ggplot2簡(jiǎn)介ggplot2最早出現(xiàn)于2005年，相對(duì)于lattice而言，ggplot2的語(yǔ)法更加簡(jiǎn)潔；ggplot2包是基于Wilkinson在《GrammarofGraphics》一書中所提出的圖形語(yǔ)法的具體實(shí)現(xiàn)；ggplot2的核心理念是將繪圖與數(shù)據(jù)分離，數(shù)據(jù)相關(guān)的繪圖與數(shù)據(jù)無(wú)關(guān)的繪圖分離；ggplot的繪圖有以下幾個(gè)特點(diǎn)：第一，有明確的起始（以ggplot函數(shù)開(kāi)始）與終止（一句語(yǔ)句一幅圖）；其二，圖層之間的疊加是靠“+”號(hào)實(shí)現(xiàn)的，越后面其圖層越高。圖形語(yǔ)法涉及到的一些概念如下：幾何對(duì)象（geom）：表示圖形中我們實(shí)際看到的圖形元素，如各種點(diǎn)、線等元素。標(biāo)度（scale）:標(biāo)度的作用是將數(shù)據(jù)映射到圖形空間，比如用顏色、大小或形狀來(lái)表示不同的數(shù)據(jù)。通過(guò)自定義標(biāo)度，可以更加精確地控制圖形的外觀。坐標(biāo)系（coord）:描述了數(shù)據(jù)如何映射到圖形所在的平面，最常用的是直角坐標(biāo)軸，坐標(biāo)軸可以進(jìn)行變換以滿足不同的需要，如對(duì)數(shù)坐標(biāo)、極坐標(biāo)和地圖投影。圖層（layer）：如果你用過(guò)photoshop，那么對(duì)于圖層一定不會(huì)陌生。一個(gè)圖層好比是一張玻璃紙，包含有各種圖形元素，你可以分別建立圖層然后疊放在一起，組合成圖形的最終效果。圖層可以允許用戶一步步的構(gòu)建圖形，方便單獨(dú)對(duì)圖層進(jìn)行修改、增加統(tǒng)計(jì)量、甚至改動(dòng)數(shù)據(jù)。分面（facet）:

很多時(shí)候需要將數(shù)據(jù)按某種方法分組，分別進(jìn)行繪圖，分面就是控制分組繪圖的方法和排列形式。通過(guò)坐標(biāo)系和分面，用戶可以控制圖形元素的位置。9.1快速作圖qplot()qplot(x,y=NULL,...,data,facets=NULL,margins=FALSE,geom="auto",xlim=c(NA,NA),ylim=c(NA,NA),log="",main=NULL,xlab=deparse(substitute(x)),ylab=deparse(substitute(y)),asp=NA,stat=NULL,position=NULL)參數(shù)x,y,傳遞到每一圖層中的圖形屬性，簡(jiǎn)而言之就是分別代表所畫圖層的X坐標(biāo)和Y坐標(biāo)。data作圖使用的數(shù)據(jù)框（可選），如果指定了數(shù)據(jù)框，qplot()會(huì)首先在數(shù)據(jù)框內(nèi)查找變量名；如果沒(méi)有指定數(shù)據(jù)框，R就會(huì)在當(dāng)前環(huán)境中嘗試提取向量創(chuàng)建一個(gè)數(shù)據(jù)框。

facets圖形/數(shù)據(jù)的分面。這是ggplot2作圖比較特殊的一個(gè)概念，它把數(shù)據(jù)按某種規(guī)則進(jìn)行分類，每一類數(shù)據(jù)做一個(gè)圖形，所以最終效果就是一頁(yè)多圖。qplot(mpg,wt,data=mtcars)qplot(mpg,wt,data=mtcars,colour=cyl)qplot(mpg,wt,data=mtcars,size=cyl)qplot(mpg,wt,data=mtcars,facets=vs~am)在上述4個(gè)例子中，還有colour、size、shape等其他圖形屬性參數(shù)，分別用點(diǎn)的顏色、點(diǎn)的大小以及點(diǎn)的形狀表示不同的數(shù)值。可以通過(guò)geom參數(shù)來(lái)指定繪制的幾何對(duì)象類型，如geom=”smooth”將擬合一條平滑曲線，geom=”boxplot”將繪制箱線胡須圖，geom=”histogram”繪制直方圖，geom=”freqpoly”繪制頻率多邊形，geom=”density”繪制密度曲線9.2ggplot2圖形語(yǔ)法ggplot(data=NULL,mapping=aes(),...,environment=parent.frame())+graph_functionggplot(mtcars,aes(mpg,wt,colour=cyl))+

geom_point()示例數(shù)據(jù)集映射加入幾何對(duì)象試試只輸入ggplot(mtcars,aes(mpg,wt,colour=cyl))，看結(jié)果如何？9.3散點(diǎn)圖散點(diǎn)圖一般用來(lái)描述兩個(gè)連續(xù)變量之間的關(guān)系，圖中的每一個(gè)點(diǎn)表示一個(gè)觀測(cè)值，根據(jù)散落在圖中點(diǎn)的位置，可以判斷數(shù)據(jù)的大概趨勢(shì)。另外，人們也會(huì)在散點(diǎn)圖中添加基于統(tǒng)計(jì)模型的趨勢(shì)線來(lái)更直觀地顯示數(shù)據(jù)趨勢(shì)。geom_point(mapping=NULL,data=NULL,stat="identity",position="identity",...,na.rm=FALSE,show.legend=NA,

inherit.aes=TRUE)ggplot(mtcars,aes(wt,mpg))+geom_point()再來(lái)看看圖形屬性是如何通過(guò)aes來(lái)進(jìn)行設(shè)定的，為了簡(jiǎn)化輸入，我們將ggplot()初始化的圖層賦值給變量p，然后分別在P上疊加其他散點(diǎn)圖層：p<-ggplot(mtcars,aes(wt,mpg))p+geom_point(aes(colour=factor(cyl)))p+geom_point(aes(shape=factor(cyl)))p+geom_point(aes(size=qsec))p+geom_point(aes(shape=factor(cyl)))+scale_shape(solid=FALSE)9.4面積圖面積圖就是折線圖的一種特例，它強(qiáng)調(diào)因變量隨自變量而變化的程度geom_area(mapping=NULL,data=NULL,stat="identity",position="stack",na.rm=FALSE,show.legend=NA,inherit.aes=TRUE,...)huron<-data.frame(year=2001:2010,level=c(50,60,80,88,97,99,105,110,120,134))h<-ggplot(huron,aes(year))h+geom_area(aes(y=level))ggplot(huron,aes(year))+geom_area(aes(y=level),fill="blue",colour="red")9.5箱形圖箱形圖（Box-plot）又稱為盒須圖、盒式圖或箱線圖，是一種用作顯示一組數(shù)據(jù)分散情況資料的統(tǒng)計(jì)圖，每組數(shù)據(jù)圖形由一個(gè)矩形及上下兩條邊緣線組成，因形狀如箱子而得名。箱形圖主要包含六個(gè)數(shù)據(jù)節(jié)點(diǎn)，將一組數(shù)據(jù)從大到小排列，分別計(jì)算出他的上邊緣，上四分位數(shù)Q3，中位數(shù)，下四分位數(shù)Q1，下邊緣，以及異常值。（但ggplot2中箱形圖分位數(shù)的計(jì)算方法稍有不同，上下邊緣都為四分位數(shù)的1.5倍，讀者可以通過(guò)?geom_boxplot()查看計(jì)算方法的差異。）geom_boxplot(mapping=NULL,data=NULL,stat="boxplot",position="dodge",...,outlier.colour=NULL,outlier.color=NULL,outlier.shape=19,outlier.size=1.5,outlier.stroke=0.5,notch=FALSE,notchwidth=0.5,varwidth=FALSE,na.rm=FALSE,show.legend=NA,inherit.aes=TRUE)

p<-ggplot(mpg,aes(class,hwy))p+geom_boxplot()p+geom_boxplot()+coord_flip()#坐標(biāo)軸翻轉(zhuǎn)

p+geom_boxplot(fill="red",colour="#3366FF",alpha=0.5)p+geom_boxplot(outlier.colour="red",outlier.shape=1)示例9.6條形圖條形圖一般用于顯示各個(gè)項(xiàng)目之間的比較情況，例如可以用來(lái)展示四個(gè)不同季度的銷售情況，但是不適宜用來(lái)展示X為連續(xù)變量的情況。根據(jù)所展示的數(shù)據(jù)的含義不同，條形圖可以分為兩種類型，一種條形的高度表示數(shù)據(jù)的頻數(shù)（stat="count"），而另一種則表示數(shù)值大?。╯tat="identity"），默認(rèn)情況下是第一種類型。geom_bar(mapping=NULL,data=NULL,stat="count",position="stack",...,width=NULL,binwidth=NULL,na.rm=FALSE,show.legend=NA,inherit.aes=TRUE)g<-ggplot(mpg,aes(class))#對(duì)于mpg中的數(shù)據(jù)樣式，讀者可以直接輸入mpg查看g+geom_bar()df<-data.frame(trt=c("a","b","c"),outcome=c(2.3,1.9,3.2))ggplot(df,aes(trt,outcome))+geom_bar(stat="identity")#需手動(dòng)對(duì)stat進(jìn)行指定示例：分別表示數(shù)據(jù)的頻數(shù)（stat="count"）和表示數(shù)值大小（stat="identity"）的條形圖9.7光滑密度曲線光滑密度曲線其實(shí)是頻率分布直方圖的一種極限情況，當(dāng)樣本容量充分放大時(shí)，圖中的組距就會(huì)充分縮短，這時(shí)圖中的階梯折線就會(huì)演變成一條光滑的曲線，這條曲線就稱為密度曲線。這條曲線排除了由于取樣不同和測(cè)量不準(zhǔn)所帶來(lái)的誤差，能夠精確地反映總體的分布規(guī)律。geom_density(mapping=NULL,data=NULL,stat="density",position="identity",...,na.rm=FALSE,show.legend=NA,inherit.aes=TRUE)ggplot(diamonds,aes(carat))+geom_density()輸出一條默認(rèn)狀態(tài)的密度曲線：ggplot(diamonds,aes(carat))+geom_density(adjust=1/5)ggplot(diamonds,aes(carat))+geom_density(adjust=5)通過(guò)adjust參數(shù)可以調(diào)整曲線的光滑度基于分組數(shù)據(jù)的密度曲線，可以將分組變量映射給colour或者fill等圖形屬性。ggplot(diamonds,aes(depth,colour=cut))+geom_density()+xlim(55,70)ggplot(diamonds,aes(depth,fill=cut,colour=cut))+geom_density(alpha=0.1)+xlim(55,70)通過(guò)alpha參數(shù)改變填充色的透明度通過(guò)xlim()設(shè)置X軸的坐標(biāo)范圍ggplot(diamonds,aes(x=depth))+geom_density()+facet_grid(cut~.)使用分面功能進(jìn)行分組9.8線圖這里所指的線圖和折線圖不一樣，線圖一般不單獨(dú)使用，而是與其他圖形（如散點(diǎn)圖）搭配使用。R中有三種線圖，由斜率和截距決定的線圖abline、水平線圖hline和豎直線圖vlinegeom_abline(mapping=NULL,data=NULL,...,slope,intercept,na.rm=FALSE,show.legend=NA)geom_hline(mapping=NULL,data=NULL,...,yintercept,na.rm=FALSE,show.legend=NA)geom_vline(mapping=NULL,data=NULL,...,xintercept,na.rm=FALSE,show.legend=NA)p<-ggplot(mtcars,aes(wt,mpg))+geom_point()p+geom_vline(xintercept=5)p+geom_vline(xintercept=1:5)p+geom_hline(yintercept=20)p+geom_abline(intercept=20)coef(lm(mpg~wt,data=mtcars))#coef()的功能為返回選定模型的系數(shù)，可使用?coef()查看詳細(xì)介紹(Intercept)wt37.285126-5.344472p+geom_abline(intercept=37,slope=-5)p+geom_smooth(method="lm",se=FALSE)上面添加的線圖可能沒(méi)有統(tǒng)計(jì)意義，我們可以先通過(guò)模型求出回歸方程，再用回歸方程中的斜率和截距來(lái)進(jìn)行繪圖；或者使用geom_smooth()函數(shù)達(dá)到同樣的目的9.9小提琴圖箱線圖可以展示分位數(shù)的位置，而密度曲線可以展示數(shù)據(jù)的分布情況，小提琴圖綜合了箱線圖和密度曲線圖的特點(diǎn)，適合對(duì)多組數(shù)據(jù)的分布進(jìn)行比較。傳統(tǒng)的小提琴圖一般會(huì)在中間添加一個(gè)箱線圖，同時(shí)用一個(gè)白圈表示中位數(shù)并通過(guò)設(shè)置outlier.colour=NA來(lái)隱藏箱線圖中的異常點(diǎn)，這使得所得的圖形看起來(lái)就是一把小提琴，因而得名。geom_violin(mapping=NULL,data=NULL,stat="ydensity",position="dodge",...,draw_quantiles=NULL,trim=TRUE,scale="area",na.rm=FALSE,show.legend=NA,inherit.aes=TRUE)p<-ggplot(mtcars,aes(factor(cyl),mpg))p+geom_violin()9.10調(diào)整圖形外觀設(shè)置標(biāo)題及坐標(biāo)系名稱p<-ggplot(mtcars,aes(mpg,wt))+geom_point()p+labs(title="Newplottitle")p+ggtitle("Newplottitle2")可以看到，ggtitle(“…”)和labs(title=”…”)是等效的使用xlab()來(lái)設(shè)置X軸標(biāo)題，