group_by(group02) %>% summarise(value=sum(class_counts)) %>% ungroup() %>% mutate(group02=factor(group02, levels = c("Others","Gammaproteobacteria", "Bacilli","Bacteroidia", "Clostridia", "Negativicutes"))) -> df02 df %>% select(Order) %>% mutate(Order=str_replace(Order,"o__...
代码组成如下,这里使用格式刷mybar和mytheme,然后用geom_text添加柱形图标签(vjust=1表示在柱形图里面显示) data1<-diamonds %>% group_by(cut) %>% summarize(avg_price=mean(price)) 柱形图<-ggplot(data1,aes(x=cut,y=avg_price,fill=as.factor(cut)))+ mytitle+mybar+mytheme+ geom_text(aes(label...
#使用group_by函数对指定数据的字段进行聚合 group_id <- group_by(.data = latitude_longitude, id) #自定义各省份经纬度中心位置的函数 center <- function(x) mean(range(x)) #聚合操作 province_location <- summarise(.data = group_id, latitude = center(lat), longitude = center(long)) #查看数...
ggplot(mpg,aes(displ,hwy))+geom_point(aes(color=class))+geom_point(size=3,shape=1,data=best_in_class)+ggrepel::geom_label_repel(aes(label=model),data=best_in_class) #这里还自动用较大的空心圆来强调添加了标签的数据点 class_avg<-mpg %>% group_by(class) %>%summarize(displ=median(di...
stats <- data %>% group_by(group) %>% summarise(mean = mean(x), se = sd(x)/sqrt(length(x))) 现在,我们可以使用ggplot2包中的geom_errorbar()函数绘制组内的显著性条形图。设置y参数为均值,ymin和ymax参数为均值减去标准误差和加上标准误差。可以将宽度参数设置为0.2或根据需要进...
data2<-diamonds %>% group_by(cut,color) %>% summarize(avg_price=mean(price)) #画图,套用设定好的绘图元素 ggplot(data2,aes(x=color,y=avg_price))+facet_wrap(~cut,ncol = 2)+ mytitle+mybar+mytheme #在facet_wrap里面,如果加上scales="free"的话,坐标就不一样了。
这里遇到一个新的函数tally(),这个函数来自dplyr这个包,作用是统计每个元素出现的个数,比如用iris这个数据集做一个简单的演示 代码语言:javascript 复制 iris%>%group_by(Species)%>%tally() image.png 记下来是四个柱形图的代码 代码语言:javascript
13group_by(month) %>% 14summarise(average = mean(value))#与group by 联用,新生成一列放入原数据框 15 16# And make the plot 17ggplot(don, aes(x=month, y=average)) + 18geom_line() + 19geom_point() + 20scale_x_date(date_labels ="%b-%Y", date_breaks="1 month")#横坐标间断点...
dplyr包里的分组是由group_by()函数实现的,脚本输入代码: by_dest <- group_by(myFlights, destination) class(by_dest) by_dest 由图可知,经分组后,一共有104组数据,即本次分析的目的地有104个。 3.2 应用函数及组合结果 我们使用dplyr包中的summarize()函数,进行数据统计指标的获取及组合。计算出不同目的...
采用ggplot2绘制误差线需要对数据转换求得mean和sd(或se等),可以通过Rmisc包summarySE函数、dplyr包group_by与summarise两个函数等实现,添加p-value(或显著性标记)可采用ggpubr包,然而添加p-value无需数据转换。这样,ggplot2同时绘制误差线与p-value则需要采用多数据框,太过复杂。下面提供一个简单的一步到位法。