前面的啰嗦
本教程对绘图所需数据和绘图过程进行了一步步的解释，稍显啰嗦，没时间细看或不想一步步看的朋友可以直接点击目录最后一节:
箱线图完整版代码
绘图数据说明
用到的数据是mpg数据集，这是ggplot2包自带的数据集，可以使用以下代码查看该数据集的基本情况：
library(ggplot2)
?mpg # 或者help(mpg)
从帮助文档中可以看出这是一个234x11的数据框，它记录了美国1999年和2008年部分汽车的制造厂商，型号，类别，驱动程序和耗油量等信息。
下面看一下这11列的情况：
library(ggplot2)
# str查看数据集的基本情况
str(mpg)
## tibble [234 x 11] (S3: tbl_df/tbl/data.frame)
## $ manufacturer: chr [1:234] "audi" "audi" "audi" "audi" ...
## $ model : chr [1:234] "a4" "a4" "a4" "a4" ...
## $ displ : num [1:234] 1.8 1.8 2 2 2.8 2.8 3.1 1.8 1.8 2 ...
## $ year : int [1:234] 1999 1999 2008 2008 1999 1999 2008 1999 1999 2008 ...
## $ cyl : int [1:234] 4 4 4 4 6 6 6 4 4 4 ...
## $ trans : chr [1:234] "auto(l5)" "manual(m5)" "manual(m6)" "auto(av)" ...
## $ drv : chr [1:234] "f" "f" "f" "f" ...
## $ cty : int [1:234] 18 21 20 21 16 18 18 18 16 20 ...
## $ hwy : int [1:234] 29 29 31 30 26 26 27 26 25 28 ...
## $ fl : chr [1:234] "p" "p" "p" "p" ...
## $ class : chr [1:234] "compact" "compact" "compact" "compact" ...
每一列的解释如下：
- model: model name
- displ: 发动机排量(engine displacement, in litres)
- year: 发行时间，仅有1999和2008
- cyl: 汽缸数目(number of cylinders)
- trans: 变速器类型(type of transmission)
- drv: 表示驱动程序，是一个分类变量，详细解释为：the type of drive
train, where f = front-wheel drive, r = rear wheel drive, 4 = 4wd - cty: city miles per gallon，每加仑城市里程，耗油量的一种计量方式。
- hwy: highway miles per
gallon，每加仑公路行驶里程，也是耗油量的一种计量方式。
基本箱线图
下面对hwy绘制箱线图，查看这些汽车的耗油量分布情况。
library(ggplot2)
ggplot(data=mpg, aes(x="", y=hwy)) +
geom_boxplot()
可以看到耗油量的中位数在25附近，其中有两个离群点，这两辆汽车的耗油量很大。
这里绘制的图是一个横向的箱线图，如果要绘制纵向的箱线图（即上图顺时针旋转90度），只需要改一下代码中aes的参数，设置为x=hwy即可，如下所示：
ggplot(data=mpg, aes(x=hwy, y="")) +
geom_boxplot()
分组箱线图
下面绘制一下分组箱线图，看一下不同驱动程序的汽车的耗油量分布，其中驱动程序是mpg数据集中的drv变量，这是一个分类变量
class(mpg$drv)
## [1] "character"
table(mpg$drv)
##
## 4 f r
## 103 106 25
ggplot(data=mpg, aes(x=factor(drv), y=hwy, fill=factor(drv))) +
geom_boxplot()
由于mpg$drv的类别是character，而ggplot绘图进行分组所需要的变量类型是factor，因此需要将drv变量转为factor类别，但这里存在一个问题，就是横坐标轴标题出现了factor字样，图例的标题中也出现了factor字样，不是很美观，这个问题的解决方法有两个：
- 直接对数据框的drv变量进行修改，将其改为factor类别：
mpg_new <- mpg
mpg_new$drv <- as.factor(mpg_new$drv)
ggplot(data=mpg_new, aes(x=drv, y=hwy, fill=drv)) +
geom_boxplot()
- 修改坐标轴与图例的标题，将其修改为drv：
ggplot(data=mpg, aes(x=factor(drv), y=hwy, fill=factor(drv))) +
geom_boxplot() +
scale_fill_discrete(name='drv') +
labs(x="drv") # x表示横坐标轴的标题
# scale_一系列的函数都是用来配置图例的，scale_fill_discrete指的是修改fill的图例，和aes中的fill相对应。
美化分组箱线图
上面的箱线图存在一些地方不是很好看，主要有以下几点：
- 图例的颜色与横坐标轴的三个标签信息是一致的，存在冗余，因此可以去掉图例，去掉图例的代码为
guides(fill=FALSE) - 没有添加标题，可以在labs函数中添加标题
- 所用主题可以优化，可以使用theme_系列函数
下面使用mpg_new数据框进行操作，避免不停的对drv列进行操作。
mpg_new <- mpg
mpg_new$drv <- as.factor(mpg_new$drv)
ggplot(data=mpg_new, aes(x=drv, y=hwy, fill=drv)) +
geom_boxplot() +
guides(fill=FALSE) + # fill指的是图例中的fill，和aes中对应
labs(title="Boxplot of highway miles per gallon") +
theme_minimal() +
theme(plot.title=element_text(hjust=0.5)) # 这一句让标题居中，ggplot2默认的标题是左对齐的
## Warning: `guides( = FALSE)` is deprecated. Please use `guides( =
## "none")` instead.
这里有一个warning，表示guides(这种用法已经废弃，这种用法是旧版本ggplot2的用法，新版本的应使用guides((我的ggplot2版本是3.3.5)，修改后的代码如下：
ggplot(data=mpg_new, aes(x=drv, y=hwy, fill=drv)) +
geom_boxplot() +
guides(fill="none") + # fill指的是图例中的fill，和aes中对应
labs(title="Boxplot of highway miles per gallon") +
theme_minimal() +
theme(plot.title=element_text(hjust=0.5)) #这一句让标题居中，ggplot2默认的标题是左对齐的
这里有一点需要注意的是theme_minimal和theme两个函数的顺序，由于theme_minimal是一种简化式的主题设置，ggplot2遵循图层叠加的原理，如果将theme_minimal放在theme后面，那么图标标题仍然是左对齐，而不是居中显示。
箱线图完整版代码
基本箱线图的完整代码
- 横向箱线图
library(ggplot2)
ggplot(data=mpg, aes(x="", y=hwy)) +
geom_boxplot() +
labs(x="") # 去除横坐标轴的标签
- 纵向箱线图
library(ggplot2)
ggplot(data=mpg, aes(x=hwy, y="")) +
geom_boxplot() +
labs(y="") # 去除纵坐标轴的标签
分组箱线图的完整代码
# 首先将数据框中的drv修改为factor类型
library(ggplot2)
mpg_new <- mpg
mpg_new$drv <- as.factor(mpg_new$drv)
# 其次绘图
ggplot(data=mpg_new, aes(x=drv, y=hwy, fill=drv)) +
geom_boxplot() +
guides(fill="none") + # fill指的是图例中的fill，和aes中对应，fill=none表示不显示图例
labs(title="Boxplot of highway miles per gallon") + # title是图表标题
theme_minimal() +
theme(plot.title=element_text(hjust=0.5)) #这一句让图表标题居中，ggplot2默认的标题是左对齐的