R First attempt at a vector field

 legend.position=c(1, 0.55), # Put legend inside plot area
+           legend.justification=c(1, 0.5))
> ggplot(tophit, aes(x=avg, y=name)) +
+     geom_segment(aes(yend=name), xend=0, colour="grey50") +
+     geom_point(size=3, aes(colour=lg)) +
+     scale_colour_brewer(palette="Set1", limits=c("NL","AL"), guide=FALSE) +
+     theme_bw() +
+     theme(panel.grid.major.y = element_blank()) +
+     facet_grid(lg ~ ., scales="free_y", space="free_y")
>
> ggplot(worldpop, aes(x=Year, y=Population)) + geom_line() + geom_point()
>
> ggplot(worldpop, aes(x=Year, y=Population)) + geom_line() + geom_point() +
+     scale_y_log10()
>
> tg <- ddply(ToothGrowth, c("supp", "dose"), summarise, length=mean(len))
> ggplot(tg, aes(x=dose, y=length, colour=supp)) + geom_line()
> ggplot(tg, aes(x=dose, y=length, linetype=supp)) + geom_line()
> sunspotyear <- data.frame(
+     Year = as.numeric(time(sunspot.year)),
+     Sunspots = as.numeric(sunspot.year)
+ )
>
> ggplot(sunspotyear, aes(x=Year, y=Sunspots)) + geom_area()
> ggplot(sunspotyear, aes(x=Year, y=Sunspots)) +
+     geom_area(colour="black", fill="blue", alpha=.2)
> ggplot(sunspotyear, aes(x=Year, y=Sunspots)) +
+     geom_area(fill="blue", alpha=.2) +
+     geom_line()
>
> ggplot(uspopage, aes(x=Year, y=Thousands, fill=AgeGroup)) + geom_area()
> ggplot(uspopage, aes(x=Year, y=Thousands, fill=AgeGroup)) +
+     geom_area(colour="black", size=.2, alpha=.4) +
+     scale_fill_brewer(palette="Blues", breaks=rev(levels(uspopage$AgeGroup)))
>
> ggplot(uspopage, aes(x=Year, y=Thousands, fill=AgeGroup, order=desc(AgeGroup))) +
+     geom_area(colour=NA, alpha=.4) +
+     scale_fill_brewer(palette="Blues") +
+     geom_line(position="stack", size=.2)
>
> uspopage_prop <- ddply(uspopage, "Year", transform,
+                        Percent = Thousands / sum(Thousands) * 100)
>
> ggplot(uspopage_prop, aes(x=Year, y=Percent, fill=AgeGroup)) +
+     geom_area(colour="black", size=.2, alpha=.4) +
+     scale_fill_brewer(palette="Blues", breaks=rev(levels(uspopage$AgeGroup)))
>
> clim <- subset(climate, Source == "Berkeley",
+                select=c("Year", "Anomaly10y", "Unc10y"))
>
> ggplot(clim, aes(x=Year, y=Anomaly10y)) +
+     geom_ribbon(aes(ymin=Anomaly10y-Unc10y, ymax=Anomaly10y+Unc10y),
+                 alpha=0.2) +
+     geom_line()
>
> ggplot(clim, aes(x=Year, y=Anomaly10y)) +
+     geom_line(aes(y=Anomaly10y-Unc10y), colour="grey50", linetype="dotted") +
+     geom_line(aes(y=Anomaly10y+Unc10y), colour="grey50", linetype="dotted") +
+     geom_line()
>
> heightweight[, c("ageYear", "heightIn")]
    ageYear heightIn
1     11.92     56.3
2     12.92     62.3
3     12.75     63.3
4     13.42     59.0
5     15.92     62.5
6     14.25     62.5
7     15.42     59.0
8     11.83     56.5
9     13.33     62.0
10    11.67     53.8
11    11.58     61.5
12    14.83     61.5
13    13.08     64.5
14    12.42     58.3
15    11.92     51.3
16    12.08     58.8
17    15.92     65.3
18    12.50     59.5
19    12.25     61.3
20    15.00     63.3
21    11.75     61.8
22    11.67     53.5
23    13.67     58.0
24    14.67     61.3
25    15.42     63.3
26    13.83     61.5
27    14.58     60.8
28    15.00     59.0
29    17.50     65.5
30    12.17     56.3
31    14.17     64.3
32    13.50     58.0
33    12.42     64.3
34    11.58     57.5
35    15.50     57.8
36    16.42     61.5
37    14.08     62.3
38    14.75     61.8
39    15.42     65.3
40    15.17     58.3
41    14.42     62.8
42    13.83     59.3
43    14.00     61.5
44    14.08     62.0
45    12.50     61.3
46    15.33     62.3
47    11.58     52.8
48    12.25     59.8
49    12.00     59.5
50    14.75     61.3
51    14.83     63.5
52    16.42     64.8
53    12.17     60.0
54    12.08     59.0
55    12.25     55.8
56    12.08     57.8
57    12.92     61.3
58    13.92     62.3
59    15.25     64.3
60    11.92     55.5
61    15.25     64.5
62    15.42     60.0
63    12.33     56.3
64    12.25     58.3
65    12.83     60.0
66    13.00     54.5
67    12.00     55.8
68    12.83     62.8
69    12.67     60.5
70    15.92     63.3
71    15.83     66.8
72    11.67     60.0
73    12.33     60.5
74    15.75     64.3
75    11.92     58.3
76    14.83     66.5
77    13.67     65.3
78    13.08     60.5
79    12.25     59.5
80    12.33     59.0
81    14.75     61.3
82    14.25     61.5
83    14.33     64.8
84    15.83     56.8
85    15.25     66.5
86    11.92     61.5
87    14.92     63.0
88    15.50     57.0
89    15.17     65.5
90    15.17     62.0
91    11.83     56.0
92    13.75     61.3
93    13.75     55.5
94    12.83     61.0
95    12.50     54.5
96    12.92     66.0
97    13.58     56.5
98    11.75     56.0
99    12.25     51.5
100   17.50     62.0
101   14.25     63.0
102   13.92     61.0
103   15.17     64.0
104   12.00     61.0
105   16.08     59.8
106   11.75     61.3
107   13.67     63.3
108   15.50     63.5
109   14.08     61.5
110   14.58     60.3
111   15.00     61.3
112   13.75     64.8
113   13.08     60.5
114   12.00     57.3
115   12.50     59.5
116   12.50     60.8
117   11.58     60.5
118   15.75     67.0
119   15.25     64.8
120   12.25     50.5
121   12.17     57.5
122   13.33     60.5
123   13.00     61.8
124   14.42     61.3
125   12.58     66.3
126   11.75     53.3
127   12.50     59.0
128   13.67     57.8
129   12.75     60.0
130   17.17     68.3
132   14.67     63.8
133   14.67     65.0
134   11.67     59.5
135   15.42     66.0
136   15.00     61.8
137   12.17     57.3
138   15.25     66.0
139   11.67     56.5
140   12.58     58.3
141   12.58     61.0
142   12.00     62.8
143   13.33     59.3
144   14.83     67.3
145   16.08     66.3
146   13.50     64.5
147   13.67     60.5
148   15.50     66.0
149   11.92     57.5
150   14.58     64.0
151   14.58     68.0
152   14.58     63.5
153   14.42     69.0
154   14.17     63.8
155   14.50     66.0
156   13.67     63.5
157   12.00     59.5
158   13.00     66.3
159   12.42     57.0
160   12.00     60.0
161   12.25     57.0
162   15.67     67.3
163   14.08     62.0
164   14.33     65.0
165   12.50     59.5
166   16.08     67.8
167   13.08     58.0
168   14.00     60.0
169   11.67     58.5
170   13.00     58.3
171   13.00     61.5
172   13.17     65.0
173   15.33     66.5
174   13.00     68.5
175   12.00     57.0
176   14.67     61.5
177   14.00     66.5
178   12.42     52.5
179   11.83     55.0
180   15.67     71.0
181   16.92     66.5
182   11.83     58.8
183   15.75     66.3
184   15.67     65.8
185   16.67     71.0
186   12.67     59.5
187   14.50     69.8
188   13.83     62.5
189   12.08     56.5
190   11.92     57.5
191   13.58     65.3
192   13.83     67.3
193   15.17     67.0
194   14.42     66.0
195   12.92     61.8
196   13.50     60.0
197   14.75     63.0
198   14.75     60.5
199   14.58     65.5
200   13.83     62.0
201   12.50     59.0
202   12.50     61.8
203   15.67     63.3
204   13.58     66.0
205   14.25     61.8
206   13.50     63.0
207   11.75     57.5
208   14.50     63.0
209   11.83     56.0
210   12.33     60.5
211   11.67     56.8
212   13.33     64.0
213   12.00     60.0
214   17.17     69.5
215   13.25     63.3
216   12.42     56.3
217   16.08     72.0
218   16.17     65.3
219   12.67     60.8
220   12.17     55.0
221   11.58     55.0
222   15.50     66.5
223   13.42     56.8
224   12.75     64.8
225   16.33     64.5
226   13.67     58.0
227   13.25     62.8
228   14.83     63.8
229   12.75     57.8
230   12.92     57.3
231   14.83     63.5
232   11.83     55.0
233   13.67     66.5
234   15.75     65.0
235   13.67     61.5
236   13.92     62.0
237   12.58     59.3
>
> ggplot(heightweight, aes(x=ageYear, y=heightIn)) + geom_point()
>
> ggplot(heightweight, aes(x=ageYear, y=heightIn)) + geom_point(shape=21)
>
> ggplot(heightweight, aes(x=ageYear, y=heightIn)) + geom_point(size=1.5)
> ggplot(heightweight, aes(x=ageYear, y=heightIn)) + geom_point(size=1.5)
> heightweight[, c("sex", "ageYear", "heightIn")]
    sex ageYear heightIn
1     f   11.92     56.3
2     f   12.92     62.3
3     f   12.75     63.3
4     f   13.42     59.0
5     f   15.92     62.5
6     f   14.25     62.5
7     f   15.42     59.0
8     f   11.83     56.5
9     f   13.33     62.0
10    f   11.67     53.8
11    f   11.58     61.5
12    f   14.83     61.5
13    f   13.08     64.5
14    f   12.42     58.3
15    f   11.92     51.3
16    f   12.08     58.8
17    f   15.92     65.3
18    f   12.50     59.5
19    f   12.25     61.3
20    f   15.00     63.3
21    f   11.75     61.8
22    f   11.67     53.5
23    f   13.67     58.0
24    f   14.67     61.3
25    f   15.42     63.3
26    f   13.83     61.5
27    f   14.58     60.8
28    f   15.00     59.0
29    f   17.50     65.5
30    f   12.17     56.3
31    f   14.17     64.3
32    f   13.50     58.0
33    f   12.42     64.3
34    f   11.58     57.5
35    f   15.50     57.8
36    f   16.42     61.5
37    f   14.08     62.3
38    f   14.75     61.8
39    f   15.42     65.3
40    f   15.17     58.3
41    f   14.42     62.8
42    f   13.83     59.3
43    f   14.00     61.5
44    f   14.08     62.0
45    f   12.50     61.3
46    f   15.33     62.3
47    f   11.58     52.8
48    f   12.25     59.8
49    f   12.00     59.5
50    f   14.75     61.3
51    f   14.83     63.5
52    f   16.42     64.8
53    f   12.17     60.0
54    f   12.08     59.0
55    f   12.25     55.8
56    f   12.08     57.8
57    f   12.92     61.3
58    f   13.92     62.3
59    f   15.25     64.3
60    f   11.92     55.5
61    f   15.25     64.5
62    f   15.42     60.0
63    f   12.33     56.3
64    f   12.25     58.3
65    f   12.83     60.0
66    f   13.00     54.5
67    f   12.00     55.8
68    f   12.83     62.8
69    f   12.67     60.5
70    f   15.92     63.3
71    f   15.83     66.8
72    f   11.67     60.0
73    f   12.33     60.5
74    f   15.75     64.3
75    f   11.92     58.3
76    f   14.83     66.5
77    f   13.67     65.3
78    f   13.08     60.5
79    f   12.25     59.5
80    f   12.33     59.0
81    f   14.75     61.3
82    f   14.25     61.5
83    f   14.33     64.8
84    f   15.83     56.8
85    f   15.25     66.5
86    f   11.92     61.5
87    f   14.92     63.0
88    f   15.50     57.0
89    f   15.17     65.5
90    f   15.17     62.0
91    f   11.83     56.0
92    f   13.75     61.3
93    f   13.75     55.5
94    f   12.83     61.0
95    f   12.50     54.5
96    f   12.92     66.0
97    f   13.58     56.5
98    f   11.75     56.0
99    f   12.25     51.5
100   f   17.50     62.0
101   f   14.25     63.0
102   f   13.92     61.0
103   f   15.17     64.0
104   f   12.00     61.0
105   f   16.08     59.8
106   f   11.75     61.3
107   f   13.67     63.3
108   f   15.50     63.5
109   f   14.08     61.5
110   f   14.58     60.3
111   f   15.00     61.3
112   m   13.75     64.8
113   m   13.08     60.5
114   m   12.00     57.3
115   m   12.50     59.5
116   m   12.50     60.8
117   m   11.58     60.5
118   m   15.75     67.0
119   m   15.25     64.8
120   m   12.25     50.5
121   m   12.17     57.5
122   m   13.33     60.5
123   m   13.00     61.8
124   m   14.42     61.3
125   m   12.58     66.3
126   m   11.75     53.3
127   m   12.50     59.0
128   m   13.67     57.8
129   m   12.75     60.0
130   m   17.17     68.3
132   m   14.67     63.8
133   m   14.67     65.0
134   m   11.67     59.5
135   m   15.42     66.0
136   m   15.00     61.8
137   m   12.17     57.3
138   m   15.25     66.0
139   m   11.67     56.5
140   m   12.58     58.3
141   m   12.58     61.0
142   m   12.00     62.8
143   m   13.33     59.3
144   m   14.83     67.3
145   m   16.08     66.3
146   m   13.50     64.5
147   m   13.67     60.5
148   m   15.50     66.0
149   m   11.92     57.5
150   m   14.58     64.0
151   m   14.58     68.0
152   m   14.58     63.5
153   m   14.42     69.0
154   m   14.17     63.8
155   m   14.50     66.0
156   m   13.67     63.5
157   m   12.00     59.5
158   m   13.00     66.3
159   m   12.42     57.0
160   m   12.00     60.0
161   m   12.25     57.0
162   m   15.67     67.3
163   m   14.08     62.0
164   m   14.33     65.0
165   m   12.50     59.5
166   m   16.08     67.8
167   m   13.08     58.0
168   m   14.00     60.0
169   m   11.67     58.5
170   m   13.00     58.3
171   m   13.00     61.5
172   m   13.17     65.0
173   m   15.33     66.5
174   m   13.00     68.5
175   m   12.00     57.0
176   m   14.67     61.5
177   m   14.00     66.5
178   m   12.42     52.5
179   m   11.83     55.0
180   m   15.67     71.0
181   m   16.92     66.5
182   m   11.83     58.8
183   m   15.75     66.3
184   m   15.67     65.8
185   m   16.67     71.0
186   m   12.67     59.5
187   m   14.50     69.8
188   m   13.83     62.5
189   m   12.08     56.5
190   m   11.92     57.5
191   m   13.58     65.3
192   m   13.83     67.3
193   m   15.17     67.0
194   m   14.42     66.0
195   m   12.92     61.8
196   m   13.50     60.0
197   m   14.75     63.0
198   m   14.75     60.5
199   m   14.58     65.5
200   m   13.83     62.0
201   m   12.50     59.0
202   m   12.50     61.8
203   m   15.67     63.3
204   m   13.58     66.0
205   m   14.25     61.8
206   m   13.50     63.0
207   m   11.75     57.5
208   m   14.50     63.0
209   m   11.83     56.0
210   m   12.33     60.5
211   m   11.67     56.8
212   m   13.33     64.0
213   m   12.00     60.0
214   m   17.17     69.5
215   m   13.25     63.3
216   m   12.42     56.3
217   m   16.08     72.0
218   m   16.17     65.3
219   m   12.67     60.8
220   m   12.17     55.0
221   m   11.58     55.0
222   m   15.50     66.5
223   m   13.42     56.8
224   m   12.75     64.8
225   m   16.33     64.5
226   m   13.67     58.0
227   m   13.25     62.8
228   m   14.83     63.8
229   m   12.75     57.8
230   m   12.92     57.3
231   m   14.83     63.5
232   m   11.83     55.0
233   m   13.67     66.5
234   m   15.75     65.0
235   m   13.67     61.5
236   m   13.92     62.0
237   m   12.58     59.3
> ggplot(heightweight, aes(x=ageYear, y=heightIn, colour=sex)) + geom_point()
>
> ggplot(heightweight, aes(x=ageYear, y=heightIn, shape=sex)) + geom_point()
> ggplot(heightweight, aes(x=ageYear, y=heightIn, shape=sex, colour=sex)) +
+     geom_point()
> ggplot(heightweight, aes(x=ageYear, y=heightIn, shape=sex, colour=sex)) +
+     geom_point() +
+     scale_shape_manual(values=c(1,2)) +
+     scale_colour_brewer(palette="Set1")
> ggplot(heightweight, aes(x=ageYear, y=heightIn)) + geom_point(shape=3)
>
> ggplot(heightweight, aes(x=ageYear, y=heightIn, shape=sex)) +
+     geom_point(size=3) + scale_shape_manual(values=c(1, 4))
> hw$weightGroup <- cut(hw$weightLb, breaks=c(-Inf, 100, Inf),
+                       labels=c("< 100", ">= 100"))
Error in cut(hw$weightLb, breaks = c(-Inf, 100, Inf), labels = c("< 100",  :
  object 'hw' not found
>
> hw <- heightweight
> hw$weightGroup <- cut(hw$weightLb, breaks=c(-Inf, 100, Inf),
+                       labels=c("< 100", ">= 100"))
>
> ggplot(hw, aes(x=ageYear, y=heightIn, shape=sex, fill=weightGroup)) +
+     geom_point(size=2.5) +
+     scale_shape_manual(values=c(21, 24)) +
+     scale_fill_manual(values=c(NA, "black"),
+                       guide=guide_legend(override.aes=list(shape=21)))
> heightweight[, c("sex", "ageYear", "heightIn", "weightLb")]
    sex ageYear heightIn weightLb
1     f   11.92     56.3     85.0
2     f   12.92     62.3    105.0
3     f   12.75     63.3    108.0
4     f   13.42     59.0     92.0
5     f   15.92     62.5    112.5
6     f   14.25     62.5    112.0
7     f   15.42     59.0    104.0
8     f   11.83     56.5     69.0
9     f   13.33     62.0     94.5
10    f   11.67     53.8     68.5
11    f   11.58     61.5    104.0
12    f   14.83     61.5    103.5
13    f   13.08     64.5    123.5
14    f   12.42     58.3     93.0
15    f   11.92     51.3     50.5
16    f   12.08     58.8     89.0
17    f   15.92     65.3    107.0
18    f   12.50     59.5     78.5
19    f   12.25     61.3    115.0
20    f   15.00     63.3    114.0
21    f   11.75     61.8     85.0
22    f   11.67     53.5     81.0
23    f   13.67     58.0     83.5
24    f   14.67     61.3    112.0
25    f   15.42     63.3    101.0
26    f   13.83     61.5    103.5
27    f   14.58     60.8     93.5
28    f   15.00     59.0    112.0
29    f   17.50     65.5    140.0
30    f   12.17     56.3     83.5
31    f   14.17     64.3     90.0
32    f   13.50     58.0     84.0
33    f   12.42     64.3    110.5
34    f   11.58     57.5     96.0
35    f   15.50     57.8     95.0
36    f   16.42     61.5    121.0
37    f   14.08     62.3     99.5
38    f   14.75     61.8    142.5
39    f   15.42     65.3    118.0
40    f   15.17     58.3    104.5
41    f   14.42     62.8    102.5
42    f   13.83     59.3     89.5
43    f   14.00     61.5     95.0
44    f   14.08     62.0     98.5
45    f   12.50     61.3     94.0
46    f   15.33     62.3    108.0
47    f   11.58     52.8     63.5
48    f   12.25     59.8     84.5
49    f   12.00     59.5     93.5
50    f   14.75     61.3    112.0
51    f   14.83     63.5    148.5
52    f   16.42     64.8    112.0
53    f   12.17     60.0    109.0
54    f   12.08     59.0     91.5
55    f   12.25     55.8     75.0
56    f   12.08     57.8     84.0
57    f   12.92     61.3    107.0
58    f   13.92     62.3     92.5
59    f   15.25     64.3    109.5
60    f   11.92     55.5     84.0
61    f   15.25     64.5    102.5
62    f   15.42     60.0    106.0
63    f   12.33     56.3     77.0
64    f   12.25     58.3    111.5
65    f   12.83     60.0    114.0
66    f   13.00     54.5     75.0
67    f   12.00     55.8     73.5
68    f   12.83     62.8     93.5
69    f   12.67     60.5    105.0
70    f   15.92     63.3    113.5
71    f   15.83     66.8    140.0
72    f   11.67     60.0     77.0
73    f   12.33     60.5     84.5
74    f   15.75     64.3    113.5
75    f   11.92     58.3     77.5
76    f   14.83     66.5    117.5
77    f   13.67     65.3     98.0
78    f   13.08     60.5    112.0
79    f   12.25     59.5    101.0
80    f   12.33     59.0     95.0
81    f   14.75     61.3     81.0
82    f   14.25     61.5     91.0
83    f   14.33     64.8    142.0
84    f   15.83     56.8     98.5
85    f   15.25     66.5    112.0
86    f   11.92     61.5    116.5
87    f   14.92     63.0     98.5
88    f   15.50     57.0     83.5
89    f   15.17     65.5    133.0
90    f   15.17     62.0     91.5
91    f   11.83     56.0     72.5
92    f   13.75     61.3    106.5
93    f   13.75     55.5     67.0
94    f   12.83     61.0    122.5
95    f   12.50     54.5     74.0
96    f   12.92     66.0    144.5
97    f   13.58     56.5     84.0
98    f   11.75     56.0     72.5
99    f   12.25     51.5     64.0
100   f   17.50     62.0    116.0
101   f   14.25     63.0     84.0
102   f   13.92     61.0     93.5
103   f   15.17     64.0    111.5
104   f   12.00     61.0     92.0
105   f   16.08     59.8    115.0
106   f   11.75     61.3     85.0
107   f   13.67     63.3    108.0
108   f   15.50     63.5    108.0
109   f   14.08     61.5     85.0
110   f   14.58     60.3     86.0
111   f   15.00     61.3    110.5
112   m   13.75     64.8     98.0
113   m   13.08     60.5    105.0
114   m   12.00     57.3     76.5
115   m   12.50     59.5     84.0
116   m   12.50     60.8    128.0
117   m   11.58     60.5     87.0
118   m   15.75     67.0    128.0
119   m   15.25     64.8    111.0
120   m   12.25     50.5     79.0
121   m   12.17     57.5     90.0
122   m   13.33     60.5     84.0
123   m   13.00     61.8    112.0
124   m   14.42     61.3     93.0
125   m   12.58     66.3    117.0
126   m   11.75     53.3     84.0
127   m   12.50     59.0     99.5
128   m   13.67     57.8     95.0
129   m   12.75     60.0     84.0
130   m   17.17     68.3    134.0
132   m   14.67     63.8     98.5
133   m   14.67     65.0    118.5
134   m   11.67     59.5     94.5
135   m   15.42     66.0    105.0
136   m   15.00     61.8    104.0
137   m   12.17     57.3     83.0
138   m   15.25     66.0    105.5
139   m   11.67     56.5     84.0
140   m   12.58     58.3     86.0
141   m   12.58     61.0     81.0
142   m   12.00     62.8     94.0
143   m   13.33     59.3     78.5
144   m   14.83     67.3    119.5
145   m   16.08     66.3    133.0
146   m   13.50     64.5    119.0
147   m   13.67     60.5     95.0
148   m   15.50     66.0    112.0
149   m   11.92     57.5     75.0
150   m   14.58     64.0     92.0
151   m   14.58     68.0    112.0
152   m   14.58     63.5     98.5
153   m   14.42     69.0    112.5
154   m   14.17     63.8    112.5
155   m   14.50     66.0    108.0
156   m   13.67     63.5    108.0
157   m   12.00     59.5     88.0
158   m   13.00     66.3    106.0
159   m   12.42     57.0     92.0
160   m   12.00     60.0    117.5
161   m   12.25     57.0     84.0
162   m   15.67     67.3    112.0
163   m   14.08     62.0    100.0
164   m   14.33     65.0    112.0
165   m   12.50     59.5     84.0
166   m   16.08     67.8    127.5
167   m   13.08     58.0     80.5
168   m   14.00     60.0     93.5
169   m   11.67     58.5     86.5
170   m   13.00     58.3     92.5
171   m   13.00     61.5    108.5
172   m   13.17     65.0    121.0
173   m   15.33     66.5    112.0
174   m   13.00     68.5    114.0
175   m   12.00     57.0     84.0
176   m   14.67     61.5     81.0
177   m   14.00     66.5    111.5
178   m   12.42     52.5     81.0
179   m   11.83     55.0     70.0
180   m   15.67     71.0    140.0
181   m   16.92     66.5    117.0
182   m   11.83     58.8     84.0
183   m   15.75     66.3    112.0
184   m   15.67     65.8    150.5
185   m   16.67     71.0    147.0
186   m   12.67     59.5    105.0
187   m   14.50     69.8    119.5
188   m   13.83     62.5     84.0
189   m   12.08     56.5     91.0
190   m   11.92     57.5    101.0
191   m   13.58     65.3    117.5
192   m   13.83     67.3    121.0
193   m   15.17     67.0    133.0
194   m   14.42     66.0    112.0
195   m   12.92     61.8     91.5
196   m   13.50     60.0    105.0
197   m   14.75     63.0    111.0
198   m   14.75     60.5    112.0
199   m   14.58     65.5    114.0
200   m   13.83     62.0     91.0
201   m   12.50     59.0     98.0
202   m   12.50     61.8    118.0
203   m   15.67     63.3    115.5
204   m   13.58     66.0    112.0
205   m   14.25     61.8    112.0
206   m   13.50     63.0     91.0
207   m   11.75     57.5     85.0
208   m   14.50     63.0    112.0
209   m   11.83     56.0     87.5
210   m   12.33     60.5    118.0
211   m   11.67     56.8     83.5
212   m   13.33     64.0    116.0
213   m   12.00     60.0     89.0
214   m   17.17     69.5    171.5
215   m   13.25     63.3    112.0
216   m   12.42     56.3     72.0
217   m   16.08     72.0    150.0
218   m   16.17     65.3    134.5
219   m   12.67     60.8     97.0
220   m   12.17     55.0     71.5
221   m   11.58     55.0     73.5
222   m   15.50     66.5    112.0
223   m   13.42     56.8     75.0
224   m   12.75     64.8    128.0
225   m   16.33     64.5     98.0
226   m   13.67     58.0     84.0
227   m   13.25     62.8     99.0
228   m   14.83     63.8    112.0
229   m   12.75     57.8     79.5
230   m   12.92     57.3     80.5
231   m   14.83     63.5    102.5
232   m   11.83     55.0     76.0
233   m   13.67     66.5    112.0
234   m   15.75     65.0    114.0
235   m   13.67     61.5    140.0
236   m   13.92     62.0    107.5
237   m   12.58     59.3     87.0
>
> ggplot(heightweight, aes(x=ageYear, y=heightIn, colour=weightLb)) + geom_point()
> ggplot(heightweight, aes(x=ageYear, y=heightIn, size=weightLb)) + geom_point()
> ggplot(heightweight, aes(x=weightLb, y=heightIn, fill=ageYear)) +
+     geom_point(shape=21, size=2.5) +
+     scale_fill_gradient(low="black", high="white")
>
> ggplot(heightweight, aes(x=weightLb, y=heightIn, fill=ageYear)) +
+     geom_point(shape=21, size=2.5) +
+     scale_fill_gradient(low="black", high="white", breaks=12:17,
+                         guide=guide_legend())
>
> ggplot(heightweight, aes(x=ageYear, y=heightIn, size=weightLb, colour=sex)) +
+     geom_point(alpha=.5) +
+     scale_size_area() + # Make area proportional to numeric value
+     scale_colour_brewer(palette="Set1")
>
> sp <- ggplot(diamonds, aes(x=carat, y=price))
>
> sp + geom_point()
>
> sp + geom_point(alpha=.1)
> sp + geom_point(alpha=.01)
> sp + stat_bin2d()
>
> sp + stat_bin2d(bins=50) +
+     scale_fill_gradient(low="lightblue", high="red", limits=c(0, 6000))
>
> library(hexbin)
Warning message:
package ‘hexbin’ was built under R version 3.5.2
> library(hexbin)
> sp + stat_binhex() +
+     scale_fill_gradient(low="lightblue", high="red",
+                         limits=c(0, 8000))
>
> sp + stat_binhex() +
+     scale_fill_gradient(low="lightblue", high="red",
+                         breaks=c(0, 250, 500, 1000, 2000, 4000, 6000),
+                         limits=c(0, 6000))
>
> sp1 <- ggplot(ChickWeight, aes(x=Time, y=weight))
>
> sp1 + geom_point()
>
> sp1 + geom_point(position="jitter")
> sp1 + geom_point(position=position_jitter(width=.5, height=0))
>
> sp1 + geom_boxplot(aes(group=Time))
> sp <- ggplot(heightweight, aes(x=ageYear, y=heightIn))
>
> sp + geom_point() + stat_smooth(method=lm)
> sp + geom_point() + stat_smooth(method=lm, level=0.99)
> sp + geom_point() + stat_smooth(method=lm, se=FALSE)
>
> sp + geom_point(colour="grey60") +
+     stat_smooth(method=lm, se=FALSE, colour="black")
>
> sp + geom_point(colour="grey60") + stat_smooth()
`geom_smooth()` using method = 'loess' and formula 'y ~ x'
> sp + geom_point(colour="grey60") + stat_smooth(method=loess)
>
> library(MASS)
> b <- biopsy
> b$classn[b$class=="benign"] <- 0
> b$classn[b$class=="malignant"] <- 1
>
> ggplot(b, aes(x=V1, y=classn)) +
+     geom_point(position=position_jitter(width=0.3, height=0.06), alpha=0.4,
+                shape=21, size=1.5) +
+     stat_smooth(method=glm, family=binomial)

Warning: Ignoring unknown parameters: family
>
> sps <- ggplot(heightweight, aes(x=ageYear, y=heightIn, colour=sex)) +
+     geom_point() +
+     scale_colour_brewer(palette="Set1")
>
> sps + geom_smooth()
`geom_smooth()` using method = 'loess' and formula 'y ~ x'
>
> sps + geom_smooth(method=lm, se=FALSE, fullrange=TRUE)
> model <- lm(heightIn ~ ageYear + I(ageYear^2), heightweight)
>
> xmin <- min(heightweight$ageYear)
>
> xmax <- max(heightweight$ageYear)
> predicted <- data.frame(ageYear=seq(xmin, xmax, length.out=100))
>
> predicted$heightIn <- predict(model, predicted)
> sp <- ggplot(heightweight, aes(x=ageYear, y=heightIn)) +
+     geom_point(colour="grey40")
>
> sp + geom_line(data=predicted, size=1)
>
> predictvals <- function(model, xvar, yvar, xrange=NULL, samples=100, ...) {
+     if (is.null(xrange)) {
+         if (any(class(model) %in% c("lm", "glm")))
+             xrange <- range(model$model[[xvar]])
+         else if (any(class(model) %in% "loess"))
+             xrange <- range(model$x)
+     }
+   
+ newdata <- data.frame(x = seq(xrange[1], xrange[2], length.out = samples))
+ names(newdata) <- xvar
+ newdata[[yvar]] <- predict(model, newdata = newdata, ...)
+ newdata
+ }
> modlinear <- lm(heightIn ~ ageYear, heightweight)
> modloess <- loess(heightIn ~ ageYear, heightweight)
>
> lm_predicted <- predictvals(modlinear, "ageYear", "heightIn")
> loess_predicted <- predictvals(modloess, "ageYear", "heightIn")
> sp + geom_line(data=lm_predicted, colour="red", size=.8) +
+     geom_line(data=loess_predicted, colour="blue", size=.8)
> md <- data.frame(deaths = as.numeric(mdeaths),
+                  month = as.numeric(cycle(mdeaths)))
> md <- ddply(md, "month", summarise, deaths = mean(deaths))
> p <- ggplot(md, aes(x=month, y=deaths)) + geom_line() +
+     scale_x_continuous(breaks=1:12)

> p + coord_polar()
>
> p + coord_polar() + ylim(0, max(md$deaths))
> mdx <- md[md$month==12, ]
>
> mdx$month <- 0
> mdnew <- rbind(mdx, md)
>
> p %+% mdnew + coord_polar() + ylim(0, max(md$deaths))
>
> str(economics)
Classes ‘tbl_df’, ‘tbl’ and 'data.frame': 574 obs. of  6 variables:
 $ date    : Date, format:  ...
 $ pce     : num  507 510 516 513 518 ...
 $ pop     : int  198712 198911 199113 199311 199498 199657 199808 199920 200056 200208 ...
 $ psavert : num  12.5 12.5 11.7 12.5 12.5 12.1 11.7 12.2 11.6 12.2 ...
 $ uempmed : num  4.5 4.7 4.6 4.9 4.7 4.8 5.1 4.5 4.1 4.6 ...
 $ unemploy: int  2944 2945 2958 3143 3066 3018 2878 3001 2877 2709 ...
> ggplot(economics, aes(x=date, y=psavert)) + geom_line()
>
> econ <- subset(economics, date >= as.Date("1992-05-01") &
+                    date < as.Date("1993-06-01"))
> p <- ggplot(econ, aes(x=date, y=psavert)) + geom_line()
> datebreaks <- seq(as.Date("1992-06-01"), as.Date("1993-06-01"), by="2 month")
>
> p + scale_x_date(breaks=datebreaks) +
+     theme(axis.text.x = element_text(angle=30, hjust=1))
> library(scales)
Warning message:
package ‘scales’ was built under R version 3.5.2
> library(scales)
> p + scale_x_date(breaks=datebreaks, labels=date_format("%Y %b")) +
+     theme(axis.text.x = element_text(angle=30, hjust=1))
>
> www <- data.frame(minute = as.numeric(time(WWWusage)),
+                   users = as.numeric(WWWusage))
> timeHM_formatter <- function(x) {
+     h <- floor(x/60)
+     m <- floor(x %% 60)
+     lab <- sprintf("%d:%02d", h, m) # Format the strings as HH:MM
+     return(lab)
+ }
>
> ggplot(www, aes(x=minute, y=users)) + geom_line()
> ggplot(www, aes(x=minute, y=users)) + geom_line() +
+     scale_x_continuous(name="time", breaks=seq(0, 100, by=10),
+                        labels=timeHM_formatter)
> scale_x_continuous(breaks=c(0, 20, 40, 60, 80, 100),
+                    labels=c("0:00", "0:20", "0:40", "1:00", "1:20", "1:40"))

<ScaleContinuousPosition>
 Range:
 Limits:    0 --    1
> timeHM_formatter(c(0, 50, 51, 59, 60, 130, 604))
[1] "0:00"  "0:50"  "0:51"  "0:59"  "1:00"  "2:10"
[7] "10:04"
>
> timeHMS_formatter <- function(x) {
+     h <- floor(x/3600)
+     m <- floor((x/60) %% 60)
+     s <- round(x %% 60) # Round to nearest second
+     lab <- sprintf("%02d:%02d:%02d", h, m, s)
+ lab <- sub("^00:", "", lab) # Remove leading 00: if present
+ lab <- sub("^0", "", lab) # Remove leading 0 if present
+ return(lab)
+ }
> islice <- subset(isabel, z == min(z))
>
> ggplot(islice, aes(x=x, y=y)) +
+     geom_segment(aes(xend = x + vx/50, yend = y + vy/50),
+                  size = 0.25)

Post a Comment

0 Comments