2021-10-07 ggplot2进行图形化操作之缩放

1. 控制图形范围

控制图形范围的方法有3种：

• 调整绘图所用数据；
• 设置标度范围；
• 在coord_cartesian()函数种设置xlim 和ylim参数值。

用mpg数据演示：

1. 先绘制完整的数据及拟合曲线

> ggplot(mpg, mapping = aes(displ, hwy)) +
+   geom_point(aes(color = class)) +
+   geom_smooth() 
`geom_smooth()` using method = 'loess' and formula 'y ~ x'

image.png

2. 调整绘图所用数据

> mpg %>%
+   filter(displ >= 5, displ <= 7, hwy >= 10, hwy <= 30) %>%
+   ggplot(aes(displ, hwy)) +
+   geom_point(aes(color = class)) +
+   geom_smooth()
`geom_smooth()` using method = 'loess' and formula 'y ~ x'

image.png

可以明显看到，筛选到所展示的数据部分，拟合曲线发生了变化，置信区间也比图1的要宽很多。因为图1采用全部数据拟合，数据量更多，拟合更加稳健。而过滤掉数据后，拟合则是在筛选数据的基础之上。

3. 设置标度范围

> ggplot(mpg, mapping = aes(displ, hwy)) +
+   geom_point(aes(color = class)) +
+   geom_smooth() +
+   xlim(c(5, 7))+
+   ylim(c(10, 30))
`geom_smooth()` using method = 'loess' and formula 'y ~ x'
Warning messages:
1: Removed 196 rows containing non-finite values (stat_smooth). 
2: Removed 196 rows containing missing values (geom_point). 
# 等同于
> ggplot(mpg, mapping = aes(displ, hwy)) +
+   geom_point(aes(color = class)) +
+   geom_smooth() +
+   scale_x_continuous (limits= c(5,7)) +
+   scale_y_continuous(limits = c(10, 30))
`geom_smooth()` using method = 'loess' and formula 'y ~ x'
Warning messages:
1: Removed 196 rows containing non-finite values (stat_smooth). 
2: Removed 196 rows containing missing values (geom_point). 

image.png

标度的范围设置是对数据取子集，然后再重新拟合曲线。但是在class分类中仍然保留了所有的类别，所以图例与纯filter有所差异。

4. 用coord_cartesian()函数缩放（坐标系范围设置）

> ggplot(mpg, mapping = aes(displ, hwy)) +
+   geom_point(aes(color = class)) +
+   geom_smooth() +
+   coord_cartesian(xlim = c(5, 7), ylim = c(10, 30))
`geom_smooth()` using method = 'loess' and formula 'y ~ x'

image.png

可以看出，这里的图像就是原图的局部放大，拟合曲线也没有发生变化，仍然表现的是整体数据的拟合线。坐标系的放缩就是图像的放缩。
所以在对局部数据进行缩放时，采用coord_cartesian()函数非常的关键。

2. 同一标度

在进行数据分组展示时候，容易出现坐标轴不统一，直接影响了两者的直观对比效果，这时候就需要再不同图形间使用相同的标度。

> suv <- mpg %>% filter(class == "suv")
> compact <- mpg %>% filter(class == "compact")
> ggplot(suv, aes(displ, hwy, colour = drv)) +
+   geom_point()
> p1 <- ggplot(suv, aes(displ, hwy, colour = drv)) +
+   geom_point()
> p2 <- ggplot(compact, aes(displ, hwy, colour = drv)) +
+   geom_point()
> library(ggpubr)
> ggarrange(p1, p2,
+           labels = c("A","B"),nrow = 1)

image.png

解决这一问题的一种办法是，先使用全部数据找出标的limits，然后在两张图形中使用同样的表达。

> x_scale <- scale_x_continuous(limits = range(mpg$displ))
> y_scale <- scale_y_continuous(limits = range(mpg$hwy))
> col_scale <- scale_color_discrete(limits = unique(mpg$drv))
> p3 <- ggplot(suv, aes(displ, hwy, color = drv)) +
+   geom_point() +
+   x_scale +
+   y_scale +
+   col_scale
> p4 <- ggplot(compact, aes(displ, hwy, color = drv)) +
+   geom_point() +
+   x_scale +
+   y_scale +
+   col_scale
> ggarrange(p3, p4,
+           labels = c("A","B"),nrow = 1)

image.png

对于这个特定的例子，也可以通过分面解决；

> mpg %>%
+   filter(class == c("suv", "compact")) %>% 
+   ggplot(aes(displ, hwy, color = drv)) +
+   geom_point() +
+   facet_grid(.~ class)

image.png

相比而言，设定标度范围适用性更广，还可以在跨页的图形中使用。