4.数据可视化（二）

4.6 几何对象

先来看看下面这两个图有什么相似之处呢？

image.png

两个图都包含相同的 x 变量和 y 变量，并且都描述了相同的数据。但图形并不相同。每个图都使用不同的几何对象来表示数据。在 ggplot2 语法中，我们说它们使用不同的geoms。

要生成上面的图，可以使用以下代码：

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

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

ggplot2 中的每个 geom 函数都有一个mapping参数。然而，并不是每一种图形属性都适用于每一种几何对象。您可以设置点的形状，但不能设置线的“形状”。另一方面，您可以设置线的线型。geom_smooth()将为映射到线型的变量的每个唯一值绘制具有不同线型的线。

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

image

这里geom_smooth()根据汽车的drv值将汽车分为三类，这描述了汽车的动力传动系统。在这里，4代表四轮驱动、f前轮驱动和r后轮驱动。

如果这听起来很奇怪，我们可以通过将线条叠加在原始数据之上，然后根据drv对所有内容进行着色来使其更加清晰。

image

请注意，此图在同一图中包含两个几何体！我们很快就会学习如何在同一个图中放置多个几何体。

ggplot2 提供了 40 多个 geoms，扩展包提供了更多内容（请参阅https://exts.ggplot2.tidyverse.org/gallery/以获取示例）。想要查看 ggplot2 所有的内容，您可以在http://rstudio.com/resources/cheatsheets找到它。要了解有关任何单个 geom 的更多信息，请使用 help: ?geom_smooth。

许多几何图形，例如geom_smooth()，使用单个几何对象来显示多行数据。对于这些几何图形，您可以将group图形属性设置为分类变量以绘制多个对象。ggplot2 将为分组变量的每个唯一值绘制一个单独的对象。在实践中，每当您将图形属性映射到离散变量时（如linetype示例中所示），ggplot2 将自动对这些几何图形的数据进行分组。依靠此功能很方便，因为group属性本身不会向几何图形添加图例或区别特征。

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

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

ggplot(data = mpg) +
  geom_smooth(
    mapping = aes(x = displ, y = hwy, color = drv),
    show.legend = FALSE
  )

image.png

要在同一个图中显示多个 geom，直接将多个 geom 函数添加到ggplot()：

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

image

然而，这会在我们的代码中引入一些重复。想象一下，如果您想将 y 轴更改为显示cty而不是hwy. 您需要在两个地方更改变量，而且您可能会忘记更新其中一个。您可以通过将一组映射传递给ggplot()来避免这种类型的重复。ggplot2 将这些映射视为适用于图中每个几何图形的全局映射。换句话说，此代码将生成与先前代码相同的图：

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

如果将映射放置在 geom 函数中，ggplot2 会将它们视为图层的本地映射。它将仅使用这些映射来扩展或覆盖该层的全局映射。这使得可以在不同的层中展示不同的几何对象。

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

image

您可以使用相同的想法为data每个图层指定不同的内容。在这里，我们的平滑线仅显示mpg数据集的一个子集，即小型汽车。ggplot()中的局部数据参数仅覆盖该层geom_smooth()的全局数据参数。

ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) + 
  geom_point(mapping = aes(color = class)) + 
  geom_smooth(data = filter(mpg, class == "subcompact"), se = FALSE)

image

4.7 统计变换

接下来，让我们看一下条形图。条形图看起来很简单，但它们很有趣，因为它们揭示了一些关于图的微妙之处。使用geom_bar()绘制的基本条形图。下图显示了diamonds数据集中的钻石总数，按cut分组。该diamonds数据集来自GGPLOT2，并包含约54000颗钻石，其中包括每颗钻石的price，carat，color，clarity，和cut信息。该图表显示，与低质量切割相比，高质量切割的钻石更多。

ggplot(data = diamonds) + 
  geom_bar(mapping = aes(x = cut))

image

在 x 轴上，图表显示cut，一个来自diamonds的变量。在 y 轴上，它显示计数，但计数不是diamonds! 计数从何而来？许多图表（如散点图）绘制数据集的原始值。其他图形，如条形图，计算要绘制的新值：

• 条形图、直方图和频率多边形对您的数据进行分箱，然后绘制分箱计数，即落在每个分箱中的点数。

• 平滑器将模型拟合到您的数据，然后根据模型绘制预测。

• boxplots 计算分布的可靠摘要，然后显示一个特殊格式的框。

用于计算图形新值的算法称为stat，是统计转换的缩写。下图描述了此过程如何与geom_bar().

image

您可以通过检查stat参数的默认值来了解 geom 使用的统计数据。例如，?geom_bar显示的默认值为stat“count”，这意味着geom_bar()使用stat_count(). stat_count()与geom_bar()记录在同一页面上，如果向下滚动，您可以找到名为“计算变量”的部分。这描述了它如何计算两个新变量：count和prop。

您通常可以交替使用 geoms 和 stats。例如，您可以使用stat_count()代替geom_bar()：

ggplot(data = diamonds) + 
  stat_count(mapping = aes(x = cut))

image

这是有效的，因为每个 geom 都有一个默认的统计变量；并且每个 stat 都有一个默认的 geom。这意味着您通常可以使用 geom 而不必担心底层的统计转换。但是有时候，你可能需要明确使用统计数据：

1. 您可能想要覆盖默认统计。在下面的代码中，我将geom_bar()的统计从count(默认)更改为identity。这让我把条形图的高度映射到y的原始值变量。不幸的是，当人们不经意地谈论柱状图时，他们可能指的是这种类型的柱状图，其中柱状图的高度已经显示在数据中，或者之前的柱状图中柱状图的高度是通过计算行生成的。

   demo <- tribble(
     ~cut,         ~freq,
     "Fair",       1610,
     "Good",       4906,
     "Very Good",  12082,
     "Premium",    13791,
     "Ideal",      21551
   )
   
   ggplot(data = demo) +
     geom_bar(mapping = aes(x = cut, y = freq), stat = "identity")
   

   image

2. 您可能想要覆盖从转换变量到图形属性的默认映射。例如，你可能想要显示一个比例条形图，而不是计数:

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

   image

   要查找由 stat 计算的变量，请查找标题为“computed variables”的帮助部分。

3. 您可能希望更多地关注代码中的统计转换。例如，您可以使用stat_summary()，它总结了每个唯一 x 值的 y 值，以引起对您正在计算的总结的注意：

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

   image

ggplot2 提供了 20 多个统计变量使用。每个 stat 都是一个函数，因此您可以通过通常的方式获得帮助，例如 ?stat_bin. 要查看完整的统计信息列表，请尝试使用 ggplot2 备忘单。

4.8 位置调整

还有一种与条形图相关的。使用colour属性为条形图着色，或者更有用的是fill：

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

image.png

请注意如果将fill图形属性映射到另一个变量会发生什么，例如clarity：条形自动堆叠。每个彩色矩形代表的组合cut和clarity。

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

image

通过参数指定的位置调整自动执行堆叠position。如果您不想要堆积条形图，您可以使用其他三个选项之一："identity"、"dodge"或"fill"。

• position = "identity"将把每个对象准确地放置在图形上下文中的位置。这对条形不是很有用，因为它与它们重叠。要查看重叠，我们需要通过设置alpha为较小的值来使条形略微透明，或者通过设置 使条形完全透明fill = NA。

  ggplot(data = diamonds, mapping = aes(x = cut, fill = clarity)) + 
    geom_bar(alpha = 1/5, position = "identity")
  ggplot(data = diamonds, mapping = aes(x = cut, colour = clarity)) + 
    geom_bar(fill = NA, position = "identity")
  

image.png

`identity`位置调整对于二维几何图形更有用，例如点，它是默认设置。

• position = "fill"像堆叠一样工作，但使每组堆叠的条具有相同的高度。这样可以更轻松地比较各组之间的比例。

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

  image

• position = "dodge"将重叠的对象直接放在一起。这样可以更轻松地比较各个值。

  ggplot(data = diamonds) + 
    geom_bar(mapping = aes(x = cut, fill = clarity), position = "dodge")
  

  image

还有一种对条形图没有用的调整类型，但它对散点图非常有用。回想一下我们的第一个散点图。您是否注意到该图仅显示 126 个点，即使数据集中有 234 个观测值？

image

hwy和displ的值是圆形的，所以点出现在网格上，许多点相互重叠。这个问题被称为overplotting。这种图形使得很难看到大量数据在哪里。数据点是否均匀分布在整个图中，或者是否存在一个包含109个值的特殊的hwy和displ组合？

您可以通过将位置调整设置为“抖动”来避免这种网格化。position = "jitter"向每个点添加少量随机噪声。这会将点分散开，因为没有两个点可能会收到相同数量的随机噪声。

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

image

添加随机性似乎是一种改善绘图的奇特方法，但虽然它会在小尺度上降低图形的准确性，但它会使你的图形在大尺度上更具揭示性。因为这是这样一个有用的操作，GGPLOT2自带的简写geom_point(position = "jitter")：geom_jitter()。

要了解更多关于位置调节，查找与每个调整相关的帮助页面：?position_dodge，?position_fill，?position_identity，?position_jitter，和?position_stack。

4.9 坐标系

坐标系可能是 ggplot2 中最复杂的部分。默认坐标系是笛卡尔坐标系，其中 x 和 y 位置独立作用以确定每个点的位置。还有许多其他坐标系有时会有所帮助。

• coord_flip()切换 x 和 y 轴。如果您想要水平箱线图，这很有用（例如）。它对于长标签也很有用：很难让它们在 x 轴上不重叠。

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

image.png

• coord_quickmap()正确设置地图的纵横比。如果您使用 ggplot2 绘制空间数据，这非常重要。

  nz <- map_data("nz")
  
  ggplot(nz, aes(long, lat, group = group)) +
    geom_polygon(fill = "white", colour = "black")
  
  ggplot(nz, aes(long, lat, group = group)) +
    geom_polygon(fill = "white", colour = "black") +
    coord_quickmap()
  

image.png

• coord_polar()使用极坐标。极坐标揭示了条形图和 Coxcomb 图之间的有趣联系。

  bar <- ggplot(data = diamonds) + 
    geom_bar(
      mapping = aes(x = cut, fill = cut), 
      show.legend = FALSE,
      width = 1
    ) + 
    theme(aspect.ratio = 1) +
    labs(x = NULL, y = NULL)
  
  bar + coord_flip()
  bar + coord_polar()
  

image.png

4.10 图形的分层语法

在前面的部分中，您学到的不仅仅是如何制作散点图、条形图和箱线图。你学习了一个基础，你可以用它来用 ggplot2制作任何类型的图。为了看到这一点，让我们向我们的代码模板添加位置调整、统计数据、坐标系和分面：

ggplot(data = <DATA>) + 
  <GEOM_FUNCTION>(
     mapping = aes(<MAPPINGS>),
     stat = <STAT>, 
     position = <POSITION>
  ) +
  <COORDINATE_FUNCTION> +
  <FACET_FUNCTION>

我们的新模板采用七个参数，即模板中出现的括号内的词。实际上，您很少需要提供所有七个参数来制作图形，因为 ggplot2 将为除数据、映射和 geom 函数之外的所有内容提供有用的默认值。

模板中的七个参数组成了图形的语法，一个用于构建图的正式模板。图形的语法基于这样的见解，即您可以将任何图唯一地描述为数据集、几何图形、一组映射、统计数据、位置调整、坐标系和分面方案的组合。

要了解其工作原理，请考虑如何从头开始构建基本图：您可以从数据集开始，然后将其转换为您想要显示的信息（使用统计数据）。

image

接下来，您可以选择一个几何对象来表示转换数据中的每个观察值。然后，您可以使用几何图形的美学属性来表示数据中的变量。您可以将每个变量的值映射到美学级别。

image

然后选择一个坐标系统来放置几何图形。您可以使用对象的位置(这本身就是一个图形属性)来显示x和y变量的值。此时，您将拥有一个完整的图，但您可以进一步调整坐标系统中的图形的位置(位置调整)或将图分割为子图(分面)。您还可以通过添加一个或多个额外层来扩展绘图，其中每个额外层使用一个数据集、一个geom、一组映射、一个统计数据和一个位置调整。

image

您可以使用此方法构建您想象的任何图形。