R语言—ggplot2简单学习

1 初识ggplot2

1.1 功能

• 一个作图包

• 可以创建图表，如散点图、柱状图、线图，将数据可视化

1.2 要素

• 数据（data）和映射（mapping）
• 几何对象（Geometric）
• 标尺（scale）
• 统计变换（Statistics）
• 坐标系统（Coordinante）
• 图层（layer）
• 分面（Facet）
• 主题（Theme）

1.3 理念

• ggplot2将数据，数据到图形要素的映射，以及和数据无关的图形要素绘制分离
• ggplot(data,aes(x,y))+（初始化图形并指定数据源和作图变量）

​ geom_type()+ (指定图形的类型)

​ annotate()+ (添加文本注释)

​ labs()+ (修改住坐标和坐标轴标题)

​ ~~~

1.4 逻辑

• 按照图层进行叠加，通过“+”进行叠加

1.5 一些作图中用的函数

函数	添加	选项
geom_bar()	条形图	color、fill、alpha
geom_boxplot()	箱型图	color、fill、alpha、notch、width
geom_density()	密度图	color、fill、alpha、linetype
geom_histogram()	直方图	color、fill、alpha、linetype、binwidth
geom_hline()	水平线	color、alpha、linetype、size
geom_jitter()	抖动点	color、size、alpha、shape
geom_line()	线图	colorvalpha、linetype、size
geom_point()	散点图	color、alpha、shape、size
geom_rug()	地毯图	color、side
geom_smooth()	拟合曲线	method、formula、color、fill、linetype、size
geom_text()	文字注解	很多
geom_violin()	小提琴图	color、fill、alpha、linetype
geom_vline()	垂线	color、alpha、linetype、size

2 作图

2.1 散点图

library(ggplot2)

ggplot(mtcars,aes(mpg,wt))+geom_point

2.2 线性图

ggplot(data,aes(mpg,x,y))+geom_line()

2.3 柱状图

• 查看频率的分布情况

​ ggplot(data,aes(x))+geom_bar()

ggplot(mtcars,aes(cyl))+geom_bar()
ggplot(mtcars,aes(factor(cyl)))+geom_bar()

• 堆积柱形图

ggplot(mtcars,aes(factor(cyl),fill=factor(am)))+geom_bar()

• 簇状柱形图

ggplot(mtcars,aes(factor(cyl),fill=factor(am)))+geom_bar(position="dodge")

2.4 直方图

查看变量的分布情况

ggplot(data,aes(x))+geom_hisogram()

ggplot(mtcars,aes(mpg))+geom_histogram()

2.5 密度图

• 查看变量频率分布的情况

​ ggplot(data,aes(x))+geom_density()

​ ~~~

​ # 根据vs进行分组

​ #color: 是对图形的边缘、点和线进行描绘

​ #fill 是进行填充

ggplot(mtcars,aes(mpg,color=factor(vs)))+geom_density()

ggplot(mtcars,aes(mpg,fill=factor(vs)))+geom_density()

2.6 箱型图

• 查看变量的统计值分布

  ggplot(data,aes(分类变量x,y))+geom_boxplot()

  ggplot(mtcars,aes(factor(vs),mpg))+geom_boxplot()
  

  

3 分组组图

3.1

ggplot(mtcars,aes(wt,mpg,color=qsec))+geom_point()

• 进行分组

ggplot(mtcars,aes(wt,mpg,color=factor(vs)))+geom_point()

3.2 aes参数

统一图层的颜色，参数在aes外面

4 分面作图

下面是两个经常要用到的分面函数。

​ facet_wrap(facets, nrow = NULL, ncol = NULL, scales = "fixed", shrink = TRUE, as.table = TRUE, drop = TRUE)

​ facet_grid(facets, margins = FALSE, scales = "fixed", space = "fixed", shrink = TRUE, labeller = "label_value", as.table = TRUE, drop = TRUE)

其中facet_wrap和facet_grid不同在于facet_wrap是基于一个因子进行设置，facets表示形式为：_变量（单元格） 而facet_grid是基于两个因子进行设置，facets表示形式为：变量_变量（行列），如果把一个因子用点表示，也可以达到facet_wrap的效果，也可以用加号设置成两个以上变量

4.1 轴刻度一致

• 单变量作图

  ggplot(mtcars,aes(wt,mpg))+geom_point()+facet_grid(vs~.)
  

  

  gplot(mtcars,aes(wt,mpg))+geom_point()+facet_grid(.~vs)
  

  

4.2 刻度不一致

不同纵轴刻度

不同横轴刻度

ggplot(mtcars,aes(wt,mpg))+geom_point()+facet_grid(~vs,scales="free")

​ # 这里把scales 设置成free之后，可以看出每个分面都有自己的横坐标刻度，可以单独对x轴或y轴设置

• nrow,ncol 分面索要设置成的行和列，参数为数值，表示几行或者几列
• scales 参数fixed表示固定坐标轴刻度，free表示反馈坐标轴刻度，也可以单独设置成free_x或free_y
• shrink 也和坐标轴刻度有关，如果为TRUE（默认值）则按统计后的数据调整刻度范围，否则按统计前的数据设定坐标。
• drop 表示是否去掉没有数据的分组，默认情况下不显示，逻辑值为FALSE
• as.table 和小图排列顺序有关的选项。如果为TRUE（默认）则按表格方式排列，即最大值（指分组level值）排在表格最后即右下角，否则排在左上角。
• margins 通过TRUE或者FALSE表示否设置而一个总和的分面变量，默认情况为FALSE，即不设置
• space 表示分面空间是否可以按照数据进行缩放，参数和scales一样

5 调整图像的元素

5.1 形状

• 形状：geom_XXX(shape=x),x=1,2,3...,不同数值是不同的形状
• 大小：size=x,x=1,2,3...,数值越大，尺寸越大

5.2 颜色

• color：是对图形的边缘、点和线进行描绘
• fill：填充图形内部的颜色
• 指定填充一种颜色：直接在aes外部填写，color="某种颜色"

5.3 文本注释

annotate（"text",x=,y=,label="")

​ text :表示添加类型为文本

​ x=,y=表示在指定位置上放上文本

​ label :表示填写的文本内容

5.4 标题

labs(little="",x="",y="")

5.5 加线条

• 加竖线：geom_vline(xintercept=)

• 加横线：geom_hline(yintercept=)

5.6 xy轴互换

​ coord_flip()

5.7 调整轴刻度的范围

• x轴：xlim(下限,上限）

• y轴：ylim(下限,上限）

5.8 修改轴上的值

• X:scale_x_continuous(breaks(),labels=c()

• Y:scale_y_continuous(breaks(),labels=c()

举例

ggplot(mtcars,aes(wt,mpg,color=factor(vs)))+
geom_point()+
annotate("text",x=4,y=20,label="yes")+
labs(title="hello",x="xxx",y="yyy")+
geom_vline(xintercept=3)+
geom_hline(yintercept=20)+
xlim(3,4)+ylim(15,25)

ggplot(mtcars,aes(wt,mpg,color=factor(vs)))+
geom_point()+
annotate("text",x=4,y=20,label="yes")+
labs(title="hello",x="xxx",y="yyy")+
geom_vline(xintercept=3)+
geom_hline(yintercept=20)+
xlim(3,4)+
ylim(15,25)+
scale_x_continuous(breaks = c(3.00,3.25,3.50,3.75,4.00),labels=c("a","b","c","d","e"))