R数据科学_ggplot2笔记(1)

一个说明

ggplot2::ggplot()指使用ggplot2包中的ggplot函数,::表示快速调用某个包里的函数.

示例

使用ggplot2包中的mpg数据框,这份数据是一份汽车资料:

knitr::kable(head(ggplot2::mpg, 10))

manufacturer	model	displ	year	cyl	trans	drv	cty	hwy	fl	class
audi	a4	1.8	1999	4	auto(l5)	f	18	29	p	compact
audi	a4	1.8	1999	4	manual(m5)	f	21	29	p	compact
audi	a4	2.0	2008	4	manual(m6)	f	20	31	p	compact
audi	a4	2.0	2008	4	auto(av)	f	21	30	p	compact
audi	a4	2.8	1999	6	auto(l5)	f	16	26	p	compact
audi	a4	2.8	1999	6	manual(m5)	f	18	26	p	compact
audi	a4	3.1	2008	6	auto(av)	f	18	27	p	compact
audi	a4 quattro	1.8	1999	4	manual(m5)	4	18	26	p	compact
audi	a4 quattro	1.8	1999	4	auto(l5)	4	16	25	p	compact
audi	a4 quattro	2.0	2008	4	manual(m6)	4	20	28	p	compact

创建ggplot2图形,散点图:

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) -> p
p

其中mapping是映射的意思,在ggplot()的()中出现的内容将传递之后的绘图函数,p保存了绘制好的图形,可以进一步进行美化和调整:

p + theme_minimal(base_family = enfont) +
      theme(axis.text.x = element_blank(),
            axis.text.y = element_blank(),
            axis.title = element_text(size = 12))

可以将一些图片调整的代码存放在`modify`命名的一个对象中:

theme_minimal(base_family = enfont) +
  theme(axis.text.x = element_blank(),
        axis.text.y = element_blank(),
        axis.title = element_text(size = 12)) -> modify

实际上,ggplot2的魅力之一在于通过颜色(color)、形状(shape)、透明度(alpha)等等属性展示超越2维的信息,比如:

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy, color = class)) +
  modify

另外一种展示超越2维属性的方法就是分面:

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) +
  facet_wrap(~ class, nrow = 2) +
  modify

facet_wrap()中的第一个参数是R中的一种数据结构,叫作"公式",并非数学意义上的意思.也可以使用2个变量进行分面:

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy, color = class)) +
  facet_wrap(drv ~ cyl, nrow = 2) +
  modify

可以使用占位符.来代替facet_wrap()第一个参数中的drv,效果如下:

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy, color = class)) +
  facet_wrap(. ~ cyl, nrow = 2) +
  modify

几何对象

R并非只有ggplot2一种绘图方案,比如:

set.seed(123)
n <- 1000
x1  <- matrix(rnorm(n), ncol = 2)
x2  <- matrix(rnorm(n, mean = 3, sd = 1.5), ncol = 2)
x   <- rbind(x1, x2)
head(x)

#>             [,1]        [,2]
#> [1,] -0.56047565 -0.60189285
#> [2,] -0.23017749 -0.99369859
#> [3,]  1.55870831  1.02678506
#> [4,]  0.07050839  0.75106130
#> [5,]  0.12928774 -1.50916654
#> [6,]  1.71506499 -0.09514745

smoothScatter(x, xlab = "x1", ylab = "x2")

而ggplot2肯定并非只有一类几何对象,比如geom_smooth、geom_line、geom_bar等等,而这些对象生成的图层可以堆叠,比如:

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy, color = drv),
             show.legend = FALSE) +
  geom_smooth(mapping = aes(x = displ, y = hwy, linetype = drv),
              show.legend = FALSE)

geom_smooth()使用单个几何对象表示多行数据(一条曲线),而geom_bar()和geom_point则是多个几何对象(多个矩形或点),将geom_smooth()的group属性映射为一个离散变量时,这样ggplot2就会为这个分类变量的每个唯一值绘制一个独立的几何对象.

ggplot(data = mpg) +
  geom_smooth(mapping = aes(x = displ, y = hwy, group = drv)
 )

也可以为不同的图层指定不同的数据:

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy, color = drv)) +
  geom_smooth(data = dplyr::filter(mpg, class == "subcompact"),
              mapping = aes(x = displ, y = hwy),
              se = FALSE,
              show.legend = FALSE
 )

统计变换

geom_bar()函数可以绘制的基本条形图.

ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut))

条形图
x
轴显示的是
cut
,这是
diamonds
数据集中的一个变量.
y
轴显示的是
count
,但
count
不是
diamonds
中的变量!
count
来自哪里呢?很多图形绘制的是数据集的原始数据,比如散点图.另外一些图形则可以绘制那些计算出的新数据,比如条形图.

绘图时用来计算新数据的算法称为stat(statistical transformation),即统计变换.你可能想要覆盖默认的统计变换.在以下代码中,我们将geom_bar()函数的统计变换从计数(默认值)修改为标识.这样我们就可以将条形的高度映射为y轴变量的初始值.遗憾的是,当随意说起条形图时,人们指的可能就是这种条形图,其中条形高度已经存在于数据中,而不是像前一个图一样,条形高度由对行进行计数来生成:

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"
  )

也可以改变统计变换的默认映射:

ggplot(data = diamonds) +
  geom_bar(
    mapping = aes(x = cut, y = ..prop.., group = 1)
  )

你可能想要在代码中强调统计变换.例如,你可以使用stat_summary()函数将人们的注意力吸引到你计算出的那些摘要统计量上.stat_summary()函数为x的每个唯一值计算y值的摘要统计:

ggplot(data = diamonds) +
  stat_summary(
    mapping = aes(x = cut, y = depth),
        fun.ymin = min,
    fun.ymax = max,
    fun.y = median
  )

ggplot2提供了20多个统计变换以供你使用.每个统计变换都是一个函数,因此你可以按照通用方式获得帮助,例如?stat_bin