R可视乎|ggplot常用主题风格汇总

简介: 借助theme()函数,可以自定义ggplot2图表的任何部分。幸运的是,可以使用大量的预构建主题,仅用一行代码即可获得良好的样式。小编汇总了常用几个包的主题风格以供参考,以后可以根据论文的风格选择内置的一些主题。

借助theme()函数,可以自定义ggplot2图表的任何部分。幸运的是,可以使用大量的预构建主题,仅用一行代码即可获得良好的样式。

小编汇总了常用几个包的主题风格以供参考,以后可以根据论文的风格选择内置的一些主题。


1.具体操作

这里使用iris数据集,给出绘制散点图的例子,这里没有对主题风格进行设置,使用了默认主题。

library(ggplot2)
ggplot(iris,aes(x = Sepal.Length,y = Sepal.Width,col = Species,shape = Species)) +
  geom_point()

如果你想更换主题,可以直接在之后加入对应参数即可,例如

library(ggplot2)
ggplot(iris,aes(x = Sepal.Length,y = Sepal.Width,col = Species,shape = Species)) +
  geom_point() +
  theme_bw()

接下来,我们对常用的主题风格进行汇总。


2.ggplot2包

ggplot2包内部就有一些内置主题样式。

default

image.gifEMLSWK``C${%)D_0B%P0L]V.png

theme_bw()

7BLGH{@GY4R)B}89BCF%Y58.png

theme_minimal()

image.gif7YBL}EVQ}J0~1)5LVEESKPP.png

theme_classic()

{DV3JMPIY$%J8~0JVM16GTB.png

theme_gray()

L`(D8%7D[TF1J}RJZR3QLJT.png


ggthemes包

:使用该包内部的函数,记得提前安装和加载该包

该包的github网站为:https://github.com/jrnold/ggthemes。jornld给出了很多主题风格的例子可见:https://github.com/BTJ01/ggthemes/tree/master/inst/examples

这个包算是ggplot拓展包最热门的包之一了,这里罗列一些常用的主题风格函数。想继续研究的伙伴可以看上面的两个网站。

theme_excel()

9Z~{{LFJ4$VK5_`ZU%NGTXF.png

theme_economist()

LH3GBS]6US_`]M1MLDNR$61.png

theme_fivethirtyeight()

image.gif%JX~WES~X9CU4}J97PV%E%9.png

theme_tufte()

PTFEMBURBQMRAFI$Y)A[$~7.png

theme_geocs()

J{9`[~]NAY`I%_{M~7T5_`Y.png

theme_wsj()

image.gif

网络异常,图片无法展示
|

theme_calc()

V~DCHN1VV5I}VA3J(60`CZG.png

theme_hc()

XU2{GOQTDUI1U{_SOZWHX@L.png


其他包

egg包中的theme_article()

U}RF`5}Z7~]]2HPAO7S4S_R.png

ggpubr包中的theme_pubr()

9RNG%X7NFC6%J8HC)$3BUTO.png

目录
相关文章
|
数据可视化 数据挖掘 数据处理
R语言高级可视化技巧:使用Plotly与Shiny制作互动图表
【8月更文挑战第30天】通过使用`plotly`和`shiny`,我们可以轻松地创建高度互动的数据可视化图表。这不仅增强了图表的表现力,还提高了用户与数据的交互性,使得数据探索变得更加直观和高效。本文仅介绍了基本的使用方法,`plotly`和`shiny`还提供了更多高级功能和自定义选项,等待你去探索和发现。希望这篇文章能帮助你掌握使用`plotly`和`shiny`制作互动图表的技巧,并在你的数据分析和可视化工作中发挥更大的作用。
|
存储
【基础知识整理】图的基本概念 & 邻接矩阵 & 邻接表
图(graph)是由一些点(vertex)和这些点之间的连线(edge)所组成的; 其中,点通常被成为"顶点(vertex)",而点与点之间的连线则被成为"边或弧"(edege)。 通常记为,G=(V,E)。
|
10月前
|
数据采集 SQL 数据挖掘
电商数据分析的方法
电商数据分析涵盖从业务需求理解到数据呈现的全流程。初学者应循序渐进,掌握数据清洗、转换等技能,Python是重要工具。社交媒体营销分析关注用户参与度和KOL影响。实战教程如《2019电商数据分析师实战项目》提供Excel、SQL及Tableau应用案例,帮助巩固理论知识。代码示例展示了如何使用Pandas和SQLAlchemy进行销售数据分析,计算转化率。 (注:联系方式和感谢语已省略以符合要求)
电商数据分析的方法
|
监控 Linux
在Linux中,使用哪⼀个命令可以查看自己文件系统的磁盘空间配额呢?
在Linux中,使用哪⼀个命令可以查看自己文件系统的磁盘空间配额呢?
|
12月前
|
NoSQL 编译器 C语言
C语言调试是开发中的重要技能,涵盖基本技巧如打印输出、断点调试和单步执行,以及使用GCC、GDB、Visual Studio和Eclipse CDT等工具。
C语言调试是开发中的重要技能,涵盖基本技巧如打印输出、断点调试和单步执行,以及使用GCC、GDB、Visual Studio和Eclipse CDT等工具。高级技巧包括内存检查、性能分析和符号调试。通过实践案例学习如何有效定位和解决问题,同时注意保持耐心、合理利用工具、记录过程并避免过度调试,以提高编程能力和开发效率。
330 1
|
监控 大数据 API
可以调度kettle的工具有哪些?都有什么特点?如何选择?
【10月更文挑战第25天】可以调度kettle的工具有哪些?都有什么特点?如何选择?
754 5
|
数据可视化 数据库
scRNA分析|使用CellChat完成细胞通讯分析-简单且可视化出众,代码自取
scRNA分析|使用CellChat完成细胞通讯分析-简单且可视化出众,代码自取
2433 0
|
小程序 前端开发 Java
短视频软件微信小程序+后台管理系统
短视频软件微信小程序+后台管理系统
463 0
|
机器学习/深度学习 分布式计算 大数据
一文读懂Apache Beam:统一的大数据处理模型与工具
【4月更文挑战第8天】Apache Beam是开源的统一大数据处理模型,提供抽象化编程模型,支持批处理和流处理。它提倡"一次编写,到处运行",可在多种引擎(如Spark、Dataflow、Flink)上运行。Beam的核心特性包括抽象化概念(PCollection、PTransform和PipelineRunner)、灵活性(支持多种数据源和转换)和高效执行。它广泛应用在ETL、实时流处理、机器学习和大数据仓库场景,助力开发者轻松应对数据处理挑战。
2917 1
|
SQL 存储 关系型数据库
什么是binlog,redolog,两阶段提交
什么是binlog,redolog,两阶段提交
368 0