧面添加密度曲线/数据分布直方图。

首先绘制添加拟合曲线的散点图，依然使用iris示例数据。为了更好显示不同分组的数据分布差异，我们对不同分组分别添加拟合曲线及回归方程：

• stat_poly_line：在 ggplot2 图形中添加多项式回归线。这个函数直接计算多项式回归模型，并将拟合线添加到图形上。它允许指定多项式的阶数，即回归方程中最高次项的次数。

• stat_poly_eq：添加多项式回归方程和相关统计量(如R2、p值等)的标签。

library(ggplot2)
library(ggpmisc)
theme <- theme_bw()+ 
         theme(plot.title = element_text(hjust = 0.5,size = 22),
               axis.text.x = element_text(hjust = 0.5,size = 20), 
               axis.text.y = element_text(hjust = 0.5,size = 20),
               axis.title.y = element_text(size = 20), 
               axis.title.x = element_text(size = 20), 
               legend.text = element_text(size = 22),
               legend.title = element_blank(),
               legend.position = c(0.15,0.8),
               legend.background = element_blank())
p1 <- ggplot(data = iris, aes(x = Petal.Length, y = Petal.Width, group = Species)) +
      geom_point(aes(color = Species), size = 4) +
      scale_x_continuous(limits = c(1,7), breaks = seq(1,7,1),labels = seq(1,7,1)) +
      scale_y_continuous(limits = c(0,2.5), breaks = seq(0,2.5,0.5),labels = seq(0,2.5,0.5)) +
      stat_poly_line(aes(color = Species),formula = y ~ x,show.legend = FALSE) +  # 添加线性回归线
      stat_poly_eq(aes(color = Species,
           label = paste(..eq.label.., ..rr.label.., stat(p.value.label), sep = "*\"; \"*")),
                   formula = y ~ x, label.x.npc = 'right', label.y.npc = 'bottom', 
           size = 6, rr.digits = 3) + 
      scale_color_manual(values = c("#4d97cd","#459943","#c74546")) +
      theme
p1 + guides(colour = guide_legend(override.aes = list(size = 5)))##调整图例大小

A、ggExtra

使用ggExtra包的ggMarginal函数添加边缘数据分布，需要关注以下几个关键参数：

• type：边缘图类型，包括density、histogram、boxplot、violin与densigram等
• margins：选择绘图边，可选项：c("both", "x", "y")
• size = 5：边缘图与主图的相对大小，整数，默认为 5 ，即主图比边缘图宽 5 倍/高 5 倍。

pdensity <- ggMarginal(p1, type = "density", groupColour = TRUE, groupFill = TRUE, alpha = 0.75, bins = 30)  
pdensigram <- ggMarginal(p1, type = "densigram", groupColour = TRUE, groupFill = TRUE, alpha = 0.75, bins = 30)  
phistogram <- ggMarginal(p1, type = "histogram", groupColour = TRUE, groupFill = TRUE, alpha = 0.75, bins = 30)  
pboxplot <- ggMarginal(p1, type = "boxplot", groupColour = TRUE, groupFill = TRUE, alpha = 0.75)  
pviolin <- ggMarginal(p1, type = "violin", groupColour = TRUE, groupFill = TRUE, alpha = 0.75)  

B、手动绘制拼图

依然使用ggplot2绘制分布图，使用aplot拼接。绘制时去除坐标轴等无关要素，确认坐标轴框选范围一致。这里仅测试分布直方图geom_histogram：

theme2 <- theme_classic() + 
          theme(plot.title = element_blank(),
                axis.text = element_blank(), 
                axis.title = element_blank(), 
                axis.ticks = element_blank(), 
                axis.line = element_blank(), 
                plot.background = element_blank(),
                panel.grid.major = element_blank(),
                panel.grid.minor = element_blank(),
                legend.text = element_blank(),
                legend.title = element_blank(),
                legend.position = "none",
                legend.background = element_blank())
###top
p2 <- ggplot(data = iris,aes(x = Petal.Length,fill = Species)) + 
      geom_histogram(bins = 30,color = "black",alpha = 0.75) + 
      scale_x_continuous(limits = c(1,7)) +
      scale_y_continuous(expand = c(0,0.2)) +
      scale_fill_manual(values = c("#4d97cd","#459943","#c74546")) +
      theme2
###right
p3 <- ggplot(data = iris,aes(x = Petal.Width,fill = Species)) + 
      geom_histogram(bins = 30,color = "black",alpha = 0.75) + 
      scale_x_continuous(limits = c(0,2.5)) +
      scale_y_continuous(expand = c(0,0.2)) +
      coord_flip() + 
      scale_fill_manual(values = c("#4d97cd","#459943","#c74546")) +
      theme2 

使用aplot拼图：

library(aplot)
p4 <- p1 %>% insert_right(p3, width=.2) %>% insert_top(p2, height=0.2)  

请点个“赞”和“在看”鼓励一下吧

被炸熟的虾自己的摸索，发现问题麻烦告诉作者，光速回来改正