1.R的四种主要图形系统

• Basic，由Ross Ihaka编写，每个R都默认安装
• grid，由Paul Murrell（2011）编写，通过grid包安装执行
• lattice，由Deepayan Sarkar（2008）编写，总的来说，网格图形显示一个变量的分布或是变量之间的关系，分别显示一个或多个变量的各个水平。lattice包基于grid包创建，在多元数据的可视化功能方面已经远超Cleveland的原始方法。它为R提供了一种全面的、创建统计图形的备选系统。
• ggplot2包由Hadley Wickham（2009a）编写，提供了一种基于Wilkinson（2005）所述图形语法的图形系统

2. ggplot

在ggplot2中，图是采用串联起来

2.1 ggplot()函数

ggplot(data = NULL, mapping = aes(), ..., environment = parent.frame())

• ggplot指定要绘制的数据源和变量，但没有自己的视觉输出
• aes()函数的功能是指定每个变量扮演的角色（aes代表aesthetics，即如何用视觉形式呈现信息）

2.2 geom()函数

geom()几何函数指定变量如何在视觉上进行表示（使用点、条、线和阴影区），目前，有37个几何函数可供使用

2.2.1 几何函数geom()的主要类型

2.2.2 几何函数geom()的主要参数

例如：

ggplot(mtcars,aes(x=wt,y=mpg)) + geom_point()

image.png

2.3 几何图形的堆叠

library(ggplot2)
data(singer, package="lattice")
ggplot(singer, aes(x=voice.part, y=height)) +
geom_violin(fill="lightblue") +
geom_boxplot(fill="lightgreen", width=.2)

image.png

2.4 分组

在R中，组通常用分类变量的水平（因子）来定义。分组是通过ggplot2图将一个或多个带有诸如形状、颜色、填充、尺寸和线类型的视觉特征的分组变量来完成的。

• ggplot()声明中的aes()函数负责分配变量（图形的视觉特征）
• 变量应该设在aes()函数内，分配常数应该在aes()函数外，变量在aes()内外的效果是完全不同的
• 需要注意的是，分组可能是连续变量，在指定颜色时可能会报错，因此需要先转换为分类因子

## 初次使用需install.packas("car")
library(car)
## 加载Salaries可能会报错，但是不影响出图
data(Salaries, package="car")
library(ggplot2)
## aes()指定分组
## 填充设置透明度（alpha），使重叠曲线不掩盖彼此
ggplot(data=Salaries, aes(x=salary, fill=rank)) +
  geom_density(alpha=.3)

image.png

2.5 刻面

• 基础画图的mfcol，mfrow，layout不适用与ggplot
• 可以使用facet_wrap()函数和facet_grid()函数创建网格图形（在ggplot2中也称刻面图）

data(singer, package="lattice")
library(ggplot2)
ggplot(data=singer, aes(x=height)) +
  geom_histogram() +
  facet_wrap(~voice.part, nrow=4)

image.png

2.6 添加光滑曲线

• geom_smooth()函数被用来添加一系列的平滑曲线和和置信区域

• 注意：ggplot2包中含有大量统计函数来计算所需要的量，从而生产更多的可视化数据。通常情况下几何函数隐式地调用统计函数，我们不需要直接处理这些问题。例如geom_smooth()函数依赖于stat_smooth()函数来计算画出一个拟合曲线及其置信限所需的数量。在探索几何函数如何工作和哪些选项可供选择时，一定要检查这个函数及其相关统计函数。

library(car)
data(Salaries, package="car")
library(ggplot2)
ggplot(data=Salaries, aes(x=yrs.since.phd, y=salary)) +
  geom_smooth() + geom_point()

image.png

2.7 修改ggplot2 图形的外观

• 基础函数使用par()函数或特定画图函数的图形参数来自定义基本函数。
  但是改变基本图形参数对于ggplot2图形没有影响

2.7.1 坐标轴

• ggplot2包会在创建图时自动创建刻度线、刻度标记标签和坐标轴标签
• labs()函数可用来来添加标题并改变坐标轴标签
• 控制坐标轴及刻度线外观的函数
  ggplot2的函数区分x轴和y轴，以及轴线是否代表一个连续或离散变量（因子）（连续：continuous，离散：discrete）。
  | 函 数 | 选 项 |
  | - | - |
  | scale_x_continuous()和scale_y_continuous() | breaks=指定刻度标记，labels=指定刻度标记标签，limits=控制要展示的值的范围 |
  | scale_x_discrete()和scale_y_discrete() | breaks=对因子的水平进行放置和排序，labels=指定这些水平的标签，limits=表示哪些水平应该展示 |
  | coord_flip() | 颠倒x轴和y轴 |

library(car)
## 可能会报错没有‘Salaries’这个数据集，但不影响出图
data(Salaries,package="car")
library(ggplot2)
ggplot(data=Salaries, aes(x=rank, y=salary, fill=sex)) +
  geom_boxplot() +
## 设置离散型变量x,x轴标签通过labels设置，“\n”为换行显示防止标签过长  
  scale_x_discrete(breaks=c("AsstProf", "AssocProf", "Prof"),
                   labels=c("Assistant\nProfessor",
                            "Associate\nProfessor",
                            "Full\nProfessor")) +
## 设置离散型变量y 
    scale_y_continuous(breaks=c(50000, 100000, 150000, 200000),
                     labels=c("$50K", "$100K", "$150K", "$200K")) +
## 标题设置为labs(),与轴标签“labels=”进行区分
  labs(title="Faculty Salary by Rank and Sex", x="", y="")

image.png

2.7.2 图例

• ggplot2包能自动生成图例，而且在很多时候能够满足我们的需求；但是在其他时候，我们可能要对其进行自定义。$\color{red}{标题和位置}是最常用的定制特征。
• 当更改图例的标题时，必须考虑图例是否基于颜色、填充、尺寸、形状或它们的组合。通常情况下aes()函数分组会自动生成图例，我们可以通过更改分组变量，如将fill="mytitle"加到labs()函数中来改变标题。
• 标题的位置由theme()函数中的legend.position选项控制。可能的值包括"left"、"top"、"right"（默认值）和"bottom"。我们也可以在图中给定的位置指定一个二元素向量。
• 如果想删除图例，可以使用legend.position="none"

data(Salaries,package="car")
library(ggplot2)
ggplot(data=Salaries, aes(x=rank, y=salary, fill=sex)) +
  geom_boxplot() +
  scale_x_discrete(breaks=c("AsstProf", "AssocProf", "Prof"),
                   labels=c("Assistant\nProfessor","Associate\nProfessor",
                            "Full\nProfessor")) +
  scale_y_continuous(breaks=c(50000, 100000, 150000, 200000),
                     labels=c("$50K", "$100K", "$150K", "$200K")) +
  labs(title="Faculty Salary by Rank and Gender",
       x="", y="", fill="Gender") +
  theme(legend.position=c(.1,.8))

image.png

2.7.3 标尺

ggplot2包使用标尺aes("size=")把数据空间的观察值映射到可视化的空间中。标尺既可以应用到连续的变量，也可以应用到离散的变量
可以使用标尺将带有因子水平的视觉线索（如颜色、形状、线条类型、
尺寸和透明度）关联起来

• 尺寸

## aes()函数的参数size=disp生成连续型变量disp（发动机排量）的标尺，并使用它来控制点的尺寸
ggplot(mtcars, aes(x=wt, y=mpg, size=disp)) +
  geom_point(shape=21, color="black", fill="cornsilk") +
  labs(x="Weight", y="Miles Per Gallon",
       title="Bubble Chart", size="Engine\nDisplacement")

image.png

• 颜色

data(Salaries, package="car")
ggplot(data=Salaries, aes(x=yrs.since.phd, y=salary, color=rank)) +
  scale_color_manual(values=c("orange", "olivedrab", "navy")) +
  geom_point(size=2)

image.png

可以通过scale_color_brewer()和scale_fill_brewer()函数来预先指定分得清的颜色集
为了得到可获得的颜色集，可以使用：

library(RColorBrewer)
display.brewer.all()

ggplot(data=Salaries, aes(x=yrs.since.phd, y=salary, color=rank)) +
  scale_color_brewer(palette="Set1") + geom_point(size=2)

image.png

2.7.4 主题

theme()函数中的选项可以让我们调整字体、背景、颜色和网格线等。主题可以使用一次，也可以保存起来应用到多个图中。

data(Salaries, package="car")
library(ggplot2)
mytheme <- theme(plot.title=element_text(face="bold.italic",
                                         size="14", color="brown"),
                 axis.title=element_text(face="bold.italic",
                                         size=10, color="brown"),
                 axis.text=element_text(face="bold", size=9,
                                        color="darkblue"),
                 panel.background=element_rect(fill="white",
                                               color="darkblue"),
                 panel.grid.major.y=element_line(color="grey",
                                                 linetype=1),
                 panel.grid.minor.y=element_line(color="grey",
                                                 linetype=2),
                 panel.grid.minor.x=element_blank(),
                 legend.position="top")
ggplot(Salaries, aes(x=rank, y=salary, fill=sex)) +
  geom_boxplot() +
  labs(title="Salary by Rank and Sex", x="Rank", y="Salary") +
  mytheme

image.png

2.7.5 保存图形

ggsave()函数能更方便地保存图形。它的选项包括保存哪幅图形，保存在哪里和以什么形式保存

ggsave( filename,
  plot = last_plot(),
  device = NULL,
  path = NULL,
  scale = 1,
  width = NA,
  height = NA,
  units = c("in", "cm", "mm"),
  dpi = 300,
  limitsize = TRUE,
  ...
)

Reference

1.R语言实战第二版
2.https://blog.csdn.net/kmd8d5r/article/details/79386843