ggplot2极简入门

作者: 范垂钦_92be | 来源:发表于2021-03-17 08:51 被阅读0次

一、基本思想和语法框架

基本思想：图形分层是关键，图形叠加靠+来实现
基本语法框架如下：

ggplot()    +   # 基础图层，不出现图形
geom_xxx() | stat_xxx()   +   # 几何图层或统计变化，出现图形
facet_xxx()   +   # 分面系统，将某个变量进行分面交换
coord_xxx()   +   # 坐标变化，默认为笛卡尔坐标系
guides()   +   # 图例调整
theme()   +   # 主题设定
labs() +        #  图表标题和坐标轴标题
scale_xxx()  # 度量调整，调整具体的标度

其中，ggplot()+geom_xxx() | stat_xxx()是ggplot2画图的核心部分，是ggplot2图形所必需的元素；
而facet_xxx()、coord_xxx() 、guides()、theme()、labs()和scale_xxx()是ggplot2画图的美化部分，属于非必需的元素。

二、实战演习

> mpg
# A tibble: 234 x 11
   manufacturer model      displ  year   cyl trans      drv     cty   hwy fl    class  
   <chr>        <chr>      <dbl> <int> <int> <chr>      <chr> <int> <int> <chr> <chr>  
 1 audi         a4           1.8  1999     4 auto(l5)   f        18    29 p     compact
 2 audi         a4           1.8  1999     4 manual(m5) f        21    29 p     compact
 3 audi         a4           2    2008     4 manual(m6) f        20    31 p     compact
 4 audi         a4           2    2008     4 auto(av)   f        21    30 p     compact
 5 audi         a4           2.8  1999     6 auto(l5)   f        16    26 p     compact
 6 audi         a4           2.8  1999     6 manual(m5) f        18    26 p     compact
 7 audi         a4           3.1  2008     6 auto(av)   f        18    27 p     compact
 8 audi         a4 quattro   1.8  1999     4 manual(m5) 4        18    26 p     compact
 9 audi         a4 quattro   1.8  1999     4 auto(l5)   4        16    25 p     compact
10 audi         a4 quattro   2    2008     4 manual(m6) 4        20    28 p     compact
# … with 224 more rows

mpg数据集包含了由美国环境保护协会收集的 38 种车型的观测数据；
mpg数据集包括以下变量：

参数	解释
`manufacturer`	生产商
`model`	型号
`displ`	引擎大小，单位为升
`year`	制造年份
`cyl`	气缸数
`trans`	变速器
`drv`	驱动系统。其中，f是前轮驱动，r是后轮驱动，4是前、后驱动
`cty`	汽车在`城市公路`上行驶时的燃油效率，单位为英里 / 加仑
`hwy`	汽车在`高速公路`上行驶时的燃油效率，单位为英里 / 加仑
`fl`	燃油类型
`class`	车型

下面，我们以mpg数据集为例子进行演示；

①. 创建ggplot2图形

· 创建ggplot2图形，我们需要ggplot()+geom_xxx() | stat_xxx()
· 例如：

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

image.png
· 假如我们只有ggplot()，没有geom_xxx() | stat_xxx()
· 我们发现只有空白图被创建

ggplot(data = mpg)

image.png
· geom_xxx()和stat_xxx()很相似，大多数情况下可以产出一样的图片
· 但geom_xxx()倾向于作图，stat_xxx()倾向于统计
· 大多数情况下，ggplot()+geom_xxx()可以满足我们的需求

> ggplot(data = mpg) + geom_bar(mapping = aes(x = drv))

image.png

> ggplot(data = mpg) + stat_count(mapping = aes(x = drv))

image.png

· 与此同时，mapping是一个需要注意的参数
· 没有mapping，函数将发生报错

> ggplot(data = mpg) +  geom_point()
Error: geom_point requires the following missing aesthetics: x and y
Run `rlang::last_error()` to see where the error occurred.

· mapping就是映射。
· 除了映射基本的X轴和Y轴，还可以映射color、fill、alpha、size、linetype、shape等
· 例如，映射到color中：

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

image.png

· 可以指定所有点为同一颜色

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

image.png

· 虽然数据集中有234 个观测值，但散点图中只显示了 126 个点
· 因为hwy和displ的值都进行了舍入取整，所以这些点显示在一个网格上时，很多点彼此重叠了。这个问题称为过绘制。点的这种排列方式很难看出数据的聚集模式。
· 通过将位置调整方式设为“抖动”，例如position = "jitter"，可以避免这种网格化排列。为每个数据点添加一个很小的随机扰动，这样就可以将重叠的点分散开来，因为不可能有两个点会收到同样的随机扰动：

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

image.png

· 例如，映射到alpha中：

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

image.png

· 例如，映射到'shape'中：

> ggplot(data = mpg)+ geom_point(mapping = aes(x = displ, y = hwy, shape=displ))
Error: A continuous variable can not be mapped to shape
Run `rlang::last_error()` to see where the error occurred.

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

image.png

· 可以指定所有点为同一形状

ggplot(data = mpg)+ geom_point(mapping = aes(x = displ, y = hwy),shape=1)

image.png

· 总结一下所有的映射参数：

参数	意义
`color/col/colour`	点、线、和填充区域轮廓的颜色
`fill`	填充区域的颜色
`alpha`	颜色的透明度，数值范围从0（完全透明）到1（不透明）
`size`	点的尺寸或线的宽度，默认单位为mm
`angle`	角度
`vjust`	指垂直位置微调，在（0，1）区间的数字或位置字符串：0=‘button’，0.5=‘middle’，1=‘top’
`hjust`	指水平位置微调，在（0，1）区间的数字或位置字符串：0=‘left’，0.5=‘center’，1=‘right’
`linetype`	线条的类型，包括白线（0=‘blank’）、实线（1=‘solid’）、短虚线（2=‘dashed’）、点线（3=‘dotted’）、点横线（4=‘dotdash’）、长虚线（5=‘longdash’）、短长虚线（6=‘towdash’）
`shape`	点的形状，为[0，25]区间的26个整数，分别对应方形、圆形、三角形、菱形等26中不同的形状。有的形状有填充颜色（fill属性），但有的形状只有轮廓颜色（color）的属性。

· mapping可以放在ggplot() 里面，也可以放在 geom_point()里面
· 当你有多个 geom_point()时，放在ggplot() 里面是一个方便的选择
· 但当你对每个geom_point()都有不同的映射要求时，你需要在每个geom_point()单独放一个mapping

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

image.png

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

image.png

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

image.png

②.美化部分

1）.构面：facet_xxx()

· 通过单个变量对图进行分面，可以使用函数 facet_wrap()
· 传递给 facet_wrap() 的变量应该是离散型的

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

image.png
· 通过两个变量对图进行分面，需要在绘图命令中加入函数facet_grid()

ggplot(data = mpg) +
 geom_point(mapping = aes(x = displ, y = hwy)) +
 facet_grid(drv ~ cyl)

image.png

2）.坐标系：coord_xxx()

· 默认的坐标系是笛卡儿直角坐标系
· coord_flip()函数可以交换 x 轴和 y 轴
· coord_polar()函数使用极坐标系

ggplot(data = mpg) +
 geom_bar(mapping = aes(x = drv,fill=drv))

image.png

ggplot(data = mpg) +
 geom_bar(mapping = aes(x = drv,fill=drv))+coord_flip()

ggplot(data = mpg) +
 geom_bar(mapping = aes(x = drv,fill=drv))+coord_polar()

image.png

3）.图例：guides()

· 如果要控制图例的整体位置，你需要设置 theme()函数中的legend.position参数；

ggplot(mpg, aes(displ, hwy)) +
 geom_point(aes(color = class)) +
 geom_smooth(se = FALSE) +
 theme(legend.position = "bottom")

image.png

· 如果想要更加精细地调整图例，请配合 guide_legend()或guide_colorbar() 函数来使用guides() 函数

ggplot(mpg, aes(displ, hwy)) +
 geom_point(aes(color = class)) +
 geom_smooth(se = FALSE) +
 theme(legend.position = "bottom") +
 guides(color = guide_legend(nrow = 1,override.aes = list(size = 4))
 )

image.png

4）.主题：theme()

· theme()可以定制图形中的非数据元素：例如绘图区背景、网格线、坐标轴线条、坐标轴标签、图例的位置和背景等等
· ggplot2图表的主题系统主要对象包括文本（text）、矩形（rect）和线条（line）三大类，对应的函数包括element_text()、element_rect()、element_line()，另外还有element_black()表示该对象设置为无

image.png

· 我们来试一下axis.title：
· 原来的图片：

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

image.png

· 加上axis.title=elment_black()，我们发现x轴和y轴的标题消失了

ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
    geom_point(mapping = aes(color = class)) +
    geom_smooth(mapping = aes(group = drv)) + theme(axis.title=element_blank())

image.png
· ggplot2的主题设置参数十分繁杂
· 我们建议新手先掌握theme()中这3方面的参数：（使用频率高）
· 1. 坐标轴的标签（axis.text.x、axis.text.y）；
· 2. 图例的位置与背景（legend.position和 legend.background）；
· 3. 默认的主题系统
· ggplot2 默认可以使用 8 种设置好的绘图区背景和网格线，分别如下：

image.png
· 没有应用theme_bw()

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

image.png
· 应用theme_bw()

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

image.png
· 背景风格发生了改变，似乎要比之前好看一点
· 我们试试换成theme_classic()

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

image.png

· 好像变得更好看一点了

5）.标签： labs()

· 为图形添加一个标题

ggplot(mpg, aes(displ, hwy)) + 
geom_point(aes(color = class)) + 
geom_smooth(se = FALSE) + 
labs( title = "Fuel efficiency generally decreases with engine size")

image.png
· 使用labs()函数来替换坐标轴中的标题和图例中的标题

ggplot(mpg, aes(displ, hwy)) +
 geom_point(aes(color = class)) +
 geom_smooth(se = FALSE) +
 labs(
 x = "Engine displacement (L)",
 y = "Highway fuel economy (mpg)",
 colour = "Car type"
 )

image.png

6）.度量：scale_xxx()

· 度量用于控制变量映射到视觉对象的具体细节，比如：X轴和Y轴的度量、alpha（透明度）、color（轮廓颜色）、fill（填充颜色）、lineshape（线条形状）、shape（形状）等，他们都有相应的度量函数。
· 根据视觉通道映射的变量属性，将度量调整函数分成数值型和类别型两大类
· 需要注意的是：scale_*_manual()表示手动自定义离散的度量

image.png
· 原来的图形：

ggplot(mpg, aes(displ, hwy)) +
    geom_point(aes(size = cty),color="green")

image.png

· 加了scale_size()限定一下点的大小

ggplot(mpg, aes(displ, hwy)) +
    geom_point(aes(size = cty),color="green") +scale_size(range = c(0.1,3))

image.png
· 加了scale_x_continuous更改X轴范围

ggplot(mpg, aes(displ, hwy)) +
    geom_point(aes(size = cty),color="green") +scale_x_continuous(limits = c(1,10))

image.png

· 原来的图形：

ggplot(mpg, aes(displ, hwy)) +
 geom_point(aes(color = drv))

image.png
· 加了scale_color_brewer()更改原来的颜色种类

ggplot(mpg, aes(displ, hwy)) +
 geom_point(aes(color = drv)) +
 scale_color_brewer(palette = "Set1")

image.png

三、保存图形的方法

· 位图与矢量图的区别

通过Rstudio保存图片
image.png
使用文件类型所对应的函数，如tiff()、png()、svg()和pdf()等

pdf("mpg.pdf")
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
    geom_point(mapping = aes(color = class)) +
    geom_smooth(mapping = aes(group = drv)) + theme_bw()
dev.off()

ggsave()函数：可以保存ggplot2包绘制的图表

ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
    geom_point(mapping = aes(color = class)) +
    geom_smooth(mapping = aes(group = drv)) + theme_bw()
ggsave("mpg.pdf")

四、总结

ggplot() + # 基础图层，不出现图形
geom_xxx() | stat_xxx() + # 几何图层或统计变化，出现图形
facet_xxx() + # 分面系统，将某个变量进行分面交换
coord_xxx() + # 坐标变化，默认为笛卡尔坐标系
guides() + # 图例调整
theme() + # 主题设定
labs() + # 图表标题和坐标轴标题
scale_xxx() # 度量调整，调整具体的标度

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy,color = drv)) +
  facet_wrap(~ class, nrow = 2) +
  guides(color = guide_legend(nrow = 1)) +
  theme_classic() +
  labs(title = "Fuel efficiency generally decreases with engine size",
       x = "Engine displacement (L)", 
       y = "Highway fuel economy (mpg)",
       colour = "drv way") +
  theme(plot.title = element_text(hjust = 0.5)) +
  scale_x_continuous(limits = c(1,10)) +
  theme(legend.position = "bottom")

image.png

ggplot2极简入门

一、基本思想和语法框架

二、实战演习

①. 创建ggplot2图形

②.美化部分

1）.构面：facet_xxx()

2）.坐标系：coord_xxx()

3）.图例：guides()

4）.主题：theme()

5）.标签： labs()

6）.度量：scale_xxx()

三、保存图形的方法

四、总结

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

R语言学习