13518219792
这篇文章主要介绍“R语言可视化中直方图的介绍及其美化技巧”，在日常操作中，相信很多人在R语言可视化中直方图的介绍及其美化技巧问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”R语言可视化中直方图的介绍及其美化技巧”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
为瓜州等地区用户提供了全套网页设计制作服务，及瓜州网站建设行业解决方案。主营业务为成都网站设计、网站建设、瓜州网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！
今天介绍关于直方图的美化技巧！
数据集仍然使用上一节使用到的有关钻石的数据信息。
data(diamonds)
set.seed(42)
small <- diamonds[sample(nrow(diamonds), 1000), ]
head(small)
以上通过设定随机种子，从diamonds中随机抽取了1000个数据作为我们制作直方图的样本数据（源数据集有点大）。
直方图的做法与我们之前做柱形图（条型图）所使用函数主题语法大致相同，不同仅仅在于添加的图层对象为geom_histogram()
由于直方图呈现数据分布趋势，所以仅需一个数值型变量进入即可。
ggplot(small)+geom_histogram(aes(x=price))
ggplot(small,aes(price))+geom_histogram()
以上两句直方图语法是等价的，也就是说，无论参数price在ggplot函数中，还是在图层对象geom_histogram括号内，只要是被aes()美学映射包括着，都将作用于全局。
当然如果在直方图参数中添加颜色映射，那么就可以做出堆积直方图。
ggplot(small,aes(price,fill=cut))+geom_histogram()
当颜色变量（因子变量）进入aes内的时候，默认直方图输出为堆积直方图。（大家是否想起了之前学过的柱形图，可以通过设置position参数对多序列柱形进行堆积、簇状转换）。
我们尝试着将position=stack参数加入geom_histogram(position="stack")参数中，看下以上说法是否可靠。
ggplot(small,aes(price,fill=cut))+geom_histogram(position="stack")
果然不出所料，加入分类变量时的直方图，其位置调整与柱形图如出一辙，那么我们可以将position的几个参数挨个尝试：
ggplot(small,aes(price,fill=cut,alpha = 1/10))+geom_histogram(position="identity") #position=identity,即不对直方图位置作任何变换。
ggplot(small,aes(price,fill=cut,alpha = 1/10))+geom_histogram(position="dodge") #position=dodge,将各系列位置错开成簇状直方图。
ggplot(small,aes(price,fill=cut,alpha = 1/10))+geom_histogram(position="fill") #position=fill,将各系列位置错开成堆积百分比直方图。
以上就是关于直方图几种常用形式，接下来讲关于直方图图表元素调整。
直方图的binwidth参数控制直方图组距大小。
ggplot(diamonds, aes(carat))+geom_histogram(binwidth = 0.01)
ggplot(diamonds, aes(carat))+geom_histogram(binwidth = 0.2)
当然也可以在直方图中直接添加fill填充为喜欢的颜色。
ggplot(diamonds, aes(carat))+geom_histogram(binwidth = 0.1,fill="steelblue")
使用外部主题命令：
ggplot(diamonds, aes(carat))+geom_histogram(binwidth = 0.1)+theme_stata()+scale_fill_stata() #以上使用了stata的主题及配色模板
ggplot(diamonds, aes(carat))+geom_histogram(binwidth = 0.1)+theme_solarized()+scale_fill_solarized() #以上使用了solarized主题及配色模板
手动自定义颜色：
ggplot(diamonds, aes(carat,fill="steelblue"))+geom_histogram(binwidth = 0.1)+theme_few()+scale_fill_manual(values="#FB882C")+ theme(strip.background=element_blank(),legend.position="none")
ggplot(small,aes(price,fill=cut))+geom_histogram(position="fill") +theme_wsj()+scale_fill_wsj()+theme(strip.background=element_blank(),legend.position="none")
ggplot(small,aes(price,fill=cut))+geom_histogram(position="fill") +theme_economist(base_size=14)+scale_fill_economist()+theme(strip.background=element_blank(),legend.position="none")
关于直方图的分面技巧：
ggplot(small,aes(price,fill=cut))+geom_histogram()+facet_wrap(~cut)
ggplot(small,aes(price,fill=cut))+geom_histogram()+facet_wrap(~cut)+theme_wsj()+scale_fill_wsj()+guides(fill=guide_legend(title=NULL)) #关于直方图的封面技巧
ggplot(small,aes(price,fill=cut))+geom_histogram()+facet_wrap(~cut)+theme_economist(base_size=14)+scale_fill_economist()+guides(fill=guide_legend(title=NULL))
到此，关于“R语言可视化中直方图的介绍及其美化技巧”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注创新互联网站，小编会继续努力为大家带来更多实用的文章！
