頻率直方圖是資料統計中經常會用到的圖形展示方式，同時在生物學分析中可以更好的展示表型性狀的資料分佈型別；R基礎做圖中的hist函式對單一資料的展示很方便，但是當遇到多組資料的時候就不如ggplot2繪製來的方便。

***

1.基礎做圖hist函式

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

1.1 多圖展示

par(mfrow=c(2,3))

for (i in 1:6) {hist(rnorm(200),border="yellow",col="blue",main="",xlab="")}

1

1

2.ggplot2繪製

構造一組正態分佈的資料

PH<-data.frame(rnorm(300,75,5))

names(PH)<-c("PH")

#顯示資料

head(PH)

## PH

## 1 72.64837

## 2 67.10888

## 3 89.34927

## 4 75.70969

## 6 82.85354

1

2

3

4

5

6

7

8

9

10

11

1

2

3

4

5

6

7

8

9

10

11

載入ggplot2作圖包並繪圖

library(ggplot2)

library(gridExtra)

p1<-ggplot(data=PH,aes(PH))

geom_histogram(color="white",fill="gray60") #控制顏色

ylab(label = "total number") #修改Y軸標籤

1

2

3

4

1

2

3

4

2.1 修改柱子之間的距離

p2<-ggplot(data=PH,aes(PH))

geom_histogram(color="white",fill="gray60",binwidth = 3)

1

1

2.2 新增擬合曲線

p3<-ggplot(data=PH,aes(PH,..density..))

geom_histogram(color="white",fill="gray60",binwidth = 3)

geom_line(stat="density")

1

2

1

2

2.3 修改線條的粗細

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)

1

2

3

1

2

3

2.4 繪製密度曲線

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

geom_density(size=1.5)

1

1

2.5 修改線條樣式

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)

1

2

3

1

2

3

2.6 修改顏色

p4<-ggplot(data=PH,aes(PH,..density..))

geom_density(size=1.5,linetype=2,colour="red")

grid.arrange(p1,p2,p3,p4)

1

2

1

2

2.7 多組資料展示

構造兩組資料

df<-data.frame(c(rnorm(200,5000,200),rnorm(200,5000,600)),rep(c("BJ","TJ"),each=200))

names(df)<-c("salary","city")

1

1

結果展示

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)

1

2

3

4

5

6

7

8

9

1

2

3

4

5

6

7

8

9