軸ティックの数を増やす

一部のデータのプロットを生成していますが、目盛りの数が少なすぎるため、読み取り精度を上げる必要があります。

ggplot2の軸目盛りの数を増やす方法はありますか？

軸ティックとしてベクトルを使用するようにggplotに指示できることは知っていますが、すべてのデータについて、ティックの数を増やしたいです。つまり、データからティック数を計算したいのです。

おそらくggplotはこれを内部的にいくつかのアルゴリズムで実行しますが、それがどのように行われるかを見つけることができず、必要に応じて変更します。

scale_x_continuousまたはを変更することで、ggplotsのデフォルトのスケールを上書きできますscale_y_continuous。例えば：

library(ggplot2)
dat <- data.frame(x = rnorm(100), y = rnorm(100))

ggplot(dat, aes(x,y)) +
  geom_point()

これを与える：

スケールをオーバーライドすると、次のような結果が得られます。

ggplot(dat, aes(x,y)) +
  geom_point() +
  scale_x_continuous(breaks = round(seq(min(dat$x), max(dat$x), by = 0.5),1)) +
  scale_y_continuous(breaks = round(seq(min(dat$y), max(dat$y), by = 0.5),1))

プロットの特定の部分を単純に「拡大」したい場合は、xlim()およびをylim()それぞれ見てください。他の議論を理解するための良い洞察もここにあります。

Daniel Krizianのコメントに基づいて、自動的にインポートされるライブラリのpretty_breaks関数を使用することもできscalesます。

ggplot(dat, aes(x,y)) + geom_point() +
scale_x_continuous(breaks = scales::pretty_breaks(n = 10)) +
scale_y_continuous(breaks = scales::pretty_breaks(n = 10))

必要なティック数を挿入するだけですn。

（データ変数を再度指定する必要があるため）少し役に立たない解決策として、組み込みpretty関数を使用できます。

ggplot(dat, aes(x,y)) + geom_point() +
scale_x_continuous(breaks = pretty(dat$x, n = 10)) +
scale_y_continuous(breaks = pretty(dat$y, n = 10))

関数の引数をscaleに指定すると、ggplotはその関数を使用して目盛りの位置を計算します。

library(ggplot2)
dat <- data.frame(x = rnorm(100), y = rnorm(100))
number_ticks <- function(n) {function(limits) pretty(limits, n)}

ggplot(dat, aes(x,y)) +
  geom_point() +
  scale_x_continuous(breaks=number_ticks(10)) +
  scale_y_continuous(breaks=number_ticks(10))

の次期バージョンv3.3.0にggplot2はn.breaks、scale_x_continuousおよびのブレークを自動的に生成するオプションがあります。scale_y_continuous

    devtools::install_github("tidyverse/ggplot2")

    library(ggplot2)

    plt <- ggplot(mtcars, aes(x = mpg, y = disp)) +
      geom_point()

    plt + 
      scale_x_continuous(n.breaks = 5)

    plt + 
      scale_x_continuous(n.breaks = 10) +
      scale_y_continuous(n.breaks = 10)

さらに、

ggplot(dat, aes(x,y)) +
geom_point() +
scale_x_continuous(breaks = seq(min(dat$x), max(dat$x), by = 0.05))

ビニングまたは離散スケーリングされたx軸データで機能します（つまり、丸めは必要ありません）。