R语言之数据可视化（第三章Note）

第三章 R的绘图系统

目录：

• 3-1 三大绘图系统简介
• 3-2 基本绘图系统之基础知识
• 3-3 基本绘图系统之实践
• 3-4 基本绘图系统之全局变量
• 3-5 Lattice绘图系统之基础知识
• 3-6 Lattice绘图系统之实践
• 3-7 ggplot2绘图系统之基础知识
• 3-8 ggplot2绘图系统之qplot
• 3-9 ggplot2绘图系统之ggplot
• 3-10 R Color
• 3-11 图形设备
• 3-12 探索性数据分析

3-1 三大绘图系统简介

基本绘图系统（Base Plotting System）

• 艺术家的调色板：绘图始于空白帆布（需要事先计划；直观地实时反映绘图和分析数据的逻辑）
• 两个步骤 = 画图 + 修饰/添加 = 执行一系列函数
• 适于绘制2D图

Lattice绘图系统（Lattice Plotting System）

• 绘图 = 使用一次函数调用（一次成图）
• 特别适用于观察变量间的交互：在变量z的不同水平，变量y如何随变量x变化

ggplot2绘图系统（ggplot2 Plotting System）

• The Grammar of Graphics
• 图：动词、名词、形容词等
• 数据映射到几何客体（points/lines/bars）的美学属性（颜色/形状/大小）
• 基本绘图系统 + Lattice绘图系统
• 自动处理标题/文字说明/空间等，但也允许通过添加注释进行修改

3-2 基本绘图系统之基础知识

绘图函数（graphics包）

• plot（散点图） / hist（柱状图） / boxplot（箱图） / points（点） / lines（线） / text（添加文本） / title（命名） / axis（坐标轴）
• 调用函数会启用一个图形设备（如果没有正在运行的图形设备）并在设备上绘图
• 基本绘图系统 + 屏幕设备上的绘图

plot()

• 调用格式：plot(x, y, …)
• 重要参数：xlab（x轴标签） / ylab（y轴标签） / lwd（线的宽度） / lty（线的类型） / pch（点的类型） / col（图的颜色） …
• 了解其他重要参数：?par

par()

• 用于设置全局参数（作用于R中的所有plot绘图）
• bg（背景色） / mar（边距） / las（排版） / mfrow（按行的形式填充） / mfcol（按列的形式填充）
• 这些参数可以在每次plot之前进行修改（可以不作用于全局的plot绘图）

3-3 基本绘图系统之实践

基本绘图系统绘图步骤：

• 使用基本绘图工具绘图
• 添加/修饰

绘图

1. 柱状图

2. 箱图

3. 并排箱图

4. 散点图

添加/修饰

1. 添加title

2. 设置type = n

3. 设置不同颜色

4. 添加回归线

5. 添加图例说明

3-4 基本绘图系统之全局参数

1. 查看默认的全局参数

2. 设置全局参数

3-5 Lattice绘图系统之基础知识

绘图函数（lattice包）

• xyplot（散点图） / bwplot / histogram（柱状图） / stripplot / dotplot（点图） / splom / levelplot / contourplot
• 格式：xyplot(y(因变量) ~ x(自变量) | f * g(分类变量), data)
• panel函数，用于控制每个面板内的绘图

绘图函数（grid包）：

• 实现了独立于base的绘图系统
• lattice包是基于grid包创建的，很少直接从grid包中调用函数

Lattice与Base的重要区别：

• Base绘图函数直接在图形设备上绘图
• Lattice绘图函数返回trellis类对象（打印函数真正执行了在设备上绘图。但在命令执行时，trellis类对象会被自动打印，所以看起来就像时lattice函数直接完成了绘图）

3-6 Lattice绘图系统之实践

1. 使用xyplot函数，生成普通散点图

2. 加入分类变量

3. 验证xyplot函数会返回一个对象，而不是直接输出图

4. 绘图举例

5. 自定义面板样式

3-7 ggplot2绘图系统之基础知识

最高大上的绘图系统ggplot2：

• 层（Layer）：不同的层对应着不同词性的词，比如：动词、名词、形容词。

1. 第一种层：数据（感兴趣的变量）
2. 第二种层：是和美学属性相关的，比如：x轴，y轴，颜色，填充的颜色，形状，标签等等。
3. 第三种层：几何课题层，比如：点图、线、柱状图等等
4. 第四种层：面，绘图面板的划分
5. 第五种层：统计层，可以给图中添加统计信息
6. 第六种层：是坐标系，是笛卡尔坐标系还是极坐标系
7. 第七种层：是主题，也就是和数据本身无关的风格的设置。

绘图函数qplot()：

• 类似于Base系统的plot()，参数包含aesthetics/geom/facet
• 隐藏了绘图实现的细节（灵活性欠佳）

绘图函数ggplot()：

• 是整个绘图系统的核心，可以实现qplot()函数无法实现的功能
• 调用ggplot()本身并不能实现绘图，要在其几处上添加层（如：geom_point）才可以实现真正的绘图

3-8 ggplot2绘图系统之qplot

安装加载ggplot2包：

使用qplot函数绘制散点图：

设置其他的美学属性：color

设置其他的美学属性：shape

设置其他的美学属性：size

设置X，Y轴意义以及标题：

设置几何课题：geom

设置与面（facets层）有关的参数：

绘制柱状图：

绘制几何课题geom：频率分布轮廓线

绘制密度函数，也就是上面所说的”频率分布轮廓线“：

绘制点图dotplot：

3-9 ggplot2绘图系统是ggplot

使用ggplot绘制散点图：

设置散点图的样式参数：

在散点图中添加分类变量Month：

添加统计信息层：

设置显示统计信息层，而不显示几何客体层：

单独设置统计信息层的参数：

根据分类变量Month进行拟合：

在设置分类变量的情况下，仍然对整个数据集进行拟合：

同时设置两个统计层：

自定义绘图颜色：

设置不同的面板：

设置主题：

3-10 R ColorR语言绘图之颜色

grDevice包

• colorRamp() & colorRampPalette()
• 颜色名字可使用colors()获取

RColorRrewer包

• 三类调色板：sequential / diverging / qualitative
• 调色板信息可与colorRamp / colorRampPalette结合使用

使用colorRamp()函数，选取颜色：

使用colorRampPalette()函数，选取颜色：

加载RColorBrewer包，并查看包中调色板的颜色：

将RColorRrewer和colorRampPalette结合使用：

查看调色板的颜色：

3-11 图形设备

什么是图像设备：

• 屏幕设备（探索型分析常用）：电脑屏幕（windows() on Windows / quartz() on Mac / xll() on Unix or Linux）
• 文件设备（打印/文章用图常用），分为（向量格式（vector format: PDF） 位图（bitmap format: PNG / JPEG / TIFF / BMP））
• grDevices包（包含了实现各种图形设备的代码/ ？Devices如 PDF / PNG / BMP）

生成图形的两种途径：

• 调用绘图函数（默认使用屏幕） ->屏幕设备显示图形 -> 进一步修饰图形
• 明确指定图形设备 -> 调用绘图函数（如果指定的是文件设备则无法在屏幕上看到图形）-> 进一步修饰图形 -> 关闭图形设备dev.off()
• 可同时打开多个图形设备，但一次只能在一个设备上绘图（dev.cur(): 找到当前活跃的设备 / dev.set()：把指定设备设置为活跃的设备）

拷贝图形：

• 多个设备之间互相拷贝：dev.copy（拷贝到PDF为你教案：dev.copy2pdf）
• 注意：拷贝的结果可能与原图有出入

将图形绘制到文件设备中：

输出结果如下：

将屏幕上的图形，拷贝到文件设备中：

拷贝结果如下：

在绘图前请思考：

• 在哪儿绘图（屏幕？文件）
• 如何使用图（屏幕呈现？网页呈现？文章用图）
• 用于绘图的数据量的大小？（向量格式 vs. 位图）
• 是否许需要动态调整大小？（向量格式 vs. 位图）
• 用哪个绘图系统（Base / Lattic / ggplot2）? 一般三者不混用

3-12 探索性数据分析

探索性数据分析的目的：

• 了解数据特征、找到数据中的模式、形成分析策略
• 图与数字相互验证、帮助发现错误、用于交流结果

探索性数据分析的特点：

• 快速、通常呈现在屏幕设备
• 不需要过分注重图是否漂亮

请注重六大作图原则：

• 凸显比较（和谁比较？）
• 凸显机制（因果/机制/解释）
• 凸显多元性（>2个变量、逃离扁平）
• 整合证据

1. 整合文字、数字、图、表等
2. 用多种方式显示数据的特征
3. 不要让工具主宰分析

• 使用适当的图标、尺度等

1. 完备性、一图胜千言

• 内容是王道

1. 研究问题的重要性 > 作图漂亮