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 y2
1 -0.12781723 -2.39376880
2 0.50074083 0.72555237
3 -0.02419456 0.94721701
4 -0.26366759 -0.60006759
5 1.13042618 -0.07591046
6 0.04313160 1.18677742
7 0.01180343 0.17627700
8 0.15208821 -0.12472391
9 -0.72690758 -1.92233170
10 1.04903577 -0.66208974
11 0.89689082 0.16331929
12 0.28471495 2.00629127
13 -0.26956768 -0.11897779
14 -0.81699454 -1.05575302
15 -0.65923768 1.20971004
16 0.18237270 1.55745467
17 -0.52359358 -0.74253496
18 1.36949647 1.07759474
19 -0.39882438 0.83915414
20 0.92084949 -1.04859906
目标绘图：
思考
我们要如何利用ggplot达到上图的效果？
需要用数据集，将y1与y2分别整理到一个新的变量上，叫做var；
里面所有的值也变成一个新的变量，叫做value；
如果只有两个变量整理起来还比较简单，但如果变量一旦增多，整理起来相对就较为繁琐。所以这里推荐使用tidyr包来进行整理。
其用起来也非常简单。
tidyr
使用如下代码，我们就可以整理成想要的结果：
dat %>%
gather(y1, y2, key = "var", value = "value")
解释一下上述代码的含义：y1, y2表示原本数据中的变量；key = "var" 表示转换之后，变量所在的那一列的名称为var；value = "value"表示转换之后，原本的值所在的那一列的名称为value
输出结果如下：
var value
1 y1 -0.12781723
2 y1 0.50074083
3 y1 -0.02419456
4 y1 -0.26366759
5 y1 1.13042618
6 y1 0.04313160
7 y1 0.01180343
8 y1 0.15208821
9 y1 -0.72690758
10 y1 1.04903577
11 y1 0.89689082
12 y1 0.28471495
13 y1 -0.26956768
14 y1 -0.81699454
15 y1 -0.65923768
16 y1 0.18237270
17 y1 -0.52359358
18 y1 1.36949647
19 y1 -0.39882438
20 y1 0.92084949
21 y2 -2.39376880
22 y2 0.72555237
23 y2 0.94721701
24 y2 -0.60006759
25 y2 -0.07591046
26 y2 1.18677742
27 y2 0.17627700
28 y2 -0.12472391
29 y2 -1.92233170
30 y2 -0.66208974
31 y2 0.16331929
32 y2 2.00629127
33 y2 -0.11897779
34 y2 -1.05575302
35 y2 1.20971004
36 y2 1.55745467
37 y2 -0.74253496
38 y2 1.07759474
39 y2 0.83915414
40 y2 -1.04859906
用了上述结果，就可以非常简单地使用ggplot2进行画图了。
ggplot2进行绘图
我们可以直接使用管道数据的处理方式进行绘图，简便快捷：
dat %>%
gather(y1, y2, key = "var", value = "value") %>%
ggplot(aes(x = value)) +
geom_histogram(aes(fill = factor(var), y = ..density..),
alpha = 0.3, colour = 'black') +
stat_density(geom = 'line', position = 'identity', size = 1.5,
aes(colour = factor(var))) +
facet_wrap(~ var, ncol = 2) +
labs(y = '直方图与密度曲线', x = '值',
title = '标题', fill = '变量') +
theme(plot.title = element_text(hjust = 0.5)) +
guides(color = FALSE)
这里基本都是前面的博客：R语言学习ggplot2绘制统计图形包全面详解 里面有提及到。
只有一个就是guides(color = FALSE)，表示隐藏线颜色的图例，因为线的颜色我们是用color =来指定的。同理如果要隐藏柱状图颜色的图例则使用 guides(fill = FALSE)即可。
最终就可以得到我们的目标绘图了！
以上就是R语言可视化tidyr与ggplot2多个变量分层展示举例实现的详细内容，更多关于R语言可视化tidyr与ggplot2多个变量分层的资料请关注编程网其它相关文章！
