library(ggplot2)
library(tidyverse)
library(scales)
library(nlme)
1. 图层
图层五要素
- 数据集：每个图层都可以有自己的数据集
- 一组图形属性的映射：设定和映射之间的区别
- 几何对象：决定一组可用的图形属性
- 统计变换：返回一个包含新变量的数据框, 每一个统计变换都有默认的几何对象，下面两行代码出图一样
ggplot(diamonds,aes(carat,price,color=cut))+geom_point()
ggplot(diamonds,aes(carat,price,color=cut))+stat_identity()
- 位置调整：通过调整元素的位置来避免图形重合
图层是普通的R对象
可以赋值给变量，便于代码复用
bestfit <- geom_smooth(method = "lm",se=F,color="lightblue",alpha=0.5,size=2)
msleep %>% ggplot(aes(x=sleep_rem,y=sleep_total))+bestfit
2. 数据
关于分面：分面是一个全局操作，作用于所有图层，需要一个默认数据集，这个数据集定义了分面变量（一般是离散变量）
3. 图形属性映射
3.1 图和图层
图层映射（指geom_函数中的映射）和默认映射（指ggplot()函数中的映射）的结合：以geom_函数中的映射为准
3.2 设定和映射的区别
个人理解：设定是设置为“一个值”，映射是设置为“多个值”；前者放在aes()外面，后者放在aes()里面
p <- mtcars %>% ggplot(aes(x=mpg,y=wt))
p+geom_point(color="lightblue")
p+geom_point(aes(color="lightblue"))
p+geom_point(aes(color="blue"))
对于color来说，如果是映射，变量有几个值才是重要的，值的内容并不重要，上面两行代码得到的图一样，都是粉红色的（这是默认色）
3.3 分组（新内容）
group=xxx: 变量是离散的
interaction()：有时候需要组合两个变量达到分组的目的
默认分组不管用的时候，只能自己设置group，3种情况
3.3.1 多个分组与单个图形属性(指group)
nlme::Oxboys %>% ggplot(aes(age,height))+geom_line()
nlme::Oxboys %>% ggplot(aes(age,height,group=Subject))+geom_line()
nlme::Oxboys %>% ggplot(aes(age,height,color=Subject))+geom_line()
此时，这一行代码更像是上一行代码的“进一步形式”，换言之，color=潜在地进行了group=操作
3.3.2 不同图层上的不同分组：有的图层展示个体，有的图层展示组群
nlme::Oxboys %>% ggplot(aes(age,height,group=Subject))+geom_line()+geom_smooth(method = "lm",se=F)
nlme::Oxboys %>% ggplot(aes(age,height,group=Subject))+geom_line()+geom_smooth(group=1,method = "lm",se=F)
3.3.3 修改默认分组
当x映射为某变量，而这个变量是离散的，则默认根据这个变量分组
nlme::Oxboys %>% ggplot(aes(Occasion,height))+geom_boxplot()
nlme::Oxboys %>% ggplot(aes(Occasion,height))+geom_boxplot()+geom_line(aes(group=Subject),color="lightblue")
3.4 匹配图形属性和图形对象
a <- c(1,2,3,1,2,3,1,3,5)
dim(a) = c(3,3)
df2 <- as.data.frame(a)
colnames(df2) <- c("x","y","color")
df2
#第一幅图
ggplot()+geom_point(df2,mapping=aes(x,y,color=factor(df2$color)),size=8)+geom_segment(aes(x=df2$x[c(1,2)],y=df2$y[c(1,2)],xend=df2$x[c(2,3)],yend=df2$y[c(2,3)],color=factor(df2$color[c(1,2)])),size=4)
#第二幅图
df2 %>% ggplot(aes(x,y,color=color))+geom_point(size=8)+geom_line(size=4)
#第三幅图
xgrid <- with(df2,seq(min(df2$x),max(df2$x),length=50))
interp <- data.frame(
x=xgrid,
y=approx(df2$x,df2$y,xout = xgrid)$y,
color=approx(df2$x,df2$color,xout = xgrid)$y
)
ggplot(df2,aes(x,y,color=color))+geom_point(size=8)+geom_line(data = interp,size=4)
大概率，你在网上看不到这部分内容，除了这里。因为书上没有代码，根据图想代码的人是少数。
4. 几何对象
4.1 ggplot2中常见的几何对象
| 名称 | 描述 | 一般用法 |
|---|---|---|
| abline | 线，由斜率和截距决定 | ggplot()+geom_abline(slope = -1,intercept = 2)+xlim(0,4)+ylim(0,4) |
| area | 面积图 | ggplot(df, aes(x=weight,fill=sex))+geom_area(stat ="bin",alpha=0.4)#注意stat ="bin"不能和y=df$某变量一起出现 |
| hline/vline | 水平/垂直线 | p+geom_vline(data=df, aes(xintercept=mean_value))#数据框的行数等于添加线的条数（如果只有一行，没有必要这样写），且至少为1列(mean_value) |
| bar | 条形图 | ggplot(diamonds, aes(x=cut))+geom_bar() |
| bin2d | 2维热图 | ggplot(diamonds,aes(x=carat,y=price))+geom_bin2d()#当散点图重叠严重，可以试试这个 |
| boxplot | 箱线图 | ggplot(diamonds,aes(clarity,price))+geom_boxplot() |
| density | 光滑密度曲线图 | ggplot(diamonds, aes(x=price))+geom_density() |
| crossbar/errorbar/linerange/pointrange | 在竖直方向表示区间 | 见详解2 |
| errorbarh | 水平的误差棒 | 类似errorbar的用法 |
| histogram | 直方图 | ggplot(diamonds,aes(x=price))+geom_histogram() |
| jitter | 添加扰动后的散点图 | ggplot(diamonds,aes(carat,price))+geom_jitter() |
| line | 按照x的顺序连线 | 略 |
| path | 按照数据的原始顺序连线 | 略 |
| point | 散点图 | 略 |
| rug | 边际地毯图 | ggplot(mtcars, aes(wt, mpg))+geom_point()+geom_rug(sides="trbl") |
| segment | 添加线段或箭头 | 略 |
| smooth | 添加光滑曲线 | 略 |
| step | 阶梯线 | ggplot(recent, aes(date, unemploy)) + geom_step() |
| text | 文本注释 | 略 |
| violin | 小提琴图 | ggplot(diamonds,aes(color,price))+geom_violin() |
4.2 面积图
#创建数据框
set.seed(1234)
df <- data.frame(
sex=factor(rep(c("F", "M"), each=200)),
weight=round(c(rnorm(200, mean=55, sd=5),
rnorm(200, mean=65, sd=5)))
)
head(df)
#基础面积图
##纵轴为频数
ggplot(df, aes(x=weight))+geom_area(stat = "bin")
##纵轴为频率
ggplot(df, aes(x=weight,y=..density..))+geom_area(stat = "bin")
#中级面积图
##添加均值线，添加填充颜色，添加边缘颜色，改变边缘线条类型
ggplot(df, aes(x=weight))+geom_area(stat = "bin",fill="lightblue",color="darkblue",linetype="dashed")+geom_vline(xintercept=mean(df$weight),color="blue", linetype="dashed", size=1)
##按照性别分开，注意是堆叠的，如何不堆叠在一起，见后面的位置调整部分
ggplot(df, aes(x=weight,fill=sex))+geom_area(stat ="bin",alpha=0.4)
##有时需要根据X, Y值来画面积图；这种情况也可以用条形图/直方图
set.seed(1234)
year <- rep(1990:2015, times = 2)
type <- rep(c('A','B'),each = 26)
value <- c(runif(26),runif(26, min = 1,max = 1.5))
df <- data.frame(year = year, type = type, value = value)
ggplot(data = df, mapping = aes(x = year, y = value, fill = type)) + geom_area()
4.3 在竖直方向表示区间
df <- data.frame(
trt = factor(c(1, 1, 2, 2)),
resp = c(1, 5, 3, 4),
group = factor(c(1, 2, 1, 2)),
upper = c(1.1, 5.3, 3.3, 4.2),
lower = c(0.8, 4.6, 2.4, 3.6)
)
p <- ggplot(df, aes(trt, resp, colour = group))
#一条竖直线，没有用到resp的信息
p + geom_linerange(aes(ymin = lower, ymax = upper))
#一条竖直线+一个点
p + geom_pointrange(aes(ymin = lower, ymax = upper))
#带有水平线的盒子图
p + geom_crossbar(aes(ymin = lower, ymax = upper), width = 0.2)
#“工”字图，没有用到resp的信息
p + geom_errorbar(aes(ymin = lower, ymax = upper), width = 0.2)
5. 统计变换
将原数据集作为输入，返回新的数据集，伴随插入新的变量。生成变量的名称需用..XXX..，这些变量可以直接被调用。
diamonds%>%ggplot(aes(x=carat))+geom_histogram(aes(y=..density..))
diamonds%>%ggplot(aes(x=carat))+geom_histogram(aes(y=..count..))
| 名称 | 描述 | 生成变量 |
|---|---|---|
| bin | 计算封箱数据 | count, density, x |
| density | 一维密度计算 | * |
| identity | 不对数据进行数据转换 | * |
6. 位置调整
| 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；不适用于条形图 |
| jitter | 给点添加扰动，避免重叠 |
| stack | 堆叠图形元素 |
ggplot(df,aes(x=weight, fill=sex))+geom_area(stat ="bin",position = "stack",alpha=0.3)
ggplot(diamonds, aes(x=cut))+geom_bar(aes(fill=color),position = "fill")
ggplot(diamonds,aes(x=carat))+geom_histogram(aes(fill=color),position = "dodge")
#在直方图中是左右排开；在面积图和密度图中是前后排开
7. 自定义组合
结合几何对象和统计变换
d <- ggplot(diamonds,aes(carat))+xlim(0,3)
d+stat_bin(aes(y=..count..),binwidth = 0.1,geom="area")
d+stat_bin(aes(size=..density..),binwidth = 0.1,geom = "point")
d+stat_bin(aes(fill = ..count..), binwidth = 0.1,geom = "bar",position = "fill")
reference
《ggplot2: 数据分析与图形艺术》