ggplot2笔记4 语法基础
本公众号R语言和ggplot2笔记系列作品为袁志林老师学员创作，请关注今天二条袁老师组博后招聘启事。
ggplot2绘图基础：
1初识ggplot2、基本用法以及如何绘制几何对象
2图层的使用——基础、怎样加标签、注释
3工具箱——误差线、加权数、展示数据分布
碎碎念ing：终于结束了《ggplot2》的第一部分“Getting Started”，今天开始看第二部分——语法，第四章（Mastering the Grammar）介绍了ggplot2的一些基础语法知识，大概是对前期内容在理论上做一个总结。
建立一个散点图
首先还以“耗油量”数据集（mpg）为例。
library(ggplot2)
mpg
# A tibble: 234 x 11
manufacturer model displ year cyl trans drv cty hwy fl class
1 audi a4 1.80 1999 4 auto(l5) f 18 29 p comp…
2 audi a4 1.80 1999 4 manual(m5) f 21 29 p comp…
3 audi a4 2.00 2008 4 manual(m6) f 20 31 p comp…
4 audi a4 2.00 2008 4 auto(av) f 21 30 p comp…
5 audi a4 2.80 1999 6 auto(l5) f 16 26 p comp…
6 audi a4 2.80 1999 6 manual(m5) f 18 26 p comp…
7 audi a4 3.10 2008 6 auto(av) f 18 27 p comp…
8 audi a4 quattro 1.80 1999 4 manual(m5) 4 18 26 p comp…
9 audi a4 quattro 1.80 1999 4 auto(l5) 4 16 25 p comp…
10 audi a4 quattro 2.00 2008 4 manual(m6) 4 20 28 p comp…
# ... with 224 more rows
我们想建立一个展示发动机排量（displ）和高速公路行驶记录每加仑行驶的英里数（hwy）关系的散点图，并用不同颜色标记汽缸变量（cyl）。代码如下：
ggplot(mpg, aes(displ, hwy, colour = factor(cyl))) +
geom_point()
You can create plots like this easily, but what is going on underneath the surface? How does ggplot2 draw this plot?
1. 数据的美学映射（Mapping Aesthetics to Data）
散点图到底是啥？你以前见过很多，有可能也用手绘制过。散点图将每个观测值表示为一个点，根据两个变量的值进行定位。除了水平和垂直位置，每个点还具有大小，颜色和形状。这些属性被称为美学（aesthetics），是能在图形上感知的属性。每个美学可以映射到一个变量，或设置为一个常量值。在上图中， displ 映射到横轴上， hwy映射到纵轴上， cyl设置为彩色分类。大小和形状没有映射到变量，但保持其（恒定）默认值。
映射设定好之后，我们可以通过改变函数，画出除了散点图之外的折线图 geom_line()、柱形图 geom_bar()等：
## 折线图
ggplot(mpg, aes(displ, hwy, colour = factor(cyl))) +
geom_line() +
theme(legend.position = "none")
## 柱形图
ggplot(mpg, aes(displ, hwy, colour = factor(cyl))) +
geom_bar(stat = "identity", position = "identity", fill = NA) +
theme(legend.position = "none")
这些图虽然语法上是对的，但毫无意义。
点、线和条形都是不同的几何图形，他们组合起来可以有很多种plot：
| Named plot | Geom | Others |
|---|---|---|
| Scatterplot | Point | --- |
| Bubblechart | Point | Size mapped to a variable |
| Barchart | Bar | --- |
| Box-and-whisker plot | Boxplot | --- |
| Line chart | Line | --- |
有些图是根据实际需要添加的几何图形，他们没有确定的名称，如下：
ggplot(mpg, aes(displ, hwy, colour = factor(cyl))) +
geom_point() +
geom_smooth(method = "lm")
2. 标度（Scaling）
实际上，数据集中的数值对计算机没有任何意义。我们需要将它们从数据单位（例如，升，英里每加仑，气缸数量等）转换成计算机可以显示的图形单位（例如，坐标和颜色）。这种转换过程称为Scaling（scales）。
要生成一个完整的图表，需要三个主要元素：
data：数据
geom：代表数据的几何图形
scales and coordinate system：坐标系和标度
复杂化（Adding Complexity)
在普通的散点图中加线条和分面：
ggplot(mpg, aes(displ, hwy)) +
geom_point() +
geom_smooth() +
facet_wrap(~year)
以上代码中增加了三个部分
分面（facets）
多个图层（multiple layers）
统计变换（statistics）
平滑图层 geom_smooth()与点图层 geom_point()不同，因为它不显示原始数据，而是显示数据的统计转换。所以，这个过程的形成是在将数据映射到美学之后，传递到统计转换（stat）加以处理。
图层语法的组成（Components of the Layered Grammar）
图表包括了数据、映射、统计变换、几何图形以及位置调整（position adjustment）。
图层 layers
图层由以下五个方面组成（具体见第五章）：
Data
Aesthetic mappings.
A statistical transformation (stat).
A geometric object (geom).
A position adjustment.
标度 Scales
标度控制的是从数据到图形属性的映射。下面是几种标度的例子：
（从左到右依次是连续型变量、离散型变量的形状和颜色标度）
（具体见第六章）
坐标系 Coordinate System
坐标系（简称coord）是指数据映射所在的图表平面，位置通常由两个坐标(x, y)决定。
坐标系的不同类型如下图：
（从左到右依次是笛卡尔坐标系、半对数坐标系、极坐标系）
分面 Facetting
（详见第七章）
= = = = = = = = 我是懵懵的分割线 = = = = = = = =
碎碎念2：这一章看下来感觉干货不多，貌似更像是本书中间的一个过渡章节（也可能是我没有get到，不是很懂作者的用意）。囧。最后还是要放上参考资料，镇楼。
参考资料：
Hadley Wickham(2016). ggplot2. Springer International Publishing. doi: 10.1007/978-3-319-24277-4
《R语言应用系列丛书·ggplot2:数据分析与图形艺术》
快快和我一起上车，请关注：生信小白学习记
猜你喜欢
热文：1高分文章 2不可或缺的人 3图表规范
一文读懂：1微生物组 2寄生虫益处 3进化树
必备技能：1提问 2搜索 3Endnote
文献阅读 1热心肠 2SemanticScholar 3geenmedical
扩增子分析：1图表解读 2分析流程 3统计绘图 4功能预测
科研经验：1云笔记 2云协作 3公众号
系列教程：1Biostar 2微生物组 3宏基因组
生物科普 1肠道细菌 2人体上的生命 3生命大跃进 4细胞的暗战 5人体奥秘
写在后面
为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外150+ PI，1300+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。
学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”
