R语言绘制频率直方图的案例

时间：2021-08-22 09:48:28|栏目：|点击：次

频率直方图是数据统计中经常会用到的图形展示方式，同时在生物学分析中可以更好的展示表型性状的数据分布类型；R基础做图中的hist函数对单一数据的展示很方便，但是当遇到多组数据的时候就不如ggplot2绘制来的方便。

***

1.基础做图hist函数

hist(rnorm(200),col='blue',border='yellow',main='',xlab='')

1.1 多图展示

par(mfrow=c(2,3))
for (i in 1:6) {hist(rnorm(200),border='yellow',col='blue',main='',xlab='')}

2.ggplot2绘制

构造一组正态分布的数据

PH<-data.frame(rnorm(300,75,5))
names(PH)<-c('PH')
#显示数据
head(PH)

##     PH
## 1 72.64837
## 2 67.10888
## 3 89.34927
## 4 75.70969
## 6 82.85354

加载ggplot2作图包并绘图

library(ggplot2)
library(gridExtra)
p1<-ggplot(data=PH,aes(PH)) 
geom_histogram(color='white',fill='gray60') #控制颜色
ylab(label = 'total number') #修改Y轴标签

2.1 修改柱子之间的距离

p2<-ggplot(data=PH,aes(PH)) 
geom_histogram(color='white',fill='gray60',binwidth = 3)

2.2 添加拟合曲线

p3<-ggplot(data=PH,aes(PH,..density..)) 
geom_histogram(color='white',fill='gray60',binwidth = 3) 
geom_line(stat='density')

2.3 修改线条的粗细

p4<-ggplot(data=PH,aes(PH,..density..)) 
geom_histogram(color='white',fill='gray60',binwidth = 3) 
geom_line(stat='density',size=1.5)
grid.arrange(p1,p2,p3,p4)

2.4 绘制密度曲线

p1<-ggplot(data=PH,aes(PH,..density..)) 
geom_density(size=1.5)

2.5 修改线条样式

p2<-ggplot(data=PH,aes(PH,..density..)) 
geom_density(size=1.5,linetype=2)
p3<-ggplot(data=PH,aes(PH,..density..)) 
geom_density(size=1.5,linetype=5)

2.6 修改颜色

p4<-ggplot(data=PH,aes(PH,..density..)) 
geom_density(size=1.5,linetype=2,colour='red')
grid.arrange(p1,p2,p3,p4)

2.7 多组数据展示

构造两组数据

df<-data.frame(c(rnorm(200,5000,200),rnorm(200,5000,600)),rep(c('BJ','TJ'),each=200))  
names(df)<-c('salary','city')

结果展示

library(ggplot2)
p1<-ggplot() 
geom_histogram(data=df,aes(salary,..density..,fill=city),color='white')
p2<-ggplot() 
geom_histogram(data=df,aes(salary,..density..,fill=city),color='white',alpha=.5)
p3<-ggplot() 
geom_density(data=df,aes(salary,..density..,color=city))
p4<-ggplot() 
geom_histogram(data=df,aes(salary,..density..,fill=city),color='white') geom_density(data=df,aes(salary,..density..,color=city))
grid.arrange(p1,p2,p3,p4)