ggplot2-scale_x_continuous()

scale_x_continuous()ggplot2 中的一个函数,用于 调整 x 轴的比例、范围、刻度、标签等 属性。它属于 "Scales"(比例尺)部分,可以帮助你定制图形中轴的显示方式,使得数据可视化更加符合需求。

功能:

  • 调整 x 轴的显示范围limits
  • 控制轴的刻度显示breaks
  • 设置轴标签的格式labels
  • 控制坐标轴两端的扩展expand
  • 调整坐标轴的刻度线方向trans

常见参数:

  1. limits

    • 用于设置 x 轴的显示范围 ,传入一个包含最小值和最大值的向量。如果你想要让 x 轴显示的数据范围有一点扩展,可以使用 limits 来指定显示的上下限。
    R 复制代码
    scale_x_continuous(limits = c(0, 100))  # 将 x 轴限制在 0 到 100 之间
  2. breaks

    • 用于控制 x 轴刻度的位置 。可以传入一个数值向量或其他生成刻度位置的方法,如设置刻度为指定的几值,或使用 seq() 来创建一系列的值。
    R 复制代码
    scale_x_continuous(breaks = seq(0, 100, by = 10))  # 设置每隔 10 个单位显示一个刻度
  3. labels

    • 用于设置 x 轴刻度的标签。可以传入自定义标签或通过某些函数来自动生成标签。
    R 复制代码
    scale_x_continuous(labels = scales::comma)  # 格式化数字,例如将 1000 显示为 1,000
  4. expand

    • 控制 轴两端的扩展 ,通常是为了防止数据过于靠近坐标轴的边缘。expand = c(0, 0) 会去除两端的空白空间。
    R 复制代码
    scale_x_continuous(expand = c(0.05, 0))  # 让 x 轴的起点和终点各有 5% 的扩展
  5. trans

    • 用于指定 轴的转换函数,即对轴的数值进行转换,例如对数转换或平方根转换。
    R 复制代码
    scale_x_continuous(trans = "log10")  # 将 x 轴数据做对数转换
  6. oob

    • 用于指定如何处理超出 limits 范围的数据。可以选择 oob = scales::squish 来将超出范围的数值压缩到范围内,或使用 oob = scales::censor 来丢弃超出范围的数据。

示例代码:

R 复制代码
# 加载 ggplot2
library(ggplot2)

# 创建数据
data <- data.frame(x = rnorm(100, mean = 50, sd = 10))

# 基本的 ggplot 绘图
ggplot(data, aes(x = x)) + 
  geom_histogram(binwidth = 5) + 
  scale_x_continuous(
    limits = c(30, 70),   # 设置 x 轴范围
    breaks = seq(30, 70, by = 10),  # 设置 x 轴刻度
    labels = scales::comma,  # 格式化刻度标签
    expand = c(0, 0)  # 去除两端空白
  )

其他常见组合使用:

R 复制代码
ggplot(data, aes(x = x)) + 
  geom_histogram(binwidth = 5) + 
  scale_x_continuous(
    limits = c(40, 60), 
    breaks = seq(40, 60, by = 5), 
    labels = function(x) paste0(x, " units"),
    expand = c(0.05, 0)
  )

总结:

  • scale_x_continuous() 是 ggplot2 中控制 x 轴的可视化属性 的重要工具,可以定制刻度、范围、标签、坐标轴的缩放等属性。
  • 通过灵活地使用 limitsbreakslabels 等参数,可以使得图形的 x 轴更加符合实际需求,提高图表的可读性和表达力。
相关推荐
杨超越luckly2 小时前
ArcGISPro应用指南:ArcGISPro制图全流程详解
arcgis·信息可视化·gis·制图·arcgispro
GIS之路6 小时前
GeoTools 结合 OpenLayers 实现属性查询(二)
前端·信息可视化
DataGear18 小时前
如何在DataGear 5.4.1 中快速制作SQL服务端分页的数据表格看板
javascript·数据库·sql·信息可视化·数据分析·echarts·数据可视化
程序员阿超的博客1 天前
Python 数据分析与机器学习入门 (五):Matplotlib 数据可视化基础
python·信息可视化·数据分析·matplotlib·数据可视化·python教程·pyplot
葡萄城技术团队11 天前
SpreadJS 迷你图:数据趋势可视化的利器
信息可视化
蓝婷儿11 天前
Python 数据分析与可视化 Day 5 - 数据可视化入门(Matplotlib & Seaborn)
python·信息可视化·数据分析
想看雪的瓜11 天前
Origin绘制三Y轴柱状图、点线图、柱状点线图
信息可视化
深空数字孪生11 天前
金融行业B端系统布局实战:风险管控与数据可视化的定制方案
信息可视化·金融·数据分析
isNotNullX12 天前
ETL连接器好用吗?如何实现ETL连接?
大数据·数据库·数据仓库·信息可视化·etl
@十八子德月生13 天前
第十章——8天Python从入门到精通【itheima】-99~101-Python基础综合案例-数据可视化(案例介绍=JSON格式+pyecharts简介)
大数据·python·信息可视化·pycharm·echarts·数据可视化