ggplot2-scale_x_continuous()

scale_x_continuous() 是 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 limits、breaks、labels 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
小咕聊编程1 天前
基于Python的豆瓣电影数据可视化系统构建分析
开发语言·python·信息可视化
总要学点什么1 天前
第81篇:数据可视化-PM2.5分布——让圆点的胖瘦替每座城市报出浓度
前端·信息可视化·echarts·cesium·空间分析
瓶瓶持续学习中1 天前
空间智能与物理AI:国内厂商如何与英伟达协同发展
大数据·人工智能·信息可视化·架构
Elastic 中国社区官方博客1 天前
使用 OpenTelemetry 在 Elastic 中实现 Claude 平台的人工智能 agent 可观测性
大数据·运维·服务器·人工智能·elasticsearch·信息可视化·全文检索
DataGear2 天前
DataGear 6.1.1 发布,数据可视化分析平台
javascript·信息可视化·数据分析·echarts·数据可视化
数字新视界3 天前
模块化机房的设计与实施原理剖析
大数据·物联网·信息可视化·信息与通信·一体化机柜
龙亘川3 天前
适应人工智能发展、构建就业友好型发展方式
大数据·运维·人工智能·信息可视化·智慧城市
2601_954005623 天前
11 种触发 × 18 种行为:ricon 交互编排系统全解
前端·后端·物联网·数学建模·信息可视化·交互
总要学点什么4 天前
第79篇:数据可视化-模拟迁徙效果——把三十条航线画成会飞的弧
3d·信息可视化·数据挖掘·数据分析·gis·webgl·cesium
Elastic 中国社区官方博客4 天前
5 分钟内将 56 页扫描文档转化为带引用的答案:面向搜索无法读取的文档的检索增强生成流水线
大数据·运维·人工智能·elasticsearch·搜索引擎·信息可视化·全文检索