ggplot2入门大全（从菜鸟到高手）

在开始ggplot2的学习之前，可以先看下我之前的一篇博客，关于快速作图——qplot

1、ggplot2中的mpg数据集

第一步当然是加载ggplot2，读取数据，了解数据。

> library(ggplot2)
Warning message:
程辑包‘ggplot2’是用R版本3.6.3 来建造的 
> mpg
# A tibble: 234 x 11
   manufacturer model      displ  year   cyl trans      drv     cty   hwy fl    class  
   <chr>        <chr>      <dbl> <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    2008     4 manual(m6) f        20    31 p     compact
 4 audi         a4           2    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
 7 audi         a4           3.1  2008     6 auto(av)   f        18    27 p     compact
 8 audi         a4 quattro   1.8  1999     4 manual(m5) 4        18    26 p     compact
 9 audi         a4 quattro   1.8  1999     4 auto(l5)   4        16    25 p     compact
10 audi         a4 quattro   2    2008     4 manual(m6) 4        20    28 p     compact
# ... with 224 more rows
> str(mpg)
Classes ‘tbl_df’, ‘tbl’ and 'data.frame':	234 obs. of  11 variables:
 $ manufacturer: chr  "audi" "audi" "audi" "audi" ...
 $ model       : chr  "a4" "a4" "a4" "a4" ...
 $ displ       : num  1.8 1.8 2 2 2.8 2.8 3.1 1.8 1.8 2 ...
 $ year        : int  1999 1999 2008 2008 1999 1999 2008 1999 1999 2008 ...
 $ cyl         : int  4 4 4 4 6 6 6 4 4 4 ...
 $ trans       : chr  "auto(l5)" "manual(m5)" "manual(m6)" "auto(av)" ...
 $ drv         : chr  "f" "f" "f" "f" ...
 $ cty         : int  18 21 20 21 16 18 18 18 16 20 ...
 $ hwy         : int  29 29 31 30 26 26 27 26 25 28 ...
 $ fl          : chr  "p" "p" "p" "p" ...
 $ class       : chr  "compact" "compact" "compact" "compact" ...

cty 和 hwy 分别记录城市和高速公路驾驶耗油量（英里/加仑）

1 mile=1609.344 m；1 gal=3.785412L

displ 表示发动机排量（L）
drv 表示驱动系统：前轮驱动（f）、后轮驱动（r）和四轮驱动（4）
model 表示车辆型号，共有38种车型
class 表示车辆类别
全部变量的解释可以参考：mpg数据集内容

2、ggplot2图像的三个基本构成：数据、图形属性和几何对象

ggplot2 图像的三个基本构成：
1、数据
2、图形属性映射
3、几何对象

for example

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

它展现了由以下三个组件构成的散点图：

1、数据：mpg
2、图形属性映射：displ对应x轴，hwy对应y轴
3、几何对象：散点图

代码就像套公式，ggplot(mpg,aes(x=displ,y=hwy))+geom_point()，数据和图形属性映射包含在ggplot()中，而+可用来添加图层，随着学习的深入，+的东西会越来越丰富。

3、如何将变量映射到图形属性中

先补充一点，下面两行代码是一样的，默认先x后y。

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

然而这样做出来的图并不是我们想要的，因为不够美观。还需要进一步调整，比如：

#ggplot2通过 标度 可以将数据转换为图形属性。
ggplot(mpg,aes(displ,hwy,colour=class))+geom_point()#颜色
ggplot(mpg,aes(displ,hwy,shape=drv))+geom_point()#形状
ggplot(mpg,aes(displ,hwy,size=cyl))+geom_point()#大小

以第一个colour为例，不同类型的车一目了然。

那么，可以看出什么呢？比如发动机排量（displ）较大的双座车（2seater），油耗却不是最高的，所以固定油耗下行驶距离会更长。

• 补充一个重点
  比较下面两张图像：

ggplot(mpg,aes(x=displ,y=hwy))+geom_point(aes(colour="blue"))
ggplot(mpg,aes(x=displ,y=hwy))+geom_point(colour="blue")

为什么会这样呢？这就是“标度”的作用，可以体会一下，我不太会解释 。

最后，来了解一下“分面”。这个不用解释，目的就是把复杂的数据分一分类，做出来的图更直观。分面有两种类型，网格型和封装型，下面主要讨论更为常用的封装型。

ggplot(mpg,aes(displ,hwy))+geom_point()+facet_wrap(~class)

加上facet_wrap()即可，括号里是类别，别忘了波浪线~

4、如何指定不同的几何对象绘制各种各样的图形

聪明的你可能已经想到修改geom_point()，来画其他的图，恭喜你猜对了！
下面挑几个常用的图像类型展示一下：

No1、在图中添加平滑曲线

ggplot(mpg,aes(displ,hwy))+geom_point()+geom_smooth()

灰色部分表示逐点置信区间用以评估不确定性。如果不需要，可以输入geom_smooth(se=FALSE)。

• 平滑方式并不相同，method="loess"是数据量较小时的默认选项，使用局部拟合回归（可以查阅帮助？loess），曲线的平滑程度由参数span控制，取值范围0（很不平滑）到1（很平滑）。

示例：

ggplot(mpg,aes(displ,hwy))+geom_point()+geom_smooth(method="loess",span=0.2)
ggplot(mpg,aes(displ,hwy))+geom_point()+geom_smooth(method="loess",span=1)

但是，当数据量n超过1000时，loess并不适用，那该怎么办呢？下次再介绍

我们常用的还有线性拟合，method=“lm”，这个就不存在平滑的问题了。method=“rlm”，也可进行线性拟合，对异常值不敏感，不过需要加载R包MASS，这里就不再做了。

No2、箱线图和扰动点图

ggplot(mpg,aes(drv,hwy))+geom_point()

不同驱动的车与耗油量的关系。上图的问题是容易出现重叠，数据多了分布看不清楚 ，太low了。
该怎么解决呢？有三种工具，扰动点图、箱线图、小提琴图。

• 扰动点图：在数据中加入随机噪声避免图形重叠（说实话，这个用的真不多。。）

ggplot(mpg,aes(drv,hwy))+geom_jitter()

• 箱线图：用若干统计量概括数据分布情况（比较常用）

ggplot(mpg,aes(drv,hwy))+geom_boxplot()

• 小提琴图：简要展示分布"密度"，突出数据分布密集的区域

ggplot(mpg,aes(drv,hwy))+geom_violin()

每种方法都有优势和不足，根据自己的数据特点选择合适的方法最重要。

No3、直方图和频数多边形

ggplot(mpg,aes(hwy))+geom_histogram(binwidth = 1)
ggplot(mpg,aes(hwy))+geom_freqpoly(binwidth = 1)
#binwidth为组距，如果不需要均匀组距可以修改 breaks 参数
#不调整组距的话会被默认分为30组

No4、条形图

离散变量情形下，条形图和直方图类似：

ggplot(mpg,aes(manufacturer))+geom_bar()

还有一种条形图是经过预处理的，比较常用。比如三种药品和它们的平均疗效：

drugs <- data.frame(drug = c("a","b","c"),effect = c(4.2,9.7,6.1))
ggplot(drugs,aes(drug,effect))+geom_bar(stat="identity")

No5、时间序列中的折线图和路径图

这个应该是我最常用的图了，终于到我的菜了哈哈
由于mpg数据集中时间变量只有两个取值，因此这里用economics数据集，它包含美国过去40年的经济数据，下面展示失业水平随时间变化的两张折线图。第一张显示了失业率的变化，第二张显示了失业星期数的中位数。

ggplot(economics,aes(date,unemploy/pop))+geom_line()
ggplot(economics,aes(date,uempmed))+geom_line()

可以看出两张图的区别，例如在最后一个峰值处，失业率比前一个峰值低，但失业时间却要更长。

为了考察这种关系的更多细节，可以将两个图绘制在一张图中，也就是失业率和失业时间随年份变化的路径。第一张图时间变化的方向不明显，第二张图将年份映射到颜色属性上，可以更容易看出时间的行进方向。

ggplot(economics,aes(unemploy/pop,uempmed))+geom_path()+geom_point()

year <- function(x) as.POSIXlt(x)$year+1900
ggplot(economics,aes(unemploy/pop,uempmed))+geom_path(colour="grey50")+
  geom_point(aes(colour=year(date))) 

可以看出，失业率和失业时间是高度相关的，但是，最近几年，失业时间长度与失业率相比有增长的趋势。

5、如何修改坐标轴

修饰坐标轴也是作图必不可少的一个环节（下面仅介绍最主要的，其他细节下次再写）。
xlab()和ylab()设置坐标轴标签：

ggplot(mpg,aes(cty,hwy))+geom_point(alpha=1/3)+
  xlab("city driving (mpg)")+ylab("highway driving (mpg)")
//alpha设置透明度
//如果不要轴标签，xlab(NULL)+ylab(NULL)

xlim()和ylim()调整坐标轴的显示区间：

ggplot(mpg,aes(drv,hwy))+
  geom_jitter(width = 0.25)+
  xlim("f","r")+ylim(20,30)
//Warning message:
//Removed 140 rows containing missing values (geom_point). 

对于连续型标度，NA 可以设置单侧区间界限

ggplot(mpg,aes(drv,hwy))+
  geom_jitter(width=0.25,na.rm = TRUE)+
  ylim(NA,30)

坐标轴显示区间改变后，区间外的取值会默认设置为 NA，可以通过na.rm=TRUE来关闭相关警告提示。

6、图像文件的其他处理方式，如保存至硬盘

终于要输出了，好累orz
大多数情况下图像会直接进行绘制，但同样可以将图像存储为变量并对其进行修改，然后手动print：

p <- ggplot(mpg,aes(displ,hwy,colour=factor(cyl)))+
  geom_point()
print(p)
ggsave("plot.png",width = 5,height = 5)
//将png文件保存到硬盘，找不到存在哪里了?使用getwd()

> summary(p)
data: manufacturer, model, displ, year, cyl, trans, drv, cty, hwy, fl, class
  [234x11]
mapping:  x = ~displ, y = ~hwy, colour = ~factor(cyl)
faceting: <ggproto object: Class FacetNull, Facet, gg>
    compute_layout: function
    draw_back: function
    draw_front: function
    draw_labels: function
    draw_panels: function
    finish_data: function
    init_scales: function
    map_data: function
    params: list
    setup_data: function
    setup_params: function
    shrink: TRUE
    train_scales: function
    vars: function
    super:  <ggproto object: Class FacetNull, Facet, gg>
-----------------------------------
geom_point: na.rm = FALSE
stat_identity: na.rm = FALSE
position_identity 

写这么多不容易，如果对你有帮助，点个关注吧