文章目录

说明1、图形微调效果2、调整坐标轴2.1 labs 调整轴标签2.2 lims 调整刻度范围2.3 theme 调整具体细节 3、调整背景画布3.1 调节主题函数3.2 theme 调整细节 4、调整标尺4.1 三种标尺4.2 x轴上的标尺4.3 y轴上的标尺4.4 图例上的标尺4.4.1 透明度标尺4.4.2 颜色标尺4.4.3 其他标尺 5、输出高DPI图片

说明

R语言的版本为4.0.2，IDE为Rstudio，版本为1.3.959。本次学习的内容是依据一组数据，画出样条曲线拟合图，并输出为高DPI图片。 学习过程中主要参考了以下文章： R语言绘图高质量输出（博客园） ggplot2学习笔记系列之利用ggplot2绘制散点图（简书） 使用ggplot2 如何修改刻度方向 ，使刻度朝内？（知乎） 如何在ggplot2里将图片文字改成微软雅黑（） ggplot2一页多图（简书） ggplot2作图详解7（完）：主题（theme）设置 （新浪） R语言之正则表达式（博客园）

1、图形微调效果

微调之前微调之后 ## 未经调整 waveFile <- file('weave.txt') wave <- scan(file = waveFile) close(waveFile) library(ggplot2) time <- c(1990:2016)[-17][-15] waveLine <- data.frame(time = time, wave = wave) sWaveLine <- data.frame(spline(waveLine, n = 6000)) ggplot(waveLine, aes(time, wave)) + geom_point(colour="red", shape="*", size=6) + geom_line(data=sWaveLine, aes(x=x, y=y), size = 0.3) ## 调整之后 waveFile <- file('weave.txt') wave <- scan(file = waveFile) close(waveFile) time <- c(1:25) waveLine <- data.frame(time = time, weave = weave) sWaveLine <- data.frame(spline(waveLine, n = 6000)) library(ggplot2) weavePlot <- ggplot(waveLine, aes(time, weave)) + geom_point(colour="red", shape=8, size=2) + geom_line(data=sWaveLine, aes(x=x, y=y), size = 0.3) + theme_bw() + theme(panel.grid = element_blank(), axis.line = element_line(size = 0.1), axis.ticks.length = unit(-0.2,"cm"), axis.title.x=element_text(family="serif",size=17, margin = unit(rep(0.1, 4), 'cm')), axis.title.y=element_text(family="serif",size=17, margin = unit(rep(0.1, 4), 'cm')), axis.text.x=element_text(family="serif",size=17, margin = unit(rep(0.6, 4), 'cm')), axis.text.y=element_text(family="serif",size=17, margin = unit(rep(0.6, 4), 'cm')))+ ylab("Wave(m)") + xlab("Time(year)") + scale_x_continuous(breaks = seq(1,27,3), expand = c(0,0), labels =c("1990","1993","1996","1999","2002","2006","2010","2013","2016"), sec.axis = sec_axis(~./0.999,name="", breaks=seq(1,27,3), labels=c(" "," "," "," "," "," "," "," "," "))) + scale_y_continuous(breaks = seq(0,8,2), limits = c(0,8), expand = c(0,0), labels =c("0","2","4","6","8"), sec.axis = sec_axis(~./0.999,name="", breaks=seq(0,8,2), labels=c(" "," "," "," "," "))) require(Cairo) ggsave("wavePlot.pdf", weavePlot, width = 9.36, height = 4.29)

2、调整坐标轴

调整坐标轴主要有三种方法：

通过 labs 调整坐标轴标签通过 lims 调整刻度范围通过 theme 控制具体细节 在这里插入代码片

2.1 labs 调整轴标签

# 该函数有三个快捷方法，分别是 # xlab(label)：快捷设置x轴标题 # ylab(label)：快捷设置y轴标题 # ggtitle(label, subtitle = waiver())：快捷设置图标题 # 它们是 labs()类的快捷实现，用 labs()也能达到同样的效果 # 例如以下两种写法等价 ylab("Wave(m)") + xlab("Time(year)") labs(x="Wave(m)", y="Time(year)")

2.2 lims 调整刻度范围

需注意，用该函数修改刻度范围会与 scale 函数中修改范围重复，最终仅有一个生效

# 该函数有两个快捷方法 # xlim(...)：快捷设置x轴刻度范围 # ylim(...)：快捷设置y轴刻度范围 # 二者是 lims()函数的快捷实现，用 lims()也能实现 # 例如以下两种写法等价 ylim(0,10) lims(y=c(0,10))

2.3 theme 调整具体细节

对于坐标轴而言，主要调整 theme 函数中 axis 参数的值

## 该类中axis参数有很多 # axis.title 全局轴标题，以下表示具体轴标题 # axis.title.x # axis.title.x.top # axis.title.x.bottom # axis.title.y # axis.title.y.left # axis.title.y.right # 修改该参数需要借助 element_text(),文字元素生成函数 # 该函数的参数、含义列举如下 # family：字体，需要先引入windows字体，然后使用 # 例如：windowsFonts(A=windowsFont("微软雅黑")) # plot(1:10, 1:10, type="n") # text(6,4,"微软雅黑", family="A") # face：字体样式，字符串设置倾斜、加粗等 # colour,color：线条或者边框的颜色，颜色名或RGB名 # size：线条(mm)、边框(mm)、文字(pt)的尺寸 # hjust：水平对齐，值在0-1之间 # vjust：竖向对齐，值在0-1之间 # angle：旋转角度，值在0-360之间 # lineheight：线高度，数值 # margin：文字周围的留白， # debug：辅助可视化调试，逻辑值 # inherit.blank：是否从父类继承留白，逻辑值 axis.title.x=element_text(family="serif",size=17, margin = unit(rep(0.1, 4), 'cm')) # axis.text 全局轴刻度标签，以下表示具体轴刻度标签 # axis.text.x # axis.text.x.top # axis.text.x.bottom # axis.text.y # axis.text.y.left # axis.text.y.right # 修改该参数需要借助 element_text(),文字元素生成函数 # 该函数的参数、含义列举如下 # family：字体，需要先引入windows字体，然后使用 # 例如：windowsFonts(A=windowsFont("微软雅黑")) # plot(1:10, 1:10, type="n") # text(6,4,"微软雅黑", family="A") # face：字体样式，字符串设置倾斜、加粗等 # colour,color：线条或者边框的颜色，颜色名或RGB名 # size：线条(mm)、边框(mm)、文字(pt)的尺寸 # hjust：水平对齐，值在0-1之间 # vjust：竖向对齐，值在0-1之间 # angle：旋转角度，值在0-360之间 # lineheight：线高度，数值 # margin：文字周围的留白， # debug：辅助可视化调试，逻辑值 # inherit.blank：是否从父类继承留白，逻辑值 axis.text.x=element_text(family="serif",size=17, margin = unit(rep(0.6, 4), 'cm')) # axis.ticks 全局轴刻度线，以下表示具体轴刻度 # axis.ticks.x # axis.ticks.x.top # axis.ticks.x.bottom # axis.ticks.y # axis.ticks.y.left # axis.ticks.y.right # 修改参数值还需借助 element_line(),线元素生成函数 # 该函数的参数、含义列举如下 # colour,color：线条或者边框的颜色，颜色名或RGB名 # size：线条(mm)、边框(mm)、文字(pt)的粗细 # linetype：线型，用数字1-8或者字符串指定， # lineend：线两端的形状，用字符串指定 # arrow：线条末端箭头,要借助 arrow() 函数构造箭头 # 例如：arrow(angle = 30, length = unit(0.25, "inches"), # ends = "last", type = "open") # inherit.blank：是否从父类继承留白，逻辑值 axis.ticks = element_line(size = 0.1) # axis.ticks.length 全局刻度长度，以下表示具体刻度长度 # axis.ticks.length.x # axis.ticks.length.x.top # axis.ticks.length.x.bottom # axis.ticks.length.y # axis.ticks.length.y.left # axis.ticks.length.y.right # 直接给该参数赋值即可，负值代表反方向，使用unit可转换单位 axis.ticks.length = unit(-0.2,"cm") # axis.line 全局轴线，以下表示具体轴线 # axis.line.x # axis.line.x.top # axis.line.x.bottom # axis.line.y # axis.line.y.left # axis.line.y.right # 修改参数值还需借助 element_line()线元素生成函数 # 该函数的参数、含义列举如下 # colour,color：线条或者边框的颜色，颜色名或RGB名 # size： 线条(mm)、边框(mm)、文字(pt)的尺寸 # linetype：线型，用数字1-8或者字符串指定， # lineend：线两端的形状，用字符串指定 # arrow：线条末端箭头,要借助 arrow() 函数构造箭头 # 例如： arrow(angle = 30, length = unit(0.25, "inches"), # ends = "last", type = "open") # inherit.blank：是否从父类继承留白，逻辑值 axis.line = element_line(size = 0.1)

3、调整背景画布

背景画布的调节主要有两种方式：

通过快捷主题函数调节通过 theme 中的 panel 参数调节

3.1 调节主题函数

p13:

# 快捷主题函数有以下几种，是已经设定好的主题模板 library("cowplot") xx <- c(1:5) yy <- c(1:5) line <- data.frame(x =xx, y = yy) plot <- ggplot(line, aes(xx,yy)) + geom_point(colour="red", shape=8, size=2) p1 <- plot+theme_bw() p2 <- plot+theme_classic() p3 <- plot+theme_dark() p4 <- plot+theme_get() p5 <- plot+theme_gray() p6 <- plot+theme_grey() p7 <- plot+theme_light() p8 <- plot+theme_linedraw() p9 <- plot+theme_minimal() p10 <- plot+theme_replace() p11 <- plot+theme_test() p12 <- plot+theme_update() plot+theme_void() plot_grid(p1, p2, p3, p4, p5, p6, p7, p8, p9, p10, p11, p12, p13, nrow = 2, ncol = 6, labels = c('p1', 'p2', 'p3', 'p4', 'p5', 'p6', 'p7', 'p8', 'p9', 'p10', 'p11', 'p12', ))

3.2 theme 调整细节

对于背景而言，主要调整 theme 函数中 panel 参数的值

# panel.background 画布背景 # 调节该参数，需要依靠element_rect()，边界和背景生成函数 # 该函数的参数、含义列举如下 # fill：填充颜色，颜色名或RGB名 # colour,color：线条或者边框的颜色，颜色名或RGB名 # size：线条(mm)、边框(mm)、文字(pt)的尺寸 # linetype：线型，用数字1-8或者字符串指定， library("cowplot") xx <- c(1:5) yy <- c(1:5) line <- data.frame(x =xx, y = yy) plot <- ggplot(line, aes(xx,yy)) + geom_point(colour="red", shape=8, size=2) plot1 <- plot + theme(panel.background = element_rect(fill = "blue", color = "red", size = 2, linetype = 3)) plot_grid(plot, plot1, nrow = 1, ncol = 2, labels = c('plot', 'plot1')) # panel.border 边框 # 调节该参数，需要依靠element_rect()，边界和背景生成函数 # panel.spacing # 不同子plot之间距离大小,以下是具体方向 # panel.spacing.x # panel.spacing.y # panel.grid 全局栅格线，以下是具体栅格线 # panel.grid.major # panel.grid.minor # panel.grid.major.x # panel.grid.major.y # panel.grid.minor.x # panel.grid.minor.y # 修改参数值需借助 element_line(),线元素生成函数 # panel.ontop 逻辑值，将背景层和栅格层放到数据层之上

4、调整标尺

标尺的调整使用scale函数进行操作，其中包含的函数有121个之多，但是其逻辑有些混乱，我按照自己的理解梳理以下。

4.1 三种标尺

# 使用正则表达式列出所有标尺函数的个数 library(ggplot2) scalex <- ls("package:ggplot2", pattern = "^scale.+") length(scalex) # 按照命名方式对标尺归类 scalex <- scalex[grep("([^_]+_){2}.+", scalex)] unique(gsub("(([^_]+_){2}).+", "\\1***", scalex)) # 输出结果为： [1] 121 [1] "scale_alpha_***" "scale_color_***" [3] "scale_colour_***" "scale_continuous_***" [5] "scale_discrete_***" "scale_fill_***" [7] "scale_linetype_***" "scale_shape_***" [9] "scale_size_***" "scale_x_***" [11] "scale_y_***" # 在实际运用中发现如果理解成有11种标尺，发现不恰当 # 按照一张图的要素来讲，实际上只有3种标尺，分别是 # 1、表现在x轴上的标尺，包括 # "scale_x_***" 其具体函数，用于设置在x轴上显示的标尺参数 # 2、表现在y轴上的标尺，包括 # "scale_y_***" 其具体函数，用于设置在y轴上显示的标尺参数 # 3、表现在一侧图例上的标尺，包括 # "scale_alpha_***" 其具体函数，用于设置在x轴 # "scale_color_***" # "scale_colour_***" # "scale_continuous_***" # "scale_discrete_***" # "scale_fill_***" # "scale_linetype_***" # "scale_shape_***" # "scale_size_***"

4.2 x轴上的标尺

# "scale_x_continuous" 更改默认x轴标尺的属性 # "scale_x_binned" 累计图x轴标尺 # "scale_x_continuous" 默认x轴标尺 # "scale_x_date" 日期格式的x轴标尺 # "scale_x_datetime" 日期格式的x轴标尺 # "scale_x_discrete" 离散的的x轴标尺 # "scale_x_log10" 对数形式的x轴标尺 # "scale_x_reverse" 颠倒的x轴标尺 # "scale_x_sqrt" 开方形式的x轴标尺 # "scale_x_time" 时间格式的x轴标尺 library("cowplot") xx <- c(1:5) yy <- c(1:5) zz <- c(0,0.5,0.1,0.3,3) line <- data.frame(x =xx, y = yy) plot <- ggplot(line, aes(xx,yy)) + geom_point(colour="red", shape=8, size=2) plot1 <- plot plot2 <- plot + scale_x_continuous(breaks = c(1:5), expand = c(0,0), labels =c("1990","1993","1996","1999","2002"), sec.axis = sec_axis(~./0.999,name="", breaks=c(1:5), labels=c(" "," "," "," "," "))) plot_grid(plot1, plot2, nrow = 1, ncol = 2, labels = c('plot1', 'plot2'))

4.3 y轴上的标尺

使用方法和参数与x轴上的完全一致。

4.4 图例上的标尺

4.4.1 透明度标尺

# "scale_alpha_***" 透明度型标尺,对映射到透明度上的数据起作用 library("cowplot") xx <- c(1:5) yy <- c(1:5) zz <- c(0,5,1,3,3) line <- data.frame(x =xx, y = yy) plot <- ggplot(line, aes(xx,yy)) + geom_point(colour="red", shape=8, size=2, aes(alpha = zz)) plot1 <- plot + scale_alpha(range = c(0.3, 0.7)) plot_grid(plot, plot1, nrow = 1, ncol = 2, labels = c('plot', 'plot1'))

4.4.2 颜色标尺

# "scale_color_***" 离散型颜色标尺 # "scale_colour_***" 离散型颜色标尺 # "scale_fill_***" 连续型颜色标尺 # 当数据特别多的时候，更加明显，此时数据较少 library("cowplot") xx <- c(1:5) yy <- c(1:5) zz <- c(0,0.5,0.1,0.3,3) line <- data.frame(x =xx, y = yy) plot <- ggplot(line, aes(xx,yy,fill = zz)) + geom_tile() plot1 <- plot + scale_fill_continuous(type = "gradient") plot2 <- plot + scale_color_continuous(type = "gradient") plot_grid(plot, plot1, nrow = 1, ncol = 2, labels = c('plot1', 'plot2'))

# 此时数据较多 library("cowplot") v <- ggplot(faithfuld, aes(waiting, eruptions, fill = density)) + geom_tile() plot1 <- v + scale_color_continuous(type = "gradient") plot2 <- v + scale_fill_continuous(type = "viridis") # 以下是上面的快捷函数 v + scale_fill_gradient() v + scale_fill_viridis_c() plot_grid(plot1, plot2, nrow = 1, ncol = 2, labels = c('plot1', 'plot2'))

4.4.3 其他标尺

# "scale_linetype_***" 线型标尺 # "scale_shape_***" 形状标尺 # "scale_size_***" 大小标尺

5、输出高DPI图片

# 使用Cairo包输出为PDF形式的矢量图，再用AI打开，导出为高清PNG位图 require(Cairo) ggsave("wavePlot.pdf", weavePlot, width = 9.36, height = 4.29) ggplot(data, aes(x = x, y = y)) + geom_line(size = 1) + theme_bw() #最后关闭图像设备，同时储存图片 dev.off()