在 ggplot2 中创建散点图矩阵（pairs() 等效）

Question

是否可以使用

ggplot2

绘制散点图矩阵，使用

ggplot

的良好功能，例如将其他因素映射到颜色、形状等并添加平滑器？

我正在考虑类似于

base

函数

pairs

的东西。

Answer 1

我一直想这样做，但绘图矩阵很糟糕。 Hadley 建议 使用 GGally 包。它有一个函数，ggpairs，这是一个大大改进的对图（允许您在数据框中使用非连续变量）。它根据变量类型在每个方块中绘制不同的图：

library(GGally)
ggpairs(iris, aes(colour = Species, alpha = 0.4))

Answer 2

您可能想尝试plotmatrix：

  library(ggplot2)
  data(mtcars)
  plotmatrix(mtcars[,1:3])

对我来说，mpg（mtcars 中的第一列）不应该成为一个因素。我还没有检查过，但没有理由说它应该是一个。不过我得到了散点图:)

---

注意：为了将来参考，

plotmatrix()

函数已被

ggpairs()

包中的

GGally

函数取代，正如 @naught101 在下面的另一个回答中建议的那样。

Answer 3

如果想要获得一个

ggplot

 对象（而不是像 

ggmatrix

 那样的 

ggpairs()

），解决方案是熔化数据两次，然后使用分面 

ggplot

。如果提供了 

facet_wrap

 参数，

facet_grid

 会比 

scales = 'free'

 更好地限制绘制区域。

require(ggplot2) 
require(dplyr)
require(tidyr)

gatherpairs <- function(data, ..., 
                        xkey = '.xkey', xvalue = '.xvalue',
                        ykey = '.ykey', yvalue = '.yvalue',
                        na.rm = FALSE, convert = FALSE, factor_key = FALSE) {
  vars <- quos(...)
  xkey <- enquo(xkey)
  xvalue <- enquo(xvalue)
  ykey <- enquo(ykey)
  yvalue <- enquo(yvalue)

  data %>% {
    cbind(gather(., key = !!xkey, value = !!xvalue, !!!vars,
                 na.rm = na.rm, convert = convert, factor_key = factor_key),
          select(., !!!vars)) 
  } %>% gather(., key = !!ykey, value = !!yvalue, !!!vars,
               na.rm = na.rm, convert = convert, factor_key = factor_key)
}

iris %>% 
  gatherpairs(Sepal.Length, Sepal.Width, Petal.Length, Petal.Width) %>% {
  ggplot(., aes(x = .xvalue, y = .yvalue, color = Species)) +
      geom_point() + 
      geom_smooth(method = 'lm') +
      facet_wrap(.xkey ~ .ykey, ncol = length(unique(.$.ykey)), scales = 'free', labeller = label_both) +
      scale_color_brewer(type = 'qual')
}

Answer 4

尝试

scatterPlotMatrix。它非常灵活，可以生成漂亮的交互式图表。

library(scatterPlotMatrix)
scatterPlotMatrix(iris, zAxisDim = "Species")

Answer 5

稍后，我附上一个不使用 dplyr 的替代方案：

library("ggplot2")
library("reshape")

# what vars to plot
vars_to_plot <- c("Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width")

# melt the table
melted <- melt(iris[, c("Species", vars_to_plot)])

# define empty vector
final_all <- vector()

# for each interesting variable
for (a_var in vars_to_plot) {

    # get it's actual values
    temp <- iris[, a_var]
    
    # replicate them for each variable
    temp_col <- rep(temp, length(unique(melted$variable)))
    
    # rbind them
    final_all <- rbind.data.frame(final_all, cbind(melted, var=rep(a_var, length(temp_col)), temp_col))
    
    # remove the variable that was just added to the final table
    melted <- melted[-which(melted$variable==a_var), ]
}

# remove duplicate comparisons, if needed
final_no_dup <- final_all[-which(final_all$variable==final_all$var), ]

# plot
ggplot_pairs <- ggplot(final_no_dup, aes(x=value, y=temp_col, fill=Species)) +
    geom_point(shape=21, size=5, color="black", stroke=3) +
    facet_wrap(variable~var, scales='free', labeller=label_wrap_gen(multi_line=FALSE)) +
    xlab("") +
    ylab("") +
    guides(fill=guide_legend(override.aes=list(shape=21))) +
    theme_bw()

plot(ggplot_pairs)