ggplot2语法
入门级绘图模版
属性设置
分面
几何对象
统计变换
位置调整
坐标系
以上是各种参数，需要的时候用一下就可以。
1.入门级绘图模板
ggplot(data = <DATA>)+
<GEOM_FUNCTION>(mapping =aes(<MAPPINGS>))
< >：里面的内容是模版，使用时需要替换掉。
<GEOM_FUNCTION>：为画图函数，可以使用不同类型的函数图如：点图 geom_point，箱线图geom_boxplot等。
<MAPPINGS>：画图的参数如横、纵坐标，图形映射等属性。
ggplot(data = iris)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length))
##iris替换<DATA>，geom_point替换<GEOM_FUNCTION>，<MAPPINGS>为映射：x，y为横纵坐标。
入门级绘图模版只需要：作图数据、横纵坐标（只需要填到相应位置）
ggplot的语法特殊性：用
+连接，一般放在行末，换行代码有缩进；不允许加引号，不用
$，失去tab键补全的权利。好处是代码易读，缺点是没有办法自动补齐。
2.属性设置（颜色、大小、透明度、点形状、线型等）
2.1手动设置
需要设置为有意义的值，把所有的点设置为同一颜色，直接指定是哪个颜色
| 属性 | 参数 |
|---|---|
| 颜色 | color（red或是blue等） |
| 大小 | size（1到5mm） |
| 形状 | shape（有一套数字与之对应） |
| 透明度 | alpha（零点几或是百分之几） |
| 填充颜 | fill（有时候用不到） |
自行设置有一定的要求：
手动设置需要设为有意义的值
颜色：字符串，blue，red等
大小：单位mm（一般为1到5），写的时候不要单位。
形状：数字编号表示，有25种形状，如shape=1。
ggplot(data = iris) +
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length),
color = "blue")
##注意属性的位置为color = "blue"，属性前的东西当模版用。这个位置可以加shape=1等。
ggplot(data = iris) +
geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length),
size = 5, # 点的大小5mm
alpha = 0.5, # 透明度 50%
shape = 8) # 点的形状
前面的属性设置和数据没有关系，如Sepal和Petal全部的点设置为蓝色。
设置一个与数据有关系的属性。
2.2 映射：按照数据框的某一列来定义图的某个属性
| 属性 | 参数 |
|---|---|
| x轴 | x |
| y轴 | y |
| 颜色 | color |
| 大小 | size |
| 形状 | shape |
| 透明度 | alpha |
| 填充颜色 | fill |
ggplot(data = iris)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length,
color = Species))
##color = Species，点的颜色不是全蓝，根据品种的颜色来分配不同的颜色，与数据是完全挂钩的。
根据数据框上Species这一列不同取值来分配颜色，颜色的种类与这一列的取值有关，用默认的就可以。
映射vs手动设置：color = Species与 color = "blue"的区别：
（1）所从属的函数不同，映射的color = Species是aes里的参数，是列名；color = "blue"是手动设置的geom_point的参数，是具体的颜色。
（2）映射的点颜色，根据数据框的某一列，列有多少种取值，对应多少种颜色，与数据挂钩；手动设置只有一种颜色。
映射：根据数据的某一列的值分配颜色。
手动设置：把图形设置为一个或是n个颜色，与数据无关。
2.3 Q1 能不能自行指定映射的具体颜色？
不要默认的颜色，有些杂志有指定的颜色分配：
ggplot(data = iris)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length,
color = Species))+
scale_color_manual(values = c("blue","grey","red"))
##要求映射 color = Species)；还有指定颜色scale_color_manual(values = c("blue","grey","red")，table列，看看有几个不同的取值，之后指定几种颜色。
##现成的语法，不允许乱改动。
##设定scale_color_manual(values = c("blue","grey","red")之前一定要有（指定）映射color = Species，
##除了scale_color_manual之外还有shape，scale_shape_manual，前提是要先指定映射shape=
映射：领导思维，只说按照某列分配颜色，不必须说具体是哪几种颜色。
自行指定映射的具体颜色（maual），values，不能少。
在谷歌里输入十六进制颜色代码，就可以找到对应的颜色编码。还有配色的R包，会提供一系列的颜色。
2.4 Q2 区分color和fill两个属性
在大部分情况下是用不到的，只是在一部分情况下用到。
区分color和fill两个属性：实心和空心形状。
只用color的情况
Q2-1 空心形状和实心形状都用color设置颜色：shape=
library(ggplot2)
ggplot(data = iris)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length,
color = Species),
shape = 17)#17号，实心的例子
ggplot(data = iris)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length,
color = Species),
shape = 2) #2号，空心的例子
##两者用color来表示局就可以。单色图形，统一用color来表示，不用fill
- fill：双色的情况，25个数字表示25种形状，21到24就是双色的例子，有边框又有内部填充颜色的形状才设置两个参数：color和fill。color是管边框的，fill是管内心的。
- color为设置边框颜色，fill为填充图形颜色设置，color和fill是单独存在的，得看图形设置，两者有时候一起用，映射的对象是列名，color=列名，fill=列名。
Q2-2 既有边框又有内心的，才需要color和fill两个参数
ggplot(data = iris)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length,
color = Species),
shape = 24,
fill = "black") #24号，双色的例子
3. 分面
分面：根据一种属性，切换为几张子图，如iris的Species列有3种取值，把每种取值分为一张子图。
（拼图：把Species的3个品种分别画成点图，然后拼到一起。首先把iris切分为3个数据：a1，a2，a3，其次需要用相同的代码对3个数据画图，最后把这三张图拼到一起。拆数据，分别画图，拼图）
分面只需要仅仅一句代码，分面根据数据框的某一列来把图分成若干张子图，Species有3个品种，就分为3张，如果有100个品种就不要分面。
3.1 单分面： facet_wrap(~ Species) ，分面的列Species。
ggplot(data = iris) +
geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length)) +
facet_wrap(~ Species)
##facet_wrap(~ Species)，分面的依据是Species
3.2 双分面： facet_grid(Group ~ Species)
iris里没有Group这一列，可以加上，iris$Group=，但是比较麻烦，iris是一个公共的内置数据，这次对iris修改，下次使用iris时不一样，修改内置数据是一个非常坏的习惯。
dat = iris
##把iris的内容传递给dat，赋值给dat，之后对dat这个数据进行修改，不会同步到iris。
dat$Group = sample(letters[1:5],150,replace = T)
##dat$Group=，新增Group这一列；?sample的反馈：sample为随机取样的函数，letters[1:5]，取前5个小写字母，内置数据不仅包括数据框还有向量，字母也是内置向量。150为取样的总体，replace = F为默认参数，不可放回，会报错，所以要设置replace = T，意思是可放回。
ggplot(data = dat) +
geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length)) +
facet_grid(Group ~ Species)
满足分面的列首先得有重复值
以下是自己的思考与尝试：
分面依据的列，该列里面的数据类型是不是字符型？数值型可以吗？
可以的，自己探索，不知道有没有意义
dat = iris
dat$Group = sample(1:5,150,replace = T)
##sample(1:5,150,replace = T)处,1:3，纵分面更少
ggplot(data = dat) +
geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length)) +
facet_grid(Group ~ Species)
dat = iris
dat$Group = sample(1:3,150,replace = T)
ggplot(data = dat) +
geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length)) +
facet_grid(Group ~ Species)
横线内是自己的尝试，可能没有意义，出于好奇。
4.几何对象
什么是几何对象？
指的是一个以geom开头的函数，能画出来的所有图形。所有的点（或是方块）看成一个整体，也称为几何对象，也称为图层。
<GEOM_FUNCTION>在入门级是被画点图geom_point()函数取代
以上图区别是geom_后的参数不一样，把geom_point()函数换了，要注意输入数据，是不是x和y就可以了，如多边形，不是只要x和y就可以的。画什么样的几何图直接到网上搜对应的函数，不需要把每个函数都背诵下来。
局部设置和全局设置
几何对象可以叠：如线图和点图的叠加
4.1 局部设置
ggplot(data = iris) +
geom_smooth(mapping = aes(x = Sepal.Length,
y = Petal.Length))+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length))
4.2 全局设置（简化代码)
ggplot(data = iris,mapping = aes(x = Sepal.Length, y = Petal.Length))+
geom_smooth()+
geom_point()
局部设置和全局设置的代码不一样，但是出的图是一样的。
4.3 代码区别：
- 第一个区别：
局部设置的代码里mapping写了两次，全局设置的mapping写在被当做模版处，
用ggplot画任何一张图，开头永远都是ggplot，后面可以用+连接若干个geom_函数，开头一定是ggplot，mapping放的位置不一样，效果是一样的，全局设置可以起简化作用。
现在有color，只想给点加上颜色，不想给曲线加颜色，在点图函数里加上映射：aes()。
两个或是多个画图函数一起画图，单独想给某个图形设置颜色，在该图形的函数里加映射aes(color=或是fill=)。
ggplot(data = iris,mapping = aes(x = Sepal.Length, y = Petal.Length))+
geom_smooth()+
geom_point(mapping = aes(color=Species))
##Species不能使用自动补齐
- 第二个区别：映射
局部设置：仅对当前图层有效
全局设置：对所有图层有效
图层：geom_xxx()画出的单个几何对象。
练习题及代码：
### 1.尝试写出下图的代码
#数据是iris，x轴是Species，y轴是Sepal.Width,图是箱线图
ggplot(data = iris)+
geom_boxplot(mapping = aes(x=Species,
y=Sepal.Width))
ggplot(data = iris)+
geom_boxplot(mapping = aes(x=Species,
y=Sepal.Width,
fill=Species))
#color=Species
##fill=Species或是color=Species对比一下。color默认的颜色是黑色
### 2. 尝试在此图上叠加点图，
# 能发现什么问题？
ggplot(data = iris,mapping = aes(x=Species,y=Sepal.Width,fill=Species))+
geom_boxplot()+
geom_point()
##每个品种本来是有50个点，但是从图片上没有50个，因为点之间发生重合
5.统计变换
直方图：代码里只有指定x，没有指定y。
View(diamonds)
##diamonds为内置数据，5万多行，每一行记录一颗钻石的信息。
table(diamonds$cut)
##cut为切割质量，有5个等级，用直方图统计每个等级有多少颗钻石
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut))
ggplot(data = diamonds) +
stat_count(mapping = aes(x = cut))
##以上两句代码画出来的图是一样的。不同在于代码geom_bar，把这一列画一个直方图；stat_count()为统计变换函数，它和这些几何对象有一定的对应关系，在这里的意思是，把这一列统计并且画图展示。一个是画图，一个是展示数据。
##代码里只有指定x，没有指定y，cut里面有5个取值，每个取值重复若干次，作为纵坐标，是计算得来，自动计算。
统计变换使用场景
5.1 不统计，数据直接做图
有时候拿到的直方图不是原始数据，而是统计好的，两列的数据：每个等级以及出现的次数，使用表中数据直接作图，不统计。
fre = as.data.frame(table(diamonds$cut))
fre
ggplot(data = fre) +
geom_bar(mapping = aes(x = Var1, y = Freq), stat = "identity")
##stat = "identity"，意思是画只给的x和y，给啥画啥，不要统计。
使用场景2：不统计count，统计prop（比例）
有时候不需要统计数，而是统计比例：
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, y = ..prop.., group = 1))
##prop不是这个数据的某一列，所以写成这样..prop..为纵坐标，group = 1，把所有5万颗钻石当做一个整体，当作一个分组，如果不加group = 1，会把每个等级当作一组，各自占自己的100%。自己试了把group = 1去掉，没有比例，画出来为5根等长的柱形图。不习惯的是这个写法..prop..，大神就是大神，习惯就好。
6.位置调整
6.1 抖动的点图
有些数据很接近，画点图的时候，这些点会重叠，有两种方法
geom_point()加参数position，geom_jitter()函数是不要把横坐标限制严，在一个范围以内都属于该横坐标，范围宽一点，重合的点，横纵坐标错一下位，就不会发生重叠。
ggplot(data = mpg,mapping = aes(x = class,
y = hwy)) +
geom_boxplot()+
geom_point()
ggplot(data = mpg,mapping = aes(x = class,
y = hwy)) +
geom_boxplot()+
geom_jitter()
补充dotplot，点不重合，也不奔放
ggplot(data = mpg,mapping = aes(x = class,
y = hwy)) +
geom_boxplot()+
geom_dotplot(binaxis = "y",binwidth = .5,stackdir = "center")
6.2 堆叠直方图
直方图不是只能展示一个变量，可以展示两个变量，如数据集diamonds的两列：cut和clarity
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut,fill=clarity))
##因为横纵坐标被占掉，对于clarity只能用颜色来表示
6.3 并列直方图
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = clarity), position = "dodge")
并列直方图与堆叠直方图之间就是多了一个参数：position = "dodge"，堆叠直方图展示总体数字以及各自的比例，并列直方图展示每个切割质量的clarity具体数值。
7.坐标系
已经画好一张图，不想牵一发而动全身，即不想改很多东西，而是想把坐标系转一转，横纵坐标的对调
7.1 翻转坐标系coord_flip()
ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
geom_boxplot() +
coord_flip()
7.2 极坐标系coord_polar()
在直方图的基础上，用柱子表示数字换成用伞形的面积表示数字
bar <- ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, fill = cut),
width = 1
) +
theme(aspect.ratio = 1) +
labs(x = NULL, y = NULL)
bar
bar + coord_flip()
bar + coord_polar()
8.ggplot图片背景的设置：
ggplot(data = iris,mapping = aes(x=Species,y=Sepal.Width,fill=Species))+
geom_boxplot()+
geom_point()
原图：
与背景相关的函数：theme_可能有9个
8.1 去灰色背景：加上 theme_bw()
ggplot(data = iris,mapping = aes(x=Species,y=Sepal.Width,fill=Species))+
geom_boxplot()+
geom_point()+
theme_bw()
8.2 横纵坐标的框框消失：theme_classic()
ggplot(data = iris,mapping = aes(x=Species,y=Sepal.Width,fill=Species))+
geom_boxplot()+
geom_point()+
theme_classic()
9.完整绘图模板
ggplot(data = <DATA>)+
<GEOM_FUNCTION>(mapping =aes(<MAPPINGS>)),到这里为初级绘图模版
stat=<STAT >,统计变换，不常用
position=<POSITION>，位置关系，不常用
)+
<COORDINATE_FUNCTION> + 坐标系的变换
<FACET_FUNCTION>分面
实战经验：R语言--ggplot2（基础不牢，地动山摇）
说明
以上内容是听生信技能树小洁老师的R语言线上课，根据自己的理解记录下来，小洁老师授课非常细心，对不同水平的同学都照顾到，并且补充很多技巧以及注意事项。设计的练习题，对知识的掌握和理解有辅助作用。
更多学习资料：
官网链接：
https://ggplot2.tidyverse.org/
《R Graphics Cookbook, 2nd edition》
《R for Data Science》
《ggplot2: Elegant Graphics for Data Analysis》
