一、基本思想和语法框架
- 基本思想：
图形分层是关键，图形叠加靠+来实现 - 基本语法框架如下：
ggplot() + # 基础图层，不出现图形
geom_xxx() | stat_xxx() + # 几何图层或统计变化，出现图形
facet_xxx() + # 分面系统，将某个变量进行分面交换
coord_xxx() + # 坐标变化，默认为笛卡尔坐标系
guides() + # 图例调整
theme() + # 主题设定
labs() + # 图表标题和坐标轴标题
scale_xxx() # 度量调整，调整具体的标度
- 其中，
ggplot()+geom_xxx() | stat_xxx()是ggplot2画图的核心部分，是ggplot2图形所必需的元素； - 而
facet_xxx()、coord_xxx()、guides()、theme()、labs()和scale_xxx()是ggplot2画图的美化部分，属于非必需的元素。
二、实战演习
> mpg
# A tibble: 234 x 11
manufacturer model displ year cyl trans drv cty hwy fl class
<chr> <chr> <dbl> <int> <int> <chr> <chr> <int> <int> <chr> <chr>
1 audi a4 1.8 1999 4 auto(l5) f 18 29 p compact
2 audi a4 1.8 1999 4 manual(m5) f 21 29 p compact
3 audi a4 2 2008 4 manual(m6) f 20 31 p compact
4 audi a4 2 2008 4 auto(av) f 21 30 p compact
5 audi a4 2.8 1999 6 auto(l5) f 16 26 p compact
6 audi a4 2.8 1999 6 manual(m5) f 18 26 p compact
7 audi a4 3.1 2008 6 auto(av) f 18 27 p compact
8 audi a4 quattro 1.8 1999 4 manual(m5) 4 18 26 p compact
9 audi a4 quattro 1.8 1999 4 auto(l5) 4 16 25 p compact
10 audi a4 quattro 2 2008 4 manual(m6) 4 20 28 p compact
# … with 224 more rows
-
mpg数据集包含了由美国环境保护协会收集的 38 种车型的观测数据； -
mpg数据集包括以下变量：
| 参数 | 解释 |
|---|---|
manufacturer |
生产商 |
model |
型号 |
displ |
引擎大小，单位为升 |
year |
制造年份 |
cyl |
气缸数 |
trans |
变速器 |
drv |
驱动系统。其中，f是前轮驱动，r是后轮驱动，4是前、后驱动 |
cty |
汽车在城市公路上行驶时的燃油效率，单位为英里 / 加仑 |
hwy |
汽车在高速公路上行驶时的燃油效率，单位为英里 / 加仑 |
fl |
燃油类型 |
class |
车型 |
- 下面，我们以
mpg数据集为例子进行演示；
①. 创建ggplot2图形
· 创建ggplot2图形，我们需要ggplot()+geom_xxx() | stat_xxx()
· 例如：
ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy))
image.png
· 假如我们只有
ggplot()，没有geom_xxx() | stat_xxx()· 我们发现
只有空白图被创建
ggplot(data = mpg)
image.png
·
geom_xxx()和stat_xxx()很相似，大多数情况下可以产出一样的图片· 但
geom_xxx()倾向于作图，stat_xxx()倾向于统计· 大多数情况下，
ggplot()+geom_xxx()可以满足我们的需求
> ggplot(data = mpg) + geom_bar(mapping = aes(x = drv))
image.png
> ggplot(data = mpg) + stat_count(mapping = aes(x = drv))
image.png
· 与此同时，mapping是一个需要注意的参数
· 没有mapping，函数将发生报错
> ggplot(data = mpg) + geom_point()
Error: geom_point requires the following missing aesthetics: x and y
Run `rlang::last_error()` to see where the error occurred.
· mapping就是映射。
· 除了映射基本的X轴和Y轴，还可以映射color、fill、alpha、size、linetype、shape等
· 例如，映射到color中：
ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy, color = class))
image.png
· 可以指定所有点为同一颜色
ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy), color = "blue")
image.png
· 虽然数据集中有234 个观测值，但散点图中只显示了 126 个点
· 因为hwy和displ的值都进行了舍入取整，所以这些点显示在一个网格上时，很多点彼此重叠了。这个问题称为过绘制。点的这种排列方式很难看出数据的聚集模式。
· 通过将位置调整方式设为“抖动”，例如position = "jitter"，可以避免这种网格化排列。 为每个数据点添加一个很小的随机扰动，这样就可以将重叠的点分散开来，因为不可能有两个点会收到同样的随机扰动：
ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy, color = class),
position = "jitter"
)
image.png
· 例如，映射到alpha中：
> ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy, alpha=displ))
image.png
· 例如，映射到'shape'中：
> ggplot(data = mpg)+ geom_point(mapping = aes(x = displ, y = hwy, shape=displ))
Error: A continuous variable can not be mapped to shape
Run `rlang::last_error()` to see where the error occurred.
> ggplot(data = mpg)+ geom_point(mapping = aes(x = displ, y = hwy, shape=drv))
image.png
· 可以指定所有点为同一形状
ggplot(data = mpg)+ geom_point(mapping = aes(x = displ, y = hwy),shape=1)
image.png
image.png
· 总结一下所有的映射参数：
| 参数 | 意义 |
|---|---|
color/col/colour |
点、线、和填充区域轮廓的颜色 |
fill |
填充区域的颜色 |
alpha |
颜色的透明度，数值范围从0（完全透明）到1（不透明） |
size |
点的尺寸或线的宽度，默认单位为mm |
angle |
角度 |
vjust |
指垂直位置微调，在（0，1）区间的数字或位置字符串：0=‘button’，0.5=‘middle’，1=‘top’ |
hjust |
指水平位置微调，在（0，1）区间的数字或位置字符串：0=‘left’，0.5=‘center’，1=‘right’ |
linetype |
线条的类型，包括白线（0=‘blank’）、实线（1=‘solid’）、短虚线（2=‘dashed’）、点线（3=‘dotted’）、点横线（4=‘dotdash’）、长虚线（5=‘longdash’）、短长虚线（6=‘towdash’） |
shape |
点的形状，为[0，25]区间的26个整数，分别对应方形、圆形、三角形、菱形等26中不同的形状。有的形状有填充颜色（fill属性），但有的形状只有轮廓颜色（color）的属性。 |
· mapping可以放在ggplot() 里面，也可以放在 geom_point()里面
· 当你有多个 geom_point()时，放在ggplot() 里面是一个方便的选择
· 但当你对每个geom_point()都有不同的映射要求时，你需要在每个geom_point()单独放一个mapping
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
geom_smooth(mapping = aes(x = displ, y = hwy))
image.png
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point() +
geom_smooth()
image.png
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point(mapping = aes(color = class)) +
geom_smooth(mapping = aes(group = drv))
image.png
②.美化部分
1）.构面：facet_xxx()
· 通过单个变量对图进行分面，可以使用函数 facet_wrap()
· 传递给 facet_wrap() 的变量应该是离散型的
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_wrap(~ class, nrow = 2)
image.png
· 通过
两个变量对图进行分面，需要在绘图命令中加入函数facet_grid()
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(drv ~ cyl)
image.png
2）.坐标系：coord_xxx()
· 默认的坐标系是笛卡儿直角坐标系
· coord_flip()函数可以交换 x 轴和 y 轴
· coord_polar()函数使用极坐标系
ggplot(data = mpg) +
geom_bar(mapping = aes(x = drv,fill=drv))
image.png
ggplot(data = mpg) +
geom_bar(mapping = aes(x = drv,fill=drv))+coord_flip()
ggplot(data = mpg) +
geom_bar(mapping = aes(x = drv,fill=drv))+coord_polar()
image.png
3）.图例：guides()
· 如果要控制图例的整体位置，你需要设置 theme()函数中的legend.position参数；
ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(color = class)) +
geom_smooth(se = FALSE) +
theme(legend.position = "bottom")
image.png
· 如果想要更加精细地调整图例，请配合 guide_legend()或guide_colorbar() 函数来使用guides() 函数
ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(color = class)) +
geom_smooth(se = FALSE) +
theme(legend.position = "bottom") +
guides(color = guide_legend(nrow = 1,override.aes = list(size = 4))
)
image.png
4）.主题：theme()
· theme()可以定制图形中的非数据元素：例如绘图区背景、网格线、坐标轴线条、坐标轴标签、图例的位置和背景等等
· ggplot2图表的主题系统主要对象包括文本（text）、矩形（rect）和线条（line）三大类，对应的函数包括element_text()、element_rect()、element_line()，另外还有element_black()表示该对象设置为无
image.png
· 我们来试一下axis.title：
· 原来的图片：
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point(mapping = aes(color = class)) +
geom_smooth(mapping = aes(group = drv))
image.png
· 加上axis.title=elment_black()，我们发现x轴和y轴的标题消失了
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point(mapping = aes(color = class)) +
geom_smooth(mapping = aes(group = drv)) + theme(axis.title=element_blank())
image.png
· ggplot2的主题设置参数十分繁杂
· 我们建议新手先掌握theme()中这3方面的参数：（使用频率高）
· 1. 坐标轴的标签（
axis.text.x、axis.text.y）；· 2. 图例的位置与背景（
legend.position和 legend.background）；· 3.
默认的主题系统· ggplot2 默认可以使用
8 种设置好的绘图区背景和网格线，分别如下：
image.png
· 没有应用
theme_bw()
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point(mapping = aes(color = class)) +
geom_smooth(mapping = aes(group = drv))
image.png
· 应用
theme_bw()
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point(mapping = aes(color = class)) +
geom_smooth(mapping = aes(group = drv)) + theme_bw()
image.png
· 背景风格发生了改变，似乎要比之前好看一点
· 我们试试换成
theme_classic()
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point(mapping = aes(color = class)) +
geom_smooth(mapping = aes(group = drv)) + theme_classic()
image.png
· 好像变得更好看一点了
5）.标签： labs()
· 为图形添加一个标题
ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(color = class)) +
geom_smooth(se = FALSE) +
labs( title = "Fuel efficiency generally decreases with engine size")
image.png
· 使用
labs()函数来替换坐标轴中的标题和图例中的标题
ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(color = class)) +
geom_smooth(se = FALSE) +
labs(
x = "Engine displacement (L)",
y = "Highway fuel economy (mpg)",
colour = "Car type"
)
image.png
6）.度量：scale_xxx()
· 度量用于控制变量映射到视觉对象的具体细节，比如：X轴和Y轴的度量、alpha（透明度）、color（轮廓颜色）、fill（填充颜色）、lineshape（线条形状）、shape（形状）等，他们都有相应的度量函数。
· 根据视觉通道映射的变量属性，将度量调整函数分成数值型和类别型两大类
· 需要注意的是：scale_*_manual()表示手动自定义离散的度量
image.png
· 原来的图形：
ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(size = cty),color="green")
image.png
· 加了scale_size()限定一下点的大小
ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(size = cty),color="green") +scale_size(range = c(0.1,3))
image.png
· 加了
scale_x_continuous更改X轴范围
ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(size = cty),color="green") +scale_x_continuous(limits = c(1,10))
image.png
· 原来的图形：
ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(color = drv))
image.png
· 加了
scale_color_brewer()更改原来的颜色种类
ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(color = drv)) +
scale_color_brewer(palette = "Set1")
image.png
三、保存图形的方法
· 位图与矢量图的区别
- 通过
Rstudio保存图片
image.png - 使用文件类型所对应的函数，如
tiff()、png()、svg()和pdf()等
pdf("mpg.pdf")
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point(mapping = aes(color = class)) +
geom_smooth(mapping = aes(group = drv)) + theme_bw()
dev.off()
-
ggsave()函数：可以保存ggplot2包绘制的图表
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point(mapping = aes(color = class)) +
geom_smooth(mapping = aes(group = drv)) + theme_bw()
ggsave("mpg.pdf")
四、总结
ggplot() + # 基础图层，不出现图形
geom_xxx() | stat_xxx() + # 几何图层或统计变化，出现图形
facet_xxx() + # 分面系统，将某个变量进行分面交换
coord_xxx() + # 坐标变化，默认为笛卡尔坐标系
guides() + # 图例调整
theme() + # 主题设定
labs() + # 图表标题和坐标轴标题
scale_xxx() # 度量调整，调整具体的标度
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy,color = drv)) +
facet_wrap(~ class, nrow = 2) +
guides(color = guide_legend(nrow = 1)) +
theme_classic() +
labs(title = "Fuel efficiency generally decreases with engine size",
x = "Engine displacement (L)",
y = "Highway fuel economy (mpg)",
colour = "drv way") +
theme(plot.title = element_text(hjust = 0.5)) +
scale_x_continuous(limits = c(1,10)) +
theme(legend.position = "bottom")
image.png
