第五章，数据可视化-ggplot2

简介

虽然，目前有很多工具可以用来进行数据分析，但是R语言在数据可视化上的优势基本无它能敌。其中最具盛名的包就是Hadly Wickham开发的ggplot2包。

正文

---

一，快速探索数据-从qplot开始

R中查看函数文档信息

require(ggplot2)
help("qplot")

qplot(x, y, ..., data, facets = NULL, margins = FALSE, geom = "auto", 
 xlim = c(NA, NA), ylim = c(NA, NA), log = ", 
main = NULL,  xlab = NULL, ylab = NULL, asp = NA, stat = NULL,  position = NULL)

二，图层语法中，图的结构表述

(一)，数据和映射

1，ggplot创建图形对象

p =  ggplot(data=diamonds, aes(x= carat,y= price, color= cut))

p是第一层图层语法模型中的第一层，其中data参数，控制数据来源，只能是数据框格式，aes参数，控制了对哪些变量进行图形映射，以及映射方式；aes中的属性包括，color,shape,fill 等等

p =  ggplot(mtcars, aes(x= mpg,,y= wt))
p + geom_point()  
# geom_point() 第二图层告诉了ggplot2要绘制散点图

⚠️aes中的属性映射，如果变量是分类变量，为了防止被当做数值型，一般用factor处理一下，比如 aes(… ,…, color = factor(a))

# 此处，因为factor的处理，cyl被当做分类属性值
p+geom_point(aes(color=factor(cyl)))

2，几个对象

分组 aes(…, group )，默认group=1，表示所有离散变量的交互作用，来控制哪些观测值用于哪些图形元素。

几何对象大致可分为两类，由group来控制，当没有离线变量等情况时，继续用自定义设置group结构。

例1，
当x,y 里面的值没有离散变量时，需要设定group

   library(“nlme”)   #用到这包里面的数据Oxboys
   head(Oxboys)
   
   ggplot(Oxboys,aes(age,height))+geom_point()

图中数据，表示了每个样本对象Subject，对应的年龄、身高情况的散点图，属于个体集合对象。

当把他们变成线图时，问题就出来了。 由于没有设置group，被认为是群体几个对象，画出来的是乱的线图。
ggplot(Oxboys,aes(age,height))+geom_line()

设定group后，ggplot就知道，每个subject的所有数据映射到一个图形对象

 ggplot(Oxboys,aes(age,height,group=Subject))+geom_line()

(二)，添加图层

创建图层是用下面的layer函数实现的

layer(geom = NULL, stat = NULL, data = NULL, mapping = NULL,
  position = NULL, params = list(), inherit.aes = TRUE,
  check.aes = TRUE, check.param = TRUE, show.legend = NA)

但是实际中，我们会用到快捷函数geom_* 或 stat_* 来实现。
图层之间是用加号’+’连接的。

1，创建几何对象
每一个几何对象都有一个默认的的统计变换，当然统计变换可以自己设定更改。
下图举个例子，更多几何对象，参考ggplot2。

2，统计变换

因为geom_*(aes(stat= ‘’ ))都会给定一个默认的统计变换，如上表。所以，一般不会需要更改，除非需要自定义图形的时候。

3，位置调整

位置调整一般多见于离散数据的重叠，连续数据很少需要微调。
五种位置position的参数如下

更详细的设置需要结合下面的函数，调整参数实现：

# 堆叠图像宽度不一致的情况
ggplot(mtcars, aes(factor(cyl), fill = factor(vs))) +
  geom_bar(position = 'dodge’)

# 通过详细的设置来调整
ggplot(mtcars, aes(factor(cyl), fill = factor(vs))) +
+   geom_bar(position = position_dodge2(preserve = "single"))

(三), 标尺/标度 scale

前面我们已经看到了，画图就是在做映射，不管是映射到不同的几何对象上，还是映射各种图形属性。这一小节介绍标尺，在对图形属性进行映射之后，使用标尺可以控制这些属性的显示方式，比如坐标刻度，可能通过标尺，将坐标进行对数变换；比如颜色属性，也可以通过标尺，进行改变.

可以看到标尺设置的内容有8种（颜色color/colour算一种）：

• 透明度alpha
• 线条颜色color
• 填充色fill
• 线型linetype
• 形状shape
• 大小size
• x轴
• y轴

(标尺设置的内容都有对应的映射设置类型，但映射比标尺多了xmin, xmax, ymin, ymax, xend, yend，group和string等)

每一种标尺的设置都形如scale_*，具体参见ggplot2中的说明，下面举个例子：

(1) 连续型颜色标尺

ggplot2提供了十多个填充色设置的标尺函数参见上表
先看看“continuous”的用法。对于数据为非因子型的填充色映射，ggplot2自动使用“continuous”类型颜色标尺表示连续颜色空间。如果要修改默认颜色就要使用scale_fill_continuous函数进行修改，这个函数最有用的参数是low和high，分别表示低端和高端数据的颜色，中间颜色根据颜色空间space自动计算：

p + geom_raster() + 
scale_fill_continuous(low="darkgreen", high="orangered", space='rgb')

（2）离散（间断）型颜色标尺
scale_color_discrete或scale_color_hue设置颜色不是很直观，如果想要啥来啥，那就用manual类型函数：

p + geom_point() + 
scale_color_manual(values=c('blue','cyan', 'yellow', 'orange', 'red'))

（3）坐标轴尺度
两种方式，比如

• 通过 scale_y_log10() 将Y轴坐标进行log10变换
• 或自己有限进行数据变换将Y’ = log10(Y), 再画出 Y’ 与 X之间的关系

（4）颜色

(四), 坐标系统 coordinate

坐标系统控制坐标轴，可以进行变换，例如XY轴翻转，笛卡尔坐标和极坐标转换，以满足我们的各种需求。

(五), 分面 facet

分面有两种方式来实现：

(1) 缠绕分面 facet_wrap
facet_warp 即“缠绕分面”，对数据分类只能应用一个标准，不同组数据获得的图形按从左到右从上到下的“缠绕”顺序进行排列

facet_wrap(facets, nrow = NULL, ncol = NULL, scales = “fixed”, shrink = TRUE, as.table = TRUE, drop = TRUE)

• facets：分面参数如 ~cut，表示用 cut 变量进行数据分类
• nrow：绘制图形的行数
• ncol：绘制图形的列数，一般nrow/ncol只设定一个即可
• scales：坐标刻度的范围，可以设定四种类型。fixed 表示所有小图均使用统一坐标范围； free表示每个小图按照各自数据范围自由调整坐标刻度范围；free_x为自由调整x轴刻度范围；free_y为自由调整y轴刻度范围。
• shrinks：也和坐标轴刻度有关，如果为TRUE（默认值）则按统计后的数据调整刻度范围，否则按统计前的数据设定坐标。
• as.table：和小图排列顺序有关的选项。如果为TRUE（默认）则按表格方式排列，即最大值（指分组level值）排在表格最后即右下角，否则排在左上角。
• drop：是否丢弃没有数据的分组，如果为TRUE（默认），则空数据组不绘图。

# 分面可以让我们按照某种给定的条件，对数据进行分组，然后分别画图。
ggplot(small, aes(x=carat, y=price))
+geom_point(aes(colour=cut))
+scale_y_log10() 
+facet_wrap(~cut,scales="fixed")+stat_smooth()

(2) 网格分面 facet_grid

facet_grid(facets, margins = FALSE, scales = “fixed”, space = “fixed”, shrink = TRUE, labeller = “label_value”, as.table = TRUE, drop = TRUE)

和facet_wrap比较，除不用设置ncol和nrow外（facets公式已经包含）外还有几个参数不同：

• 必须拥有相同的X值与Y值

• margins ：相当于是否添加行、列的汇总图；
• space ：这个参数要配合scales使用，如果为fixed（默认），所有小图的大小都一样，如果为free/free_x/free_y，小图的大小将按照坐标轴的跨度比例进行设置。
• labeller ：设定小图标签的

p <- ggplot(mpg, aes(displ, cty)) + geom_point()
p + facet_grid(. ~ cyl) # 一行多列
p + facet_grid(drv ~ .) #一列多行
p + facet_grid(drv ~ cyl) #多行多列

(六), 主题 theme

ggthemes包提供了一些主题可供使用

library(ggthemes)
p+theme_wsj()

此外，ggplot2默认也提供了很多的主题属性，可以自行调整，例子如下：

(1) 去掉y轴的刻度标签
p+theme(axis.text.y = element_blank())

若同时，去掉y轴的刻度线
p+theme(axis.ticks = element_blank(), axis.text.y = element_blank())

(2) 将刻度标签文本旋转

例，旋转30度
p+theme(axis.text.x = element_text(angle=30,hjust=1,vjust=1))

同时，用element_text()还可以设置刻度标签文本的大小、样式、字体等属性：
p+theme(axis.text.x = element_text(
family=“Times”, face=“italic” , colour=“darked” , “size”=rel(0.9)))

（3）element_text()

family：Helvetica 无衬线，Times 有衬线 Courier 等宽；
face：plain普通，bold粗体，italic斜体，bold.italic粗斜体
size：单位磅
lineheight：行间距倍数
…

（4）margin()
theme中边框距离，图片与边框之间的距离
margin(t = 0, r = 0, b = 0, l = 0, unit = “pt”)
设置的顺序是上、右、下、左
ggplot(…) + theme(plot.margin = margin(2,2,2,2,"cm”))

（七）I/O

ggplot2的输出有两种形式：矢量型，光栅型(像素矩阵)

ggsave()

（八）其他

（1）【手动匹配形状】

ggplot2 中对应的shape palette最多只有6个，也就是说如果想把第7个及以上的分类匹配不同的形状时，需要手动匹配

假设一个数据集 data由product/reason/count三个维度构成，因为product是a~g七个
运行下列code时

ggplot(data,aes(x=reason,y=count))
+geom_point(aes(colour=product,size=10,shape=product))

就会发现product=g的图形，在图中是空的：

此时需要手动匹配图形：
根据product=='g’定位对应点的坐标值：

ggplot(da,aes(x=reason,y=count))
+geom_point(aes(colour=product,size=10,shape=product))    	    
+geom_point(aes(reason[product=='g'],count[product=='g']),colour='black',shape=11,size=5)

ggplot2中的shape有下面25种类型（R语言原生的绘图类型共255种，包括字母数字等内容）

（2）【一页多图】

此处内容转载丹追兵的文章

library(grid) # 用grid包完成布局
核心为 viewport() 函数

参数如下：

• x：绘图区域相对页面左下角原点的x坐标，默认单位为npc，Normalised Parent Coordinates，含义是归一化的父区域坐标
• y：绘图区域相对页面左下角原点的y坐标
• width：绘图区域的宽度（x轴方向）
• height：绘图区域的高度（y轴方向）
• just：x和y所指的位置，默认为矩形中心位置
• angle：将绘图区域旋转多少度
• name：此viewport的名字，用于搜索和定位

例子1：

grid.show.viewport(viewport(x=0.6, y=0.6, width=unit(1, "inches"), height=unit(1, "inches"), angle=30))

一，用调用 viewport() 与 print.ggplot()

print( ggplot对象， vp = ) 函数中，可以设置vp(viewport)选项，来指定画图的位置。

require(ggplot2)
library(grid)

# 生成三个ggplot对象
p.hist.len <- ggplot(iris) + geom_histogram(aes(x=Sepal.Length))
p.hist.wid <- ggplot(iris) + geom_histogram(aes(x=Sepal.Width)) + coord_flip()
p.scatter <- ggplot(iris) + geom_point(aes(x=Sepal.Length, y=Sepal.Width))

# 创建三个不同的vp位置
grid.newpage()
vp.len <- viewport(x=0, y=0.66, width=0.66, height=0.34, just=c("left", "bottom"))
vp.wid <- viewport(x=0.66, y=0, width=0.34, height=0.66, just=c("left", "bottom"))
vp.scatter <- viewport(x=0, y=0, width=0.66, height=0.66, just=c("left", "bottom"))

# 运用vp， 画出指定的位置的ggplot对象
print(p.hist.len, vp=vp.len)
print(p.hist.wid, vp=vp.wid)
print(p.scatter, vp=vp.scatter)

二，更复杂图像用矩形网格布局

grid.layout(nrow = 1, ncol = 1,
        widths = unit(rep_len(1, ncol), "null"),
        heights = unit(rep_len(1, nrow), "null"),
        default.units = "null", respect = FALSE,
        just="centre")

例子：

# 新建画布
grid.newpage()

# 创建矩形网格布局,pushviewport函数把布局插入到根节点
pushViewport(viewport(layout = grid.layout(2,2))) 

# 自定义布局分配函数
vplayout <- function(x,y)
  viewport(layout.pos.row = x,layout.pos.col = y)

# 三个图形
a = qplot(date,unemploy, data = economics, geom = 'line',fill='red')
b = qplot(uempmed,unemploy, data = economics) 
c = qplot(uempmed,unemploy, data = economics,geom = 'path')

# 画图
print(a,vp = vplayout(1,1:2))
print(c,vp = vplayout(2,1))
print(b,vp = vplayout(2,2))