R语言包ggplot实现分面去掉小标题的灰色底色小技巧

目录

当我们在使用 ggplot 时，使用分面通常会长下面这样（这里用 ggplot 的官方案例）：

p <- ggplot(mpg, aes(displ, hwy)) + geom_point()
p + facet_wrap(~class)

此时，我们想将背景的灰色底色去掉，可以用我们常用的 theme_bw()：

p + facet_wrap(~class) + theme_bw()

此时如果背景的灰色网格不想要了，可以接着添加 theme(panel.grid = element_blank())：

p + facet_wrap(~class) + theme_bw() +
  theme(panel.grid = element_blank())

但此时我们是想纯白的背景，子标题中的灰色背景与标题边框也不需要了，此时可以在 theme() 函数中添加 element_rect()，内部的参数 color = "white" 表示 子标题的周围边框变为白色；fill = "white" 表示子标题的灰色背景变为白色：

p + facet_wrap(~class) + theme_bw() +
  theme(
    strip.background = element_rect(
      color = "white", fill = "white"),
    panel.grid = element_blank())

这样看起来还是挺丑的，如果把每个画幅的一圈黑色边框去掉就更好了，此时可以添加 panel.border = element_blank()：

p + facet_wrap(~class) + theme_bw() +
  theme(
    strip.background = element_rect(
      color = "white", fill = "white"),
    panel.grid = element_blank(),
    panel.border = element_blank())

后面如果大家还想让整个图像变得更加清净，可以参考：R语言学习ggplot2绘制统计图形包全面详解

里面的 6. 零件打磨 部分。

以上就是R语言包ggplot实现分面去掉小标题的灰色底色小技巧的详细内容，更多关于ggplot分面去掉小标题灰色底色的资料请关注我们其它相关文章！

赞 (0)

相关推荐

  • R语言实现ggplot重绘天猫双十一销售额曲线图过程

    R语言实现ggplot重绘天猫双十一销售额曲线图过程

    目录 Let's start 输入数据 粗略绘图 完善散点图 添加拟合曲线 在散点上添加销售额 删除不必要的背景线 终极美化 小作业 前一段时间,很多人被这张图刷屏了: 这张图的来源是一篇名为 "淘宝2009-2018年历年双11销售额数据造假" 的文章.图中散点为天猫双十一销售额数据,曲线为原作者拟合的回归线.乍一看散点完美地分布在曲线上,原作者便直接声称:"淘宝双十一销售额数据造假!不可能有这么完美的拟合!" 可事实真的是这样吗? 作为一个热爱画画的博主,我们先

  • R语言使用ggplot绘制画中画细节放大的方法

    R语言使用ggplot绘制画中画细节放大的方法

    目录 1. 载入相关包 2. 数据生成 3. 基础绘图 4. 放大效果 5. 绘图美化 其他方法 当我们在利用ggplot绘图时,当遇到一些量纲相差过大,或者一些图的某些点排布密集时,需要将细节部分进行放大,这时我们就需要采用画中画的方式,或者将统计图的细节在旁边进行放大. 下面我们就来一步一步讲解如何将图中的细节进行放大(核心为ggforce包).话不多说,先上最终效果图(以2019年双十一数据拟合为例): 1. 载入相关包 library(ggplot2) # 绘图核心 library(ti

  • R语言数据可视化ggplot添加左右y轴绘制天猫双十一销售图

    R语言数据可视化ggplot添加左右y轴绘制天猫双十一销售图

    目录 构造数据集 绘制散点 修改两坐标轴信息 本文是以天猫双十一销量与增长率为例,原始的数据可以参考上一篇文章:用 ggplot 重绘天猫双十一销售额图,这里不再作过多的介绍. 同时整个的天猫双十一的销售额数据分析可以关注:天猫双十一"数据造假"是真的吗? 老规矩,先上最终成果(两张图只是颜色的差别): 上图左边 y 轴表示增长率的刻度,右边 y 轴表示销售额的数据,我们将两者在同一张图上进行展现.其实将两个统计图在同一个坐标系中呈现不算是这个绘图的难点,其真正的难点在与刻度的变换以及

  • R语言数据可视化ggplot绘制置信区间与分组绘图技巧

    R语言数据可视化ggplot绘制置信区间与分组绘图技巧

    目录 1. 单组情况 1)构造数据集 2)绘制置信区间 2. 多组情况 方法1 1)构造数据集 2)绘制置信区间 方法2 1)构造数据集 2)绘制置信区间 3)美化 1. 单组情况 1)构造数据集 x <- 1:10 y <- x^2 ci_l <- x^2 - 0.5 * x ci_r <- x^2 + 0.5 * x dat_plot <- data.frame(x, y, ci_l, ci_r) 数据集长下面这样: x y ci_l ci_r 1 1 1 0.5 1.5

  • R语言数据可视化tidyr与ggplot2多个变量分层展示举例实现

    R语言数据可视化tidyr与ggplot2多个变量分层展示举例实现

    目录 每个变量的密度分布情况 思考 tidyr ggplot2进行绘图 在R语言普通的绘图中,使用par()参数可以在一张图上实现不同变量的子图.如果我们想要用ggplot2实现,则需要整理我们的原始数据,这通常是非常麻烦的,这时就需要用到我们的tidyr来帮助我们绘图. 可能说上面一段话不是很容易理解,下面我们来举个栗子. 每个变量的密度分布情况 y1 <- rnorm(20) y2 <- rnorm(20) dat <- data.frame(y1, y2) 现有的数据集: y1 y

  • R语言学习ggplot2绘制统计图形包全面详解

    R语言学习ggplot2绘制统计图形包全面详解

    目录 一.序 二.ggplot2是什么? 三.ggplot2能画出什么样的图? 四.组装机器 五.设计图纸 六.机器的零件 1. 零件--散点图 1) 变换颜色 2) 拟合曲线 3) 变换大小 4) 修改透明度 5) 分层 6) 改中文 2. 零件--直方图与条形图 1) 直方图 2) 润色 3) 条形图 3. 零件--饼图 4. 零件--箱线图 5. 零件--小提琴图 6. 零件打磨 7. 超级变变变 8. 其他常用零件 七.实践出真知 八.学习资源 九.参考资料 一.序 作为一枚统计专业的学

  • R语言包ggplot实现分面去掉小标题的灰色底色小技巧

    R语言包ggplot实现分面去掉小标题的灰色底色小技巧

    目录 当我们在使用 ggplot 时,使用分面通常会长下面这样(这里用 ggplot 的官方案例): p <- ggplot(mpg, aes(displ, hwy)) + geom_point() p + facet_wrap(~class) 此时,我们想将背景的灰色底色去掉,可以用我们常用的 theme_bw(): p + facet_wrap(~class) + theme_bw() 此时如果背景的灰色网格不想要了,可以接着添加 theme(panel.grid = element_bla

  • 关于R语言包的升级与降级问题

    关于R语言包的升级与降级问题

    R语言包的升级与降级 这篇博客只是记录一下在使用偏最小二乘判别分析时遇到的一些问题: 暑期实习期间曾自行使用R语言caret包进行机器学习某些方法的训练,在训练过程中需要对某些包进行升级或者降级.klaR在训练过程的bug: Error in predict.NaiveBayes(object$probModel[[ncomp[i]]], as.data.frame(tmpPred[, : Not all variable names used in object found in newdat

  • Rcpp和RcppArmadillo创建R语言包的实现方式

    Rcpp和RcppArmadillo创建R语言包的实现方式

    目录 1. 预先准备 源文件示例func.cpp 头文件示例test_h.h 2. 创建R包步骤 新建R Package R包的文件结构 修改DESCRIPTION文件 3. C++11标准问题 1. 预先准备 Windows下需要安装Rtools,R中装好Rcpp和RcppArmadillo.创建C++源文件func.cpp,自定义头文件test_h.h. 源文件示例func.cpp // [[Rcpp::depends(RcppArmadillo)]] // [[Rcpp::plugins(

  • R语言关于“包”的知识点总结

    R语言的包是R函数,编译代码和样本数据的集合. 它们存储在R语言环境中名为"library"的目录下. 默认情况下,R语言在安装期间安装一组软件包. 随后添加更多包,当它们用于某些特定目的时. 当我们启动R语言控制台时,默认情况下只有默认包可用. 已经安装的其他软件包必须显式加载以供将要使用它们的R语言程序使用. 所有可用的R语言包都列在R语言的包. 下面是用于检查,验证和使用R包的命令列表. 检查可用R语言的包 获取包含R包的库位置 .libPaths() 当我们执行上面的代码,它产

  • R语言文本文件读写(txt/csv/xlsx)

    R语言文本文件读写(txt/csv/xlsx)

    本文主要介绍了R语言文本文件读写,分享给大家,具体如下: read.table(file,sep,hesder) #file 文件路径 #sep 分隔符 #header 第一行是不是列名(如果第一行是列名导入的时候填TRUE:默认值是FALSE,即把第一行算作数据) 准备工作 为方便后面使用的相对路径,我们先使用setwd(路径)设置路径,设置好之后可以用getwd() 获取当前路径进行检查. > setwd("F:/r-test-data") > getwd() [1]

  • R语言绘图样式设置操作(符号,线条,颜色,文本属性)

    R语言绘图样式设置操作(符号,线条,颜色,文本属性)

    设置图像样式有两种方法,一种是全局修改,一种只针对一幅图片有效. 全局修改 a<-c(1:10) #全局修改 old_par<-par(no.readonly=TRUE) #记录默认样式到变量old_par中 par(lty=2,pch=17) #设置线型lty=2虚线,pch=17实心三角形,键值对的方式进行设置 #第一幅图,已经和默认样式不一样了 b<-rnorm(10) plot(a,b,type='b') #第二幅图,和第一幅图样式一样 b<-rnorm(10) plot(

  • R语言本地安装包图文教程

    R语言本地安装包图文教程

    第一步 从R语言官网,下载package: 以 'data.table'为例,如图. 找到最左边一列中的Packages点击, 再点中间Table of available packages 或Table of available packages sorted by name 第二步 下载好包到本地后, 别忘了下载到哪了. 然后在R软件选择-程序包-install package from local files,选择下载好的 'data.table'文件. 结束~ 补充:R语言-包的安装.载

  • R语言关于决策树知识点总结

    R语言关于决策树知识点总结

    决策树是以树的形式表示选择及其结果的图.图中的节点表示事件或选择,并且图的边缘表示决策规则或条件.它主要用于使用R的机器学习和数据挖掘应用程序. 决策树的使用的例子是 预测电子邮件是垃圾邮件或非垃圾邮件,预测肿瘤癌变,或者基于这些因素预测贷款的信用风险.通常,使用观测数据(也称为训练数据)来创建模型.然后使用一组验证数据来验证和改进模型. R具有用于创建和可视化决策树的包.对于新的预测变量集合,我们使用此模型来确定R包"party"用于创建决策树. 安装R语言包 在R语言控制台中使用以

随机推荐