使用ggplot2进行数据可视化：散点图篇

使用ggplot2进行数据可视化：散点图篇

The simple graph has brought more information to the data analyst’s mind than any other device. —John Tukey

在数据分析中，进行数据可视化是一个重要的步骤。在前期对数据进行初步探索时，数据可视化会让我们对数据有一个初步的了解；而在后期进行分析和交流时，数据可视化可以为别人提供更加有效、易读的信息。
在R语言中，有这两个绘图系统：传统绘图系统和Grid绘图系统，此外还有两个基于Grid绘图系统的主流拓展包：lattice和ggplot2。在这里主要介绍的是ggplot2包在数据可视化中的运用。ggplot2提供了全面的、基于语法的、连贯一致的图形生成系统，允许用户创建新颖的、有创造性的数据可视化图形。虽然ggplot2的学习曲线陡峭，但是只要掌握其语法规则，能够在很短的时间内生成达到出版水平的图形。所以，ggplot2是R数据可视化中重要的扩展包。

使用散点图观察两个连续性变量的关系

有时候，我们想要知道两个连续性变量是否存在某种关系，如线性、非线性、正相关、负相关等等，我们通常绘制散点图初步观察这种关系是否存在。

使用的示例数据集

在这里，我们主要是用的数据集是“mpg”。该数据集包含了1999-2008年部分车型以及其燃料消耗等数据。该数据集是ggplot2包一个示例数据集，我们可以使用查看该数据集前几行：

library(ggplot2)
    data(mpg)
    head(mpg)
    # A tibble: 6 x 11
      manufacturer model displ  year   cyl      trans   drv   cty   hwy    fl   class
             <chr> <chr>  <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   2.0  2008     4 manual(m6)     f    20    31     p compact
    4         audi    a4   2.0  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

此外，可以使用?mpg在Rstudio上查看详细的解释。

散点图的可视化

在这里，我们想要知道的是，发动机排量（displ）和燃油效率（hwy）之间存在什么关系。
- displ：发动机的排放量，单位升；
- hwy：highway miles per gallon，每加仑汽油行驶的距离，单位米/加仑。
根据平时的经验来看，发动机排量越小，每加仑汽油行驶的距离就越长，即，燃油效率就越高。 那么在这个数据集中，是怎样的一种情况呢？在散点图中，我们可以观察到他们之间的关系。使用ggpolot2进行散点图的绘制代码如下：

library(ggplot2)
    ggplot(mpg,mapping = aes(x=displ,y=hwy))+
              geom_point()

我们可以从上图看到，随着发动机排量的升高，每加仑汽油行驶的距离就越短，发动机排量和燃油效率存在着线性的关系。对于上述的代码，ggplot2到底是如何工作的？
在ggplot2中，我们是首先需要告诉函数使用哪一个数据集，然后给他规定横轴和纵轴分别表示哪些变量。在上面的代码中，我们在ggplot()函数中规定了数据集以及横纵坐标所代表的变量。然而单单使用ggplot()函数仅仅只能生成一个横纵坐标轴（下图）。所以我们还需要告诉系统，我们想要画的是什么类型的图，这个由geom_point()函数来告诉系统，我们想画的是散点图。geom_point()这种函数称为几何函数，在ggplot2中，这样的几何函数有很多，如条形图 ：geom_bar()，箱线图：goem_boxplot()，直方图：geom_histogram()等等。

我们在使用ggolot(mpg,mapping = aes(x=displ,y=hwy))时，我们已经将横轴和纵轴的变量设为了全局变量。全局变量意味着后续的图形全部是在这个横纵坐标下绘制的，比如，我们想添加一条光滑在这个图形的基础上添加一条光滑的曲线：

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

除了这种方法外，我们还可以在几何函数下为每一个图形设置其横轴及纵轴，当这样设置时，意味着设置的横轴与纵轴的变量仅仅适用于这个几何函数。下面的代码表示使用displ和hwy变量绘制散点图，使用displ和cty变量绘制光滑曲线：

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

虽然纵轴显示的是hwy，但是光滑曲线并不是hwy为纵轴进行绘制的。

分组

重新审视图一的散点图，我们发现有一些异常值，出乎我们的意料：这些车在大排量下居然也有着较好的燃油效率。这些异常值的是否与其他的因素有关，和什么因素有关？这些在总体的数据中我们无法观察到不同。所以我们需要对这些数据进行分组。在这个数据集中，我们注意到车辆有着不同的类型，因此，我们选择对其车型进行分组，看看不同组别的汽车有什么不同。
在ggplot2中，可以很简便的看到各个分组的情况：

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

需要注意的是，ggplot2中，分组的函数必须放在aes()中，否则这会出现错误。
分组之后，我们发现异常值基本都属于一种车型：2seater。这种车型是一种跑车，拥有者大排量的发动机和较轻的车身，所以使其在同样的排量下，能够拥有着更好的燃油效率。
在ggplot2中，不仅仅可以使用颜色进行分组，还可以使用形状（shape）、透明度（alpha）、大小（size）进行分组。当然，在某些情况下，某种分组的效果不一定合适。在ggplot2中，一次只能使用最多六种形状（shape），所以在用形状进行分组的时候，会遇到下面的情况：

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

    Warning messages:
    1: The shape palette can deal with a maximum of 6 discrete values
    because more than 6 becomes difficult to discriminate; you have
    7. Consider specifying shapes manually if you must have them. 
    2: Removed 62 rows containing missing values (geom_point). 

这时候，Suv不再显示。

选择子集

有时候，我们不想看所有的数据，只想看看SUV这一个车型不同排量和燃油效率的关系。那么应该如何进行绘图呢？

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

备注：在使用filter()函数时，需要载入dplyr包，不然会报错。

除了这种单一的提取出不同子集的方法外，我们还可以使用分面（Facets）将所有的子集绘制出来。

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

使用的函数facet_warp()需要添加一个公式型的参数，这是R中的一种数据结构形式，而不是指数学上的等式。这种表达方法在进行回归分析的时候经常会被使用。

这部分，我们查看了如何在ggplot2中初步探索两个变量之间的关系，如何绘制散点图，并且添加光滑曲线，如何用不同的形式表达不同的子集，如何绘制其中的一个子集，如何使用分面在一个图形中绘制不同的子集。接下来，我们将要探讨的是条形图在ggplot2中应该如何绘制。