使用ggplot2進行數據可視化
1 mpg數據框
mpg 包含了由美國環境保護協會收集的 38 種車型的觀測數據。
mpg 中包括如下變量。
• displ：引擎大小，單位為升。
• hwy：汽車在高速公路上行駛時的燃油效率，單位為英里 / 加侖（mpg）。與燃油效率高
的汽車相比，燃油效率低的汽車在行駛相同距離時要消耗更多燃油。
1.1 創建ggplot圖形
為了繪制 mpg 的圖形，運行以下代碼將 displ 放在 x 軸，hwy 放在 y 軸：
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy))
#函數 geom_point() 向圖中添加一個點層，這樣就可以創建一張散點圖。ggplot2 中的每個幾何對象函數都有一個 mapping 參數。這個參數定義了如何將數據集中的變量映射為圖形屬性。mapping 參數總是與 aes() 函數成對出現，aes() 函數的 x 參數和 y參數分別指定了映射到 x 軸的變量與映射到 y 軸的變量。
結果分析：上圖顯示出引擎大小（displ）和燃油效率（hwy）之間是負相關關系。換句話說，大引擎汽車更耗油。
1.2 圖形屬性映射
可以向二維散點圖中添加第三個變量，比如 class，方式是將它映射為圖形屬性。圖形
屬性是圖中對象的可視化屬性，其中包括數據點的大小、形狀和顏色。通過改變圖形屬
性的值，可以用不同的方式來顯示數據點。
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, color = class))
#mpg 數據集中的 class 變量對汽車進行了分類，比如小型、中型和 SUV
結果分析：右側橙紅色那些離群點多數是雙座汽車，因為這些車不會是混合動力的，因為它們具有大引擎。
當然，class可以用同樣的方式將其映射為點的大小size，也可以將 class 映射為控制數據點透明度的 alpha 圖形屬性，還可以將其映射為點的形狀shape[ggplot2 只能同時使用 6 種形狀。默認情況下，當使用這種圖形屬性時，多出的變量值將不會出現在圖中]。
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, size = class))
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, alpha = class))
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, shape = class))
還可以手動為幾何對象設置圖形屬性。例如，我們可以讓圖中的所有點都為藍色：
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy), color = "blue")
用數值進行標識的 R 的 25 種內置形狀
1.3 分面
要想通過單個變量對圖進行分面，可以使用函數 facet_wrap()。其第一個參數是一個公
式，創建公式的方式是在 ~ 符號后面加一個變量名。
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_wrap(~ class, nrow = 2)
要想通過兩個變量對圖進行分面，需要在繪圖命令中加入函數 facet_grid()。這個函數的
第一個參數也是一個公式，但該公式包含由 ~ 隔開的兩個變量名。
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(drv ~ cyl)
如果不想在行或列的維度進行分面，你可以使用 . 來代替變量名，例如 + facet_grid(. ~ cyl)。
1.4 幾何對象
幾何對象是圖中用來表示數據的幾何圖形對象。條形圖使用了條形幾何對象，折線圖使用了直線幾何對象，箱線圖使用了矩形和直線幾何對象。散點圖打破了這種趨勢，它們使用點幾何對象。
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy))
#使用了點幾何對象
ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy))
#使用了平滑曲線幾何對象
geom_smooth() 函數可以按照不同的線型繪制出不同的曲線，每條曲線對應映射到線型的
變量的一個唯一值：
ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy, linetype = drv))
結果分析：根據表示汽車驅動系統的 drv 變量的值，這里的 geom_smooth() 函數分別用 3 條曲線來表示汽車。一條線表示 drv 值為 4 的所有汽車，一條線表示 drv 值為 f 的所有汽車，另一條線表示 drv 值為 r 的所有汽車。其中 4 表示四輪驅動，f 表示前輪驅動，r 表示后輪驅動。
ggplot2 就會自動對數據進行分組來繪制多個幾何對象:
ggplot(data = mpg) +
geom_smooth(
mapping = aes(x = displ, y = hwy, color = drv,group = drv),
show.legend = TRUE
)
在同一張圖中顯示多個幾何對象，可以向 ggplot() 函數中添加多個幾何對象函數：
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
geom_smooth(mapping = aes(x = displ, y = hwy))
可以在不同的圖層中顯示不同的圖形屬性：
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point(mapping = aes(color = class)) +
geom_smooth()
可以為不同的圖層指定不同的數據，下圖中的平滑曲線表示的只是 mpg 數據集的一個子集，即微型車。geom_smooth() 函數中的局部數據參數覆蓋了 ggplot() 函數中的全局數據參數，當然僅對這個圖層有效：
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point(mapping = aes(color = class)) +
geom_smooth(
data = filter(mpg, class == "subcompact"), #取出微型車
se = FALSE
)
1.5 統計變換
用 geom_bar() 函數就可以繪制的基本條形圖。diamonds 數據集是 ggplot2的內置數據集，包含大約 54 000 顆鑽石的信息，每顆鑽石具有 price、carat、color、clarity 和 cut 變量。下面的條形圖顯示了 diamonds 數據集中按照 cut 變量分組的各種鑽石的總數量。
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut))
結果分析：高質量切割鑽石的數量要比低質量切割鑽石的數量多。
繪圖時用來計算新數據的算法稱為 stat（statistical transformation，統計變換）。通常來說，幾何對象函數和統計變換函數可以互換使用。例如，你可以使用 stat_count()替換 geom_bar() 來重新生成前面那張圖：
ggplot(data = diamonds) +
stat_count(mapping = aes(x = cut))
我們將 geom_bar() 函數的統計變換從計數（默認值）修改為標識。這樣我們就可以將條形的高度映射為 y 軸變量的初始值。
demo <- tribble(
~a, ~b,
"bar_1", 20,
"bar_2", 30,
"bar_3", 40
)
ggplot(data = demo) +
geom_bar(
mapping = aes(x = a, y = b), stat = "identity"
)
想顯示一張表示比例（而不是計數）的條形圖：
ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, y = ..prop.., group = 1)
)
想要在代碼中強調統計變換，可以使用 stat_summary() 函數將人們的注意力吸引到你計算出的那些摘要統計量上。stat_summary() 函數為 x 的每個唯一值計算 y 值的摘要統計：
ggplot(data = diamonds) +
stat_summary(
mapping = aes(x = cut, y = depth),
fun.ymin = min,
fun.ymax = max,
fun.y = median
)
1.6 位置調整
可以使用 color 或者 fill（這個更有用）圖形屬性來為條形圖上色：
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, color = cut))
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = cut))
如果將 fill 圖形屬性映射到另一個變量（如 clarity），那么條形會自動分塊堆疊
起來。每個彩色矩形表示 cut 和 clarity 的一種組合。
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = clarity))
這種堆疊是由 position 參數設定的位置調整功能自動完成的。如果不想生成堆疊式條形圖，你還可以使用以下 3 種選項之一："identity"、"fill" 和 "dodge"。
• position = "identity" 將每個對象直接顯示在圖中。這種方式不太適合條形圖，因為條形會彼此重疊。為了讓重疊部分能夠顯示出來，我們可以設置 alpha 參數為一個較小的數，從而使得條形略微透明；或者設定 fill = NA，讓條形完全透明：
ggplot(
data = diamonds,
mapping = aes(x = cut, fill = clarity)
) +
geom_bar(alpha = 1/5, position = "identity")
ggplot(
data = diamonds,
mapping = aes(x = cut, color = clarity)
) +
geom_bar(fill = NA, position = "identity")
• position = "fill" 的效果與堆疊相似，但每組堆疊條形具有同樣的高度，因此這種條
形圖可以非常輕松地比較各組間的比例：
ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, fill = clarity),
position = "fill"
)
• position = "dodge" 將每組中的條形依次並列放置，這樣可以非常輕松地比較每個條形
表示的具體數值：
ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, fill = clarity),
position = "dodge"
)
通過將位置調整方式設為“抖動”，可以避免這種網格化排列。position = "jitter" 為每個數據點添加一個很小的隨機擾動，這樣就可以將重疊的點分散開來，因為不可能有兩個點會收到同樣的隨機擾動。可用geom_point(position = "jitter") 的一種快速實現方式：geom_jitter()。
ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy),
position = "jitter"
)
1.7 坐標軸
默認的坐標系是笛卡兒直角坐標系，可以通過其獨立作用的 x 坐標和 y 坐標找到每個數據點。
• coord_flip() 函數可以交換 x 軸和 y 軸。當想要繪制水平箱線圖時，這非常有用。它也非常適合使用長標簽，但要想在 x 軸上不重疊地安排好它們是非常困難的：
ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
geom_boxplot()
ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
geom_boxplot() +
coord_flip()
• coord_quickmap() 函數可以為地圖設置合適的縱橫比。當使用 ggplot2 繪制空間數據時，這個函數特別重要。
nz <- map_data("nz")
ggplot(nz, aes(long, lat, group = group)) +
geom_polygon(fill = "white", color = "black") +
coord_quickmap()
• coord_polar() 函數使用極坐標系。極坐標系可以揭示出條形圖和雞冠花圖間的一種有
趣聯系：
bar <- ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, fill = cut),
show.legend = FALSE,
width = 1
) +
theme(aspect.ratio = 1) +
labs(x = NULL, y = NULL)
bar + coord_flip()
bar + coord_polar()
