《ggplot2：数据分析与图形艺术》笔记
《ggplot2：数据分析与图形艺术》笔记
第一章 简介
ggplot2的理论基础：图形图层语法， 是由Wilkinson（2005）创建的一套用来描述所有统计图形深层特征的语法规则， Wickman（2010）提出了基于Wilkinson语法的图层图形语法，将图层作为主要的考察对象，并使其嵌入到R中。
图形图层语法告诉我们，一张统计图形就是从数据到几何对象（geometric object，缩写为geom，包括点、线、条形等）的图形属性（aesthetic attributes，缩写为aes，包括颜色、形状、大小等）的一个映射。此外，图形中还可能包括数据的统计变换（statistical transformation，缩写为stats），最后绘制在某个特定的坐标系（coordinate system，缩写为coord）中，而分面（facet）则可以用来生成数据不同子集的图形。
一个图形对象就是一个包含数据、映射、图层、标度、坐标和分面的列表。
第四章 用图层构建图像
绘图的方式有两种：一是一步到位式，如qplot()命令，二是逐层叠加式，如ggplot()函数和图层函数。一个图形可能包含多个图层。
一个图层由五个部分组成：
- 数据 ：必须是一个数据框，在绘图结束后可以被修改。
- 一组图形属性映射 ：用来设定数据集中的变量如何映射到该图层的图形属性。
- 几何对象：用来指定在图层中用哪几种几何对象来绘图。
- 统计变换 ：对原始数据做一些有用的统计变换，返回一个包含新变量的数据框。
- 位置调整：通过调整元素位置来避免图形重合。
图层是普通的R对象，可以存储到变量中去，有利于代码的避繁就简。
比较下面两条命令的区别：
ggplot(mtcars, aes(mpg, wt)) +
geom_point(color = "darkblue")
ggplot(mtcars, aes(mpg, wt)) +
geom_point(aes(color = "darkblue"))
答：第一条命令实际上是先创建了一个只含有“darkblue”字符的变量，然后将color映射到这个新变量上，因为这个新变量是离散型的，所以默认的颜色标度将用色轮上等间距的颜色。
统计变换生成变量的名字必须要用 . . 围起来，这样可以防止原数据集中的变量和生成变量重名时造成混淆，并且可以清晰地分辨出哪些变量是由统计变换生成的。如以下命令：
ggplot(diamonds, aes(carat)) +
geom_histogram(aes(y = ..density..), binwidth = 0.1)
位置调整多见于处理离散型数据，常用的五种位置调整参数：
| 名称 | 描述 |
|---|---|
| dodge | 避免重叠，并排放置 |
| fill | 堆叠图形元素并将高度标准化为1 |
| identity | 不做任何调整 |
| jitter | 给点添加扰动避免重合 |
| stack | 将图形元素堆叠起来 |
第五章 工具箱
具体使用哪种几何对象用于展示数据的分布，取决于分布的维度、分布是连续型还是离散型，以及条件分布还是联合分布。
对于一维连续型变量，最重要的集合对象是直方图，常用的参数包括 binwidth 和 breaks。
遮盖绘制及其处理：
研究两个连续型变量间关系时常常绘制散点图，当数据量很大时，这些点经常会出现重叠现象，从而掩盖真实的关系，根据这种图形做出的任何推论都值得怀疑，这种问题称为遮盖绘制。常用的处理方法如下：
- 小规模的遮盖绘制问题可以通过绘制更小的点加以缓解，或者使用中空的符号；
- 对于更为严重的遮盖绘制问题，可以通过调整透明度让点呈现透明效果，然而对于特别严重的遮盖绘制问题，这种方法的效果并不会太好。
- 如果数据存在一定的离散性，可以通过在点上增加随机扰动来减轻重叠，特别是与透明度一起使用时，这种方法很有效。
- 将点分箱并统计各个箱中点的数量，然后通过某种方式可视化这个数量，常用六边形 geom_hex 函数。
- 使用stat_density2d作二维密度估计，并将等高线添加到散点图中，或用着色瓦片直接展示密度，或使用大小与分布密度成比例的点进行展示。
添加图形注解
添加图形注解有两种基本的方法：逐个添加或批量添加。逐个添加的方式适合少量的、图形属性多样化的注解。如果需要添加多个具有类似属性的注解，可以将他们放到数据框中并一次添加完成更为有效。
常用的添加注解命令：
| 命令 | 功能 |
|---|---|
| geom_text | 添加文字叙述或为点添加标签 |
| geom_vline, geom_hline | 向图形添加垂直线或水平线 |
| geom_abline | 向图形添加任意斜率和截距的直线 |
| geom_rect | 用来强调图形中感兴趣的矩形区域 |
| geom_line, geom_path, geom_segment | 可以添加直线，使用arrow参数在线上放置一个箭头 |
第六章 标度、坐标轴和图例
标度控制着数据到图形属性的映射，将数据转换为视觉上可以感知的东西：例如大小、颜色、位置或形状。读图时所使用的工具：坐标轴和图例（统称为引导元素）。
在 ggplot2 中，所有的标度构建器都拥有一套通用的命名方案：它们以 scale_ 开头，接下来是图形属性的名称（例如 color_，shape_，x_），最后以标度的名称结尾（例如gradient，hue 或 manual）。
四种标度类型：
- 位置标度：用于将连续型、离散型和日期时间型变量映射到绘图区域，以及构造对应的坐标轴。
- 颜色标度：用于将连续型和离散型变量映射到颜色。
- 手动离散型标度：用于将离散型变量映射到所选的符号大小、线条类型、形状或颜色，以及创建对应的图例。
- 同一型标度：用于直接将变量值绘制为图形属性，而不去映射它们，如调色盘的绘制。
标度的通用参数：
- name：设置坐标轴或图例上出现的标签。
- limits：固定标度的定义域。
- breaks 和 labels：breaks控制着显示在坐标轴或图例上的值，labels指定了应在断点处显示的标签。
图例和坐标轴的内容是由标度控制的，而渲染的细节是由主题系统控制的。
第七章 定位
分面的用法：切割数据生成一系列小联号图，每个小图表示不同的数据子集。分面可以快速地分析出数据各子集模式的异同。
ggplot2 提供两种分面类型：网格型（facet_grid）和封装型（facet_wrap）.
对于两种分面，可以通过调整参数 scales 来控制面板的位置标度是相同（固定）还是允许变化（自由）。
设定标度范围和设定坐标系范围的差异：
答：当设定标度范围时，任何超出此范围的数据都会被删除；但当设定坐标系范围时，使用的仍是所有的数据，只不过只展示一小片图形区域，好比用放大镜看图形。
第八章 精雕细琢
图形的视觉呈现是由数据和非数据部分决定，主题系统控制着图形中的非数据元素外观，不会影响几何对象和标度等数据元素。
主题的控制包括标题、坐标轴标签、图例标签等文字调整以及网格线、背景、轴须的颜色搭配。
主题元素函数的四个基础类型：文本（text）、线条（lines）、矩形（rectangles）、空白（blank）。
- element_text() 绘制标签和标题，可以控制字体的family，face，color，size，hjust，vjust，angle，lineheight。
- element_line() 绘制线条或线段，可以控制color，size，linetype。
- element_rect() 绘制主要供背景使用的矩形，可以控制填充颜色（fill）和边界的color，size，linetype。
- element_blank() 对元素不分配相应的绘图空间，可以删去不感兴趣的绘图元素。