在这个 数据可视化教程中，我们将学习如何使用ggplot2在R中制作一个小提琴图。现在，有几种可视化数据的技术（例如，见Python相关的帖子 "9种你应该在Python中学习的数据可视化技术"），我们可以在R中使用这些技术来可视化我们的数据。简单地说，小提琴图在同一个图中结合了箱形图和柱状图。
概要
在我们进入如何在R中创建小提琴图的细节之前，我们先来看看你需要什么来遵循这个数据可视化教程。当我们有了我们需要的东西，我们将回答几个问题（例如，了解什么是小提琴图）。在这之后的章节中，我们将进入实际细节。也就是说，我们将学习如何使用ggplot2在R中创建小提琴图。此外，我们还将学习如何定制这些图。例如，你将学习如何水平显示图，根据类别填充颜色，以及添加/改变标签。
要求
首先，你显然需要有一个激活的R的安装。其次，为了使用ggplot2，你需要安装该软件包。安装R包可以通过使用install.packages() 命令来完成。
install.packages("ggplot2)
Code language: CSS (css)
这里值得指出的是，ggplot2是Tidyverse包的一部分。这意味着你可以安装Tidyverse来获得ggplot2和其他许多方便的R包。例如，你可以使用dplyr来重命名R中的某一列，删除重复的数据，并计算某一列中出现的次数。在下一节中，我们将得到一些常见问题的答案。
什么是 "小提琴图"？
正如文章前面提到的，小提琴图是一种结合箱形图和直方图的数据可视化方法。这种类型的图将显示数据的分布、中位数、四分位间距（iqr）。iqr和中位数是箱形图中显示的统计信息，而分布则是由直方图显示。
小提琴图显示什么？
小提琴图显示的是数字数据。具体来说，它将揭示数字数据的分布形状和汇总统计。它可以用来探索我们数据集中不同组别或变量的数据。
你如何在R中制作小提琴图？
要在R中制作小提琴图，你可以使用ggplot2和geom_violin()函数。例如，如果我们有一个数据框架dataF，并希望创建一个两组响应时间的小提琴图，你可以使用以下代码：p <- ggplot(anes(Group, RT), data = dataF))。
数据实例
在这篇文章中，我们将使用一个心理学实验的假数据。该数据集可以在这里下载，是可以通过使用 OpenSesame创建的Flanker任务等获得的假数据。下面是我们如何使用read.csv() 函数将数据读入R。
data = 'https://raw.githubusercontent.com/marsja/jupyter/master/flanks.csv'
df <- read.csv(data)
head(df)
Code language: R (r)
注意，你可以从CSV文件以外的不同来源获得导入数据。
这里是数据框架的快速概览，我们可以看到其中前6行的列。
如果你已经有了列表中的数据，你可以在R中把列表转换为数据框架。在接下来的代码中，我们将使用dplyr包中的一些整洁的函数：group_by() 和summarise_all() 来计算R中的描述性统计。
df %>% group_by(TrialType) %>%
select(ACC, RT) %>%
summarise_all(list(mean = mean,
std = sd,
min = min,
max = max))
Code language: R (r)
现在，在上面的代码中，我们首先使用dplyr的group_by将数据按试验类型分组（即TrialType列）。其次，我们还使用dplyr按名称选择列，使用select() 函数。最后，我们使用summarise_all() 函数（也来自dplyr）和list() 。 这里我们计算了平均值、标准差、最小值和最大值。
在下一节，我们将加载ggplot2库，学习如何在R中创建一个简单的小提琴图。
如何用ggplot2在R中制作一个小提琴图
下面是如何用R包ggplot2创建一个小提琴图。
p <- ggplot(df, aes(TrialType, RT))
p + geom_violin()
在上面的代码中，我们首先用ggplot() 函数创建了一个绘图对象。这里我们使用aes() 函数作为输入。此外，我们用分组栏（即TrialType）作为第一个参数，因变量（反应时间）作为第二个参数。在下一行，我们使用geom_violin() 函数。这将反过来创建小提琴图层。下面是我们使用R和ggplot2创建的小提琴图。
R 小提琴图：使图形水平化
在下一个例子中，我们将使用coord_flip() 函数来创建一个水平的小提琴图。
p <- ggplot(df, aes(TrialType, RT))
p + geom_violin() +
coord_flip()
正如你所看到的，在上面的代码块中，我们只是添加了这个函数，这将导致这个图。
在下一节中，我们将继续使用R和ggplot2在boxplot上创建一个小提琴图。
如何在R中创建一个小提琴图：四分位数范围、中位数
下面是我们如何在R中显示一个小提琴图，并通过叠加boxplot增加四分位数范围和中位数。
p <- ggplot(df, aes(TrialType, RT))
p + geom_violin() + geom_boxplot()
R语言中的小提琴图
正如你所看到的，对以前的代码的唯一补充是我们也使用了geom_boxplot() 函数。然而，创建的小提琴图（见上面的图片）可以更好。例如，如果我们使用宽度参数，我们可以得到一个更好的小提琴图。
p <- ggplot(df, aes(TrialType, RT))
p + geom_violin() + geom_boxplot(width = .2)
Code language: HTML, XML (xml)
在下一节中，我们将在geom_violin()函数中使用quantiles参数。我们将看到，我们也可以用它来显示第25、50和75的量值，例如。在接下来的例子中，我们将对我们用R创建的小提琴图的颜色和主题进行把玩。
如何在小提琴图中添加量纲
下面是我们如何使用quantiles 参数来为小提琴图添加量纲。
p <- ggplot(df, aes(TrialType, RT))
p + geom_violin(draw_quantiles = c(.25, .50, .75))
Code language: R (r)
如你所见，我们现在在小提琴图中得到了三条线。在下一个例子中，我们将学习如何使用颜色参数来定制我们在R中创建的小提琴图。
如何在R中改变小提琴图的颜色
下面是我们如何在R中改变小提琴图的颜色。
p <- ggplot(df, aes(TrialType, RT, color = TrialType))
p + geom_violin() + geom_boxplot(width = .2)
Code language: HTML, XML (xml)
在上面的代码块中，我们给 aes() 函数添加了一个参数：颜色参数。如果我们希望小提琴图的线条在不同的组中是不同的（即不同的颜色），我们可以使用这个参数。下面是生成的图。
在下一个例子中，我们也要对小提琴图进行填充。这很简单，正如你将看到的，我们只需使用填充参数。
如何在R中填充一个小提琴图
下面是如何在R中改变小提琴图的颜色（或填充）。
p <- ggplot(df, aes(TrialType, RT, fill = TrialType))
p + geom_violin() + geom_boxplot(width = .2)
Code language: HTML, XML (xml)
在上面的代码块中，我们添加了一个参数：fill。此外，我们在这里使用了TrialType（一个分类变量）列，所以我们根据它们属于哪种试验类型来填充小提琴图和箱形图。下面是结果图。
在R中改变小提琴图的标签
下面是我们如何改变我们在R中创建的小提琴图的标签。
p + geom_violin() + geom_boxplot(width = .2) +
labs(
title = "Comparison of Response Time by Trial Type",
x = "Trial Type",
y = "Response time (ms.)"
)
Code language: R (r)
在上面的代码块中，我们添加了labs() 函数。在这个函数中，我们使用了几个参数。首先，我们通过使用标题参数添加了一个标题。在接下来的两行中，我们改变了x-和y-标题。当我们想向其他研究人员展示数据（例如，发表我们的结果），而我们的变量（在数据集中）有缩短的名称（如RT）时，这可能很有用。要了解更多关于定制ggplot2图形的信息，请参见《如何用Ggplot2在R中制作散点图》一文。
替代软件包
现在，在结束这篇文章之前，可能值得一提的是，还有很多其他选项（例如vioplot、violinplotter）可以用来在R中创建小提琴图。例如，这里是如何安装并使用violinplotter包创建一个图。
install.packages("violinplotter")
library(violinplotter)
violinplotter(RT ~ TrialType, data = df)
Code language: R (r)
正如你所看到的，在上面的代码块中，我们使用一个公式作为第一个参数（第二个参数是数据框架）。下面是生成的小提琴图。
在上面的图片中，我们在小提琴图中得到了一些更多的信息：每个类别的观察值的数量、标准差、标准误差和95%的置信区间。
总结
在这篇文章中，你已经学会了如何在R中制作小提琴图。首先，你学到了创建小提琴图所需要的东西。其次，你了解了关于这种数据可视化技术的更多信息。其次，你通过几个例子了解了如何使用ggplot2来创建小提琴图。具体来说，你学会了如何水平显示小提琴图，为小提琴图添加一个boxplot，改变颜色和填充图，最后是如何改变图上的标签。希望你已经学到了一些东西。我真的希望你做到了。如果你对这篇博文有任何疑问，请在下面留言。
