做练习题，不仅仅是为了检验学到的知识，还在教锻炼我们理解问题、解决问题的能力，所以不管直白浅显、深奥晦涩，都应认真对待每一题。
- 使用本章节已讨论过的技巧，尝试三种方法可视化两个分类变量的分布，使用
mpg数据集中的model and manufacturer, trans and class, and cyl and trans进行测试。
# 只要数据点的数量不是很多，都可以使用geom_jitter()先看下数据的整体分布
ggplot(mpg,aes(model,manufacturer)) + geom_point() + geom_jitter()
# 一家汽车制造商生产的同一型号的车辆的配置可能是不同的，所以对应多条记录
mpg %>% mutate(manufacturer_model = paste(manufacturer,model)) %>% ggplot() + geom_bar(aes(y=manufacturer_model))
# 柱状图
ggplot(mpg) + geom_bar(aes(x=trans,color=class,fill=class),position=position_dodge())
# 使用分面可以看到每个cyl下,各种trans的具体分布
ggplot(mpg) + geom_bar(aes(trans)) + facet_wrap(vars(cyl))
- 对2D数据可视化，
geom_point()在数据点不是很多的情况下，适用于两个连续变量、两个离散变量、一个连续变量和一个离散变量。存在的点重合的问题可以用geom_jitter()解决。 - 对一个连续变量和一个离散变量的2D可视化，可使用
geom_boxplot()，geom_violin()，geom_histogram()，geom_freqpoly()，geom_line()，geom_path()，一般情
况下，连续变量(y轴)用来做统计、看分布，离散型变量(x轴或分组)用来分组、做比较、看差异。还有分面。 - 对两个连续型变量的2D可视化，一般情况下是为了研究两个连续型变量之间是否具有某种关系，比如说相关性关系、线性关系、某变
量随时间的变化关系等，所以可以用geom_smooth()进行平滑拟合，可以用geom_line()，geom_path()研究随时间的变化。 - 对两个离散型变量的2D可视化，离散型变量一般只能用来计数、分类，所以可以用其中一个离散变量进行计数，另一个用来分类，
geom_bar()或分面。 - axes和legend统称为guides。
ggplot2中guides的设置有多种方法，其中可以通过labs()、lims()函数同时对多个scales进行设置，也可以通过scale_(aesthetic)_(scale_name)函数对单个scale进行设置。因为这些设置太常用了，所以ggplot单独给出前者以简化操作。 -
labs()、xlab()、ylab()、ggtitle()可设置图片标题、副标题、说明文字、tag(比如文献中多图，每张图的标签)和alt(图像的可替换名字，类似HTML的alt属性)、横纵坐标标题和图例标题，labs()使用示例。 -
lims()、xlim()、ylim()可设置坐标轴的显示范围，连续变量、离散变量均可设置，超出范围的点被强制为NA从而不再图像
中显示。 - 将一个ggplot对象保存为一个变量（比如p），在交互模式下，直接键入p可出图；在一个loop或function中，需要键入
print(p)。还可用ggsave()保存到磁盘上；用summary()简单描述ggplot对象的结构；用saveRDS()保存其cached copy，再用readRDS()恢复它。
网友评论