- 对每个aesthetic mapping都有一个scale，所谓scale，就是将data中的variable转换成plot中aesthetics的规则。
- ggplot2有默认的scales，这些默认的scales可以被覆盖。
- 这些scales还负责创建guide、axis或legend，便于图片的阅读，将aesthetic vales转换回data values。
- 不同的aesthetic attribution适合不同类型的variable type，例如
color和shape更适合离散型变量，size更适合连续型变量。但color也有适合离散型数据和连续型数据的调色板，如RcolorBrewer包。shape数量有限，对连续型变量来说，会因为被耗尽而出现无法表示的情况。
- 数据量的大小也会影响aesthetic的使用，当数据点的数量很大时，只用aesthetic mapping很难区分不同的group，此时，facet 是一个可选的解决方案。
-
summary()可帮助查看一个ggplot对象中各层的数据，例如：
> summary(ggplot(economics, aes(date, unemploy)) + geom_line())
data: date, pce, pop, psavert, uempmed, unemploy [574x6]
mapping: x = ~date, y = ~unemploy
faceting: <ggproto object: Class FacetNull, Facet, gg>
compute_layout: function
draw_back: function
draw_front: function
draw_labels: function
draw_panels: function
finish_data: function
init_scales: function
map_data: function
params: list
setup_data: function
setup_params: function
shrink: TRUE
train_scales: function
vars: function
super: <ggproto object: Class FacetNull, Facet, gg>
-----------------------------------
geom_line: na.rm = FALSE, orientation = NA
stat_identity: na.rm = FALSE
position_identity
-
geom_point(aes(colour = "blue"))和geom_point(colour = "blue")的区别是：前者的行为是将color这个aesthetic scale成一个固定的颜色(注意：不是蓝色，此处设置的"blue"还会根据scale规则映射成可视化特性中的颜色，这种设置方式相当于给了color一个向量"blue"，后台会将这个向量自动循环补齐到data中observations的个数，等价于geom_point(aes(colour = rep("blue",your_length))))，并增加一个图例（图例中的标签文字=“blue”）；后者的行为才是将plot中的所有点都渲染成蓝色。形成这种区别的原因是：前者被包括在aes()中，表示设置的是data中variables和plot中aesthetic之间的关系（即x,y,color是一个级别的）；后者被包含在geom_*()中，表示设置的是几何对象的属性，例如，这里的几何对象是point，所以设置color=blue表示将所有的点都画成蓝色的。所以，你必须分清楚操作的对象是什么？variable的属性还是geom的属性。
-
facet_wrap()的第一个参数facets有多种写法：1)一个单边formula；2)一个字符串向量；3)vars()引用的变量名或表达式。例如：
# 下面的这些写法都是等价的
p <- ggplot(mpg, aes(displ, hwy)) + geom_point()
# 单边公式
p1 <- p + facet_wrap(~cyl+vs)
# 字符串向量
p2 <- p + facet_wrap(c("cyl","vs"))
# vars()引用的变量名，这个函数必须实在数据上下文中使用，单独无法使用？
p3 <- p + facet_wrap(vars(cyl,vs))
# 另外，可以使用表达式，先买个坑......
网友评论