scale_size()
縮放區域,scale_radius()
縮放半徑。尺寸美學最常用於點和文本,人類感知點的麵積(而不是它們的半徑),因此這提供了最佳感知。 scale_size_area()
確保值 0 映射到大小 0。scale_size_binned()
是 scale_size()
的分箱版本,按區域縮放(但不確保 0 等於零區域)。對於 scale_size_area()
的分級等效項,請使用 scale_size_binned_area()
。
用法
scale_size(
name = waiver(),
breaks = waiver(),
labels = waiver(),
limits = NULL,
range = c(1, 6),
trans = "identity",
guide = "legend"
)
scale_radius(
name = waiver(),
breaks = waiver(),
labels = waiver(),
limits = NULL,
range = c(1, 6),
trans = "identity",
guide = "legend"
)
scale_size_binned(
name = waiver(),
breaks = waiver(),
labels = waiver(),
limits = NULL,
range = c(1, 6),
n.breaks = NULL,
nice.breaks = TRUE,
trans = "identity",
guide = "bins"
)
scale_size_area(..., max_size = 6)
scale_size_binned_area(..., max_size = 6)
參數
- name
-
秤的名稱。用作軸或圖例標題。如果
waiver()
(默認值),則比例名稱取自用於該美學的第一個映射。如果是NULL
,則圖例標題將被省略。 - breaks
-
之一:
-
NULL
不間斷 -
waiver()
用於由 transformation object 計算的默認中斷 -
位置的數值向量
-
將限製作為輸入並返回中斷作為輸出的函數(例如
scales::extended_breaks()
返回的函數)。還接受 rlang lambda 函數表示法。
-
- labels
-
之一:
- limits
-
之一:
-
NULL
使用默認比例範圍 -
長度為 2 的數值向量,提供尺度限製。使用
NA
來引用現有的最小值或最大值 -
接受現有(自動)限製並返回新限製的函數。還接受 rlang lambda 函數表示法。請注意,對位置比例設置限製將刪除限製之外的數據。如果目的是縮放,請使用坐標係中的 limit 參數(請參閱
coord_cartesian()
)。
-
- range
-
長度為 2 的數值向量,指定變換後繪圖符號的最小和最大尺寸。
- trans
-
對於連續比例,變換對象的名稱或對象本身。內置轉換包括"asn"、"atanh"、"boxcox"、"date"、"exp"、"hms"、"identity"、"log"、"log10"、"log1p","log2","logit"、"modulus"、"probability"、"probit"、"pseudo_log"、"reciprocal"、"reverse"、"sqrt" 和 "time"。
變換對象將變換、其逆變換以及用於生成中斷和標簽的方法捆綁在一起。轉換對象在 scales 包中定義,稱為
<name>_trans
(例如scales::boxcox_trans()
)。您可以使用scales::trans_new()
創建自己的轉換。 - guide
-
用於創建指南或其名稱的函數。有關詳細信息,請參閱
guides()
。 - n.breaks
-
指導主要中斷次數的整數。該算法可能會選擇稍微不同的數字以確保良好的中斷標簽。僅在
breaks = waiver()
時有效。使用NULL
使用轉換給出的默認中斷數。 - nice.breaks
-
邏輯性強。應該嘗試將中斷設置為合適的值,而不是在限製之間完全均勻地間隔。如果
TRUE
(默認),比例將要求轉換對象創建中斷,這可能會導致中斷數量與請求的數量不同。如果明確給出中斷,則忽略。 - ...
-
參數傳遞給
continuous_scale
minor_breaks
-
之一:
oob
-
之一:
-
處理超出範圍限製(越界)的函數。還接受 rlang lambda 函數表示法。
-
默認值 (
scales::censor()
) 將超出範圍的值替換為NA
。 -
scales::squish()
用於將超出範圍的值壓縮到範圍內。 -
scales::squish_infinite()
用於將無限值壓縮到範圍內。
-
na.value
-
缺失值將替換為該值。
expand
-
對於位置刻度,範圍擴展常量的向量,用於在數據周圍添加一些填充,以確保它們放置在距軸一定距離的位置。使用便捷函數
expansion()
生成expand
參數的值。默認情況下,對於連續變量,每側擴展 5%,對於離散變量,每側擴展 0.6 個單位。 position
-
對於位置刻度,軸的位置。
left
或right
表示 y 軸,top
或bottom
表示 x 軸。 super
-
用於構造比例的超類
- max_size
-
最大點的大小。
注意
從曆史上看,尺寸美學用於兩種不同的用途:縮放對象的尺寸(如點和字形)和縮放線條的寬度。從 ggplot2 3.4.0 開始,後者已移至其自己的線寬美學。為了向後兼容,仍然可以使用尺寸,但強烈建議在這些情況下切換到新的線寬美觀。
也可以看看
scale_size_area()
如果您希望將 0 個值映射到大小為 0 的點。 scale_linewidth()
如果您想縮放線的寬度。
例子
p <- ggplot(mpg, aes(displ, hwy, size = hwy)) +
geom_point()
p
p + scale_size("Highway mpg")
p + scale_size(range = c(0, 10))
# If you want zero value to have zero size, use scale_size_area:
p + scale_size_area()
# Binning can sometimes make it easier to match the scaled data to the legend
p + scale_size_binned()
# This is most useful when size is a count
ggplot(mpg, aes(class, cyl)) +
geom_count() +
scale_size_area()
# If you want to map size to radius (usually bad idea), use scale_radius
p + scale_radius()
相關用法
- R ggplot2 scale_shape 形狀比例,又稱字形
- R ggplot2 scale_steps 分級漸變色標
- R ggplot2 scale_gradient 漸變色階
- R ggplot2 scale_viridis 來自 viridisLite 的 Viridis 色標
- R ggplot2 scale_grey 連續灰度色階
- R ggplot2 scale_linetype 線條圖案的比例
- R ggplot2 scale_discrete 離散數據的位置尺度
- R ggplot2 scale_manual 創建您自己的離散尺度
- R ggplot2 scale_colour_discrete 離散色階
- R ggplot2 scale_date 日期/時間數據的位置刻度
- R ggplot2 scale_continuous 連續數據的位置比例(x 和 y)
- R ggplot2 scale_binned 用於對連續數據進行裝箱的位置比例(x 和 y)
- R ggplot2 scale_alpha Alpha 透明度比例
- R ggplot2 scale_colour_continuous 連續色標和分級色標
- R ggplot2 scale_identity 使用不縮放的值
- R ggplot2 scale_linewidth 線寬比例
- R ggplot2 scale_hue 離散數據的均勻間隔顏色
- R ggplot2 scale_brewer ColorBrewer 的連續、發散和定性色標
- R ggplot2 stat_ellipse 計算法行數據橢圓
- R ggplot2 stat_identity 保留數據原樣
- R ggplot2 stat_summary_2d 以二維形式進行分類和匯總(矩形和六邊形)
- R ggplot2 should_stop 在示例中用於說明何時應該發生錯誤。
- R ggplot2 stat_summary 總結唯一/分箱 x 處的 y 值
- R ggplot2 stat_sf_coordinates 從“sf”對象中提取坐標
- R ggplot2 stat_unique 刪除重複項
注:本文由純淨天空篩選整理自Hadley Wickham等大神的英文原創作品 Scales for area or radius。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。