2021-04-24 R数据科学练习题（第一章）

第一章 使用ggplot2进行数据可视化

练习

（1）运行ggplot(data = mpg)，你会看到什么？

library(ggplot2)
ggplot(data = mpg)
##是一个空白的画板

    ![image-20210424083110790](https://img.haomeiwen.com/i25205178/e89d76001823702d.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

（2）数据集mpg中有多少行？有多少列

#四种查看方法
dim(mpg)
str(mpg)
ncol(mpg)
nrow(mpg)
library(tibble)
glimpse(mpg)

(3)变量drv的意义是什么？使用？mpg命令阅读帮助文件找出答案

#?mpg
#drv
#the type of drive train, where f = front-wheel drive, r = rear wheel drive, #4 = 4wd

（4）使用hwy和cyl绘制一张散点图

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

image-20210424083953351

(5)如果使用class和drv绘制散点图，会发生什么情况？为什么这张图没什么用处？

ggplot(mpg)+geom_point(mapping = aes(x=class,y=drv))
##每种汽车类型对应的驱动类型，两个变量都是分类变量。

image-20210424084309154

1.3练习

（1）以下这段代码有什么错误？为什么点不是蓝色的？

ggplot(data=mpg)+geom_point(mapping=aes(x=displ,y=hwy,color='blue'))
#正确代码
ggplot(data=mpg)+geom_point(mapping=aes(x=displ,y=hwy),color='blue')    

image-20210424085818448 image-20210424090029239

（2）mpg中的那些分量是分类变量？哪些变量是连续变量？（提示：输入？mpg来阅读这个数据集的文档）当调用mpg时，如何才看到这些信息？

?mpg
str(mpg)
tibble[,11] [234 x 11] (S3: tbl_df/tbl/data.frame)
 $ manufacturer: chr [1:234] "audi" "audi" "audi" "audi" ...
 $ model       : chr [1:234] "a4" "a4" "a4" "a4" ...
 $ displ       : num [1:234] 1.8 1.8 2 2 2.8 2.8 3.1 1.8 1.8 2 ...
 $ year        : int [1:234] 1999 1999 2008 2008 1999 1999 2008 1999 1999 2008 ...
 $ cyl         : int [1:234] 4 4 4 4 6 6 6 4 4 4 ...
 $ trans       : chr [1:234] "auto(l5)" "manual(m5)" "manual(m6)" "auto(av)" ...
 $ drv         : chr [1:234] "f" "f" "f" "f" ...
 $ cty         : int [1:234] 18 21 20 21 16 18 18 18 16 20 ...
 $ hwy         : int [1:234] 29 29 31 30 26 26 27 26 25 28 ...
 $ fl          : chr [1:234] "p" "p" "p" "p" ...
 $ class       : chr [1:234] "compact" "compact" "compact" "compact" ...
#分类变量chr；连续变量int

（3）将一个连续变量映射为color,size和shape。对分类变量和连续变量来说，这些图形的属性的表现有什么不同？

#分类变量
ggplot(mpg)+geom_point(mapping = aes(x=displ,y=hwy,color=trans))
ggplot(mpg)+geom_point(mapping = aes(x=displ,y=hwy,size=trans))
ggplot(mpg)+geom_point(mapping = aes(x=displ,y=hwy,shape=trans))
#连续变量
ggplot(mpg)+geom_point(mapping = aes(x=displ,y=hwy,color=year))#连续变量使用的是一种颜色，从浅到深
ggplot(mpg)+geom_point(mapping = aes(x=displ,y=hwy,size=year))#一个区间的size对应不同的变量
ggplot(mpg)+geom_point(mapping = aes(x=displ,y=hwy,shape=year))#连续变量映射到shape中会报错

image-20210424091853469 image-20210424091908031 image-20210424091928281 image-20210424092116367 image-20210424092133206

（4）如果将同一个变量映射为多个图形属性，会发生什么情况

ggplot(mpg)+geom_point(mapping = aes(x=displ,y=hwy,shape=trans,size=trans,color=trans))

image-20210424092749055

(5)stroke这个图形属性的作用是什么？它适用于哪些形状？（提示：试用？geom_point命令）

ggplot(mtcars, aes(wt, mpg)) +
  geom_point(shape = 21, colour = "black", fill = "white", size = 5, stroke = 1)
ggplot(mtcars, aes(wt, mpg)) +
  geom_point(shape = 21, colour = "black", fill = "white", size = 5, stroke = 5)
ggplot(mtcars, aes(wt, mpg)) +
  geom_point(shape = 21, colour = "black", fill = "white", size = 5, stroke =10)
#调整边框的样式 21-24的图形样式。

image-20210424093424932 image-20210424093440566 image-20210424093454658

（6）如果将图形属性映射为非变量名对象，比如aes（color=dospl<5)，会发生什么情况？

ggplot(mpg)+geom_point(mapping = aes(x=displ,y=hwy,color =displ<5))

image-20210424093811438

1.5

(1)如果使用连续变量进行分面，会发生什么情况

ggplot(mpg)+geom_point(mapping = aes(x=displ,y=hwy))+facet_wrap(~cty)
ggplot(mpg)+geom_point(mapping = aes(x=displ,y=hwy))+facet_wrap(~displ)
#会使图形异常的小

image-20210424095159637 image-20210424095219778

（2）在使用facet_grid(drv~cyl)生成的图中，空白单元的意义是什么？它们和以下代码生成的图有什么关系？

ggplot(mpg)+geom_point(mapping = aes(x=drv,y=cyl))
ggplot(mpg)+geom_point(mapping = aes(x=displ,y=hwy))+facet_grid(drv~cyl)
##空白单元代表没有drv和cyl的值对应的组合

image-20210424095929549 image-20210424100130428

（3）试试以下代码会绘制出什么图？.的作用是什么？

.的作用表示不在行或列的维度分面。

.在前表示不按行分面，在后表示不按列分面。

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

image-20210424100712117 image-20210424100804153

(4)查看本节的第一个分面图：

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

image-20210424101008190

与使用图形属性相比，使用分面的优势和劣势分别是什么？如果有一个更大的数据集，你将如何权衡这两种方法的优劣？

• 优势：根据想要观测的变量将数据分为每一分页，显示出了每一分页中的趋势及不同分页之间的差别
• 劣势：由于数据被分割为一个个的分页，数据整体的趋势就不能看出来了。
• 根据目的来评判，如果看整体趋势，就不用分页。如果看单个变量的变化趋势，就可以使用分页

（5）阅读?facet_wrap的帮助页面，nrow和ncol的功能分别是什么？还有哪些选项可以控制分面的布局？为什么函数facet_grid()没有变量nrow和ncol？

nrow和ncol分别代表分页的行数和列数

facet_grid只会是单列或者单行，不需要这两个参数

1.6 练习

（1）在绘制折线图、箱线图、直方图、和分区图时，应该分别使用哪种几何对象？

• geom_line
• geom_boxplot
• geom_histogram
• facet_grid

（2）在脑海中运行以下代码，并预测会有何种输出。接着在R中运行代码，并检查你的预测是否正确。

ggplot(data = mpg,
       mapping = aes(x = displ,y = hwy, color = drv)
       ) +
  geom_point() +
  geom_smooth(se = FALSE)
  # se是否显示置信区间？（默认为TRUE。）ggplot(data = mpg,
       mapping = aes(x = displ,y = hwy, color = drv)
       ) +
  geom_point() +
  geom_smooth()

image-20210424102233214 image-20210424102313253

（3）show.legend = FALSE的作用是什么？删除它会发生什么情况？你觉得我为什么要在本章前面的示例中使用这句代码？

ggplot(data = mpg) +
  geom_smooth(
    mapping = aes(x = displ, y = hwy, color = drv) ,
    show.legend = TRUE
  )
  
  #看着都一样呀 不懂

image-20210424102511363

（4）geom_smooth() 函数中的 se 参数的作用是什么？

se：是否显示置信区间？（默认为TRUE。）

5.以下代码生成的两张图有什么区别吗？为什么？

ggplot(data=mpg,mapping = aes(x=displ,y=hwy))+
  geom_point()+
  geom_smooth()
  
ggplot()+
geom_point(data = mpg,mapping = aes(x=displ,y=hwy))+
geom_smooth(data=mpg,mapping = aes(x=displ,y=hwy))
  
#我没看出区别。。。。

image-20210424102843973 image-20210424103035433

6.自己编写 R 代码来生成以下各图。

rm(list=ls())
p1 <- ggplot(data = mpg,mapping = aes(x=displ,y=hwy))+
  geom_point(size=2.5)+
  geom_smooth(se=F,size=1.5)
p2 <- ggplot(mpg,mapping = aes(x=displ,y=hwy))+
  geom_point(size=2.5)+
  geom_smooth(size=1.5,se=F,mapping=aes(group=drv))
p3 <- ggplot(data=mpg,mapping = aes(x=displ,y=hwy,color=drv))+
  geom_point(size=2.5)+
  geom_smooth(se=F,size=1.5,mapping=aes(group=drv))
p4 <- ggplot(mpg,mapping = aes(x=displ,y=hwy))+
  geom_smooth(se=F,size=1.5)+
  geom_point(size=2.5,mapping=aes(color=drv))
p5 <- ggplot(mpg,mapping = aes(x=displ,y=hwy))+
  geom_smooth(se=F,size=1.5,mapping=aes(linetype=drv))+
  geom_point(size=2.5,mapping=aes(color=drv))
p6 <- ggplot(mpg,mapping=aes(x=displ,y=hwy))+
  geom_point(size=2.5,mapping = aes(color=drv))

library(patchwork)
p1+p2+p3+p4+p5+p6+plot_layout(nrow=3)+plot_annotation(tag_levels = 'A')

image-20210424112932554

222

1.7

（1）stat_summary() 函数的默认几何对象是什么？不使用统计变换函数的话，如何使用几何对象函数重新生成以上的图？

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

image-20210424115558600

##   默认几何对象为pointrange
ggplot(data = diamonds) +
  geom_pointrange(
    mapping = aes(x = cut, y = depth),
    stat = "summary",
    fun.min = min,
    fun.max = max,
    fun = median
  )
#和上图一样

（2）geom_col() 函数的功能是什么？它和 geom_bar() 函数有何不同？

• geom_col()针对常规的柱状图，既给x，也给y
• geom_bar()针对计数的柱状图，只给x

（3）多数几何对象和统计变换都是成对出现的，总是配合使用。仔细阅读文档，列出所有成对的几何对象和统计变换。它们有什么共同之处？

暂时还不太懂

（4）stat_smooth() 函数会计算出什么变量？哪些参数可以控制它的行为？

?stat_smooth() 

image-20210424120045649

（5）在比例条形图中，我们需要设定 group = 1 ，这是为什么呢？换句话说，以下两张图会有什么问题？

group = 1表示讲这些类别之和作为1，进行按比例画柱状图

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

image-1

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

image-2.png

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

image-3.png

1.8练习
（1）以下图形有什么问题？应该如何改善？

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

1.png

# 因为舍入取整，造成很多点彼此重叠，因此需要添加随机扰动，ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
  geom_point(position = "jitter")

2.png

（2）geom_jitter() 使用哪些参数来控制抖动的程度？

水平（width），竖直（height）两个参数

（3）对比 geom_jitter() 与 geom_count() 。

p1 <- ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
  geom_count()
p2 <- ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
  geom_jitter()
library(patchwork)
p1+p2

comparsion.png

（4）geom_boxplot() 函数的默认位置调整方式是什么？创建 mpg 数据集的可视化表示来演示一下。

?geom_boxplot
position = “dodge2”

ggplot(data = mpg, mapping = aes(x = drv, y = hwy)) +
  geom_boxplot()

example.png

（1）使用 coord_polar() 函数将堆叠式条形图转换为饼图。

ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut, fill = clarity)) +
  coord_polar()

1.png

（2）labs() 函数的功能是什么？阅读一下文档。

?labs
用于显示标题，标签，图例。

（3）coord_quickmap() 函数和 coord_map() 函数的区别是什么？

coord_quickmap() 使用一种更快的近似地图投影。这种近似忽略掉地球的弯曲度并调整经纬度的比例。coord_map() 将3D地图垂直投影到2D平面上，使用的是墨卡托投影。前者更优更快。

（4）下图表明城市和公路燃油效率之间有什么关系？为什么 coord_fixed() 函数很重要？geom_abline() 函数的作用是什么？

ggplot(mpg,mapping = aes(x=cty,y=hwy))+
  geom_point()+
  geom_abline()+
  coord_fixed()

4.png

cty: city miles per gallon.一加仑油行驶的距离越远，则燃油效率越高。
·coord_fixed()坐标系纵横比可以设置固定，纵横比可以用参数ratio自定义，背景为矩形格子，固定纵横比后，无论什么图形，其比例都是一样的，常用于横轴，纵轴都是数字的情况
·回归曲线
参考：http://www.360doc.com/showweb/0/0/973875577.aspx