ggplot2-1

内容架构

ggplot2 cheatsheet.pdf

图形分层语法

图形语法（grammar of graphic, gg）：将任何图形精确地描述为以下要素的组合，使绘图过程模块化

• 图形架构
  • 数据集 (data)
  • 从变量到坐标轴的映射 (mapping)
  • 几何图层 (geom)
  • 统计变换 (stat)
  • 位置调整 (position)
  • 比例尺 (scale)
  • 坐标系模式 (coordinate system)
  • 分面模式 (facet)
• 图形美化
  • 绘图区外部的标签 (labs)
  • 绘图区内部的文本标签和说明 (geom_label, geom_text)
  • 参考线、箭头和方框
  • 注释 (annotations)
  • 图例 (guides)
  • 主题 (theme)
  • 颜色

按照上述模板，可以使用代码构建能够想象到的任何图形

qplot()

quickplot 语法糖 qplot(x = cty, y = hwy, data = mpg, geom = "point")

last_plot()

return the last plot

绑定数据集

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

ggplot()创建了一个坐标系，可以通过 geom_function 函数向其中添加需要的各种图层。

# aes()定义了如何将数据中的变量映射为图形属性
# 本例中，将mtcars中的wt变量映射为x轴，将mpg变量映射为y轴
p <- mtcars %>%
  ggplot(aes(x = wt, y = mpg)) +
  geom_point(pch = 17, color = "blue", size = 2) +
  geom_smooth(
    method = "lm",
    se = FALSE,
    color = "red",
    linetype = 2
  ) +
  labs(
    title = "Automobile",
    x = "Weight",
    y = "Miles Per Gallon"
  )

ggplotly(p) %>%
  saveWidget("./Figures/Automobile.html",
    selfcontained = F,
    libdir = "lib"
  )

p

几何图层

常用几何图层

下表列出了比较常见的几何函数，以及经常使用的选项。

基本图形

graphical-primitives

辅助线

line-segments

单变量

one-variable

# 直方图
data(singer, package = "lattice")

p <- ggplot(singer, aes(x = height)) +
  geom_histogram()
# geom_histgrom()函数在y变量没有指定时默认对x轴变量统计频数

ggplotly(p) %>%
  saveWidget("./Figures/Histogram.html",
    selfcontained = F,
    libdir = "lib"
  )

p

双变量

two-variables

# 箱线图
p <- ggplot(singer, aes(x = voice.part, y = height)) +
  geom_boxplot()

ggplotly(p) %>%
  saveWidget("./Figures/Boxplot.html",
    selfcontained = F,
    libdir = "lib"
  )

p

三变量

three-variables

几何图层的参数

data(car::Salaries)
p <- ggplot(Salaries, aes(x = rank, y = salary)) +
  geom_boxplot(
    fill = "cornflowerblue", # fill为填充色，color为外框色
    color = "black"
  ) +
  geom_point(position = "jitter", color = "blue", alpha = .5) + # jitter将重叠数据打散，alpha表示透明度
  geom_rug(side = "l", color = "black") # rug为轴须图，左侧，黑色

ggplotly(p) %>%
  saveWidget("./Figures/Boxplot2.html",
    selfcontained = F,
    libdir = "lib"
  )

p

拟合曲线

a placeholder of a picture

data(Salaries, package = "car")

# 默认拟合和线性拟合
p1 <- ggplot(data = Salaries, aes(x = yrs.since.phd, y = salary)) +
  geom_point() +
  geom_smooth()
p2 <- ggplot(data = Salaries, aes(x = yrs.since.phd, y = salary)) +
  geom_point() +
  geom_smooth(method = lm)
grid.arrange(p1, p2, ncol = 2)

# 按性别拟合二次多项式线性回归
p3 <- ggplot(
  data = Salaries,
  aes(
    x = yrs.since.phd, y = salary,
    linetype = sex, shape = sex, color = sex
  )
) +
  geom_smooth(method = lm, formula = y ~ poly(x, 2), se = FALSE, size = 1) +
  geom_point(size = 1)

ggplotly(p3) %>%
  saveWidget("./Figures/smooth.html",
    selfcontained = F,
    libdir = "lib"
  )

p3

多个几何图层的叠加

当几何图层组合形成新类型的图时，ggplot2包的真正力量就会得到展现：实现多图层的叠加。

此时不宜转换为 plotly 对象，显示会出错。

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

映射

ggplot() 和几何图层函数的 mapping 参数 aes() 用以定义从变量到图形属性（表示数据信息的可视化属性）的映射。

要注意，图形属性不仅包括数据点的大小、形状和颜色等，数据点的x轴位置和y轴位置本身也是图形属性。

全局与局部映射

如果将一组映射传递给ggplot()函数。这些映射会作为全局映射应用到图中的每个几何图层中；如果将映射放在几何图层函数中，则会成为局部映射，会扩展或覆盖全局映射，仅对该图层有效。这样一来，我们就可以在不同的图层中显示不同的图形属性。

# x和y的映射是全局的，两个几何图层共享之
p <- ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
  # color的映射是局部的，仅对这一句有效
  geom_point(mapping = aes(color = class)) +
  geom_smooth()

ggplotly(p) %>%
  saveWidget("./Figures/smooth1.html",
    selfcontained = F,
    libdir = "lib"
  )

p

全局与局部数据

甚至可以为不同的图层指定不同的数据。

p <- ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
  geom_point(mapping = aes(color = class)) +
  # geom_smooth()中的局部数据参数覆盖了ggplot()中的全局数据参数
  geom_smooth(data = filter(mpg, class == "subcompact"), se = FALSE)

ggplotly(p) %>%
  saveWidget("./Figures/smooth2.html",
    selfcontained = F,
    libdir = "lib"
  )

p

映射与分组

几何图层函数的mapping参数/aes()函数是一个分配分组变量的自然的地方。最基本的分组语法是将分组变量映射为图形的group属性，即aes(group = variable)，也可以将分组变量映射为其他更具视觉效果的图形属性(图中对象的可视化属性)。

在函数aes()中将图形属性名称和变量名称关联起来后，ggplot2会自动为每个变量值分配唯一的图形属性水平，这个过程称为scale变换。ggplot2还会添加一个图例，以表示图形属性水平和变量值之间的对应关系。

data(Salaries, package = "car")

# 在aes()中用rank分组，将rank映射为图形的fill（填充色）属性
p <- ggplot(data = Salaries, aes(x = salary, fill = rank)) +
  geom_density(alpha = .3)

ggplotly(p) %>%
  saveWidget("./Figures/group1.html",
    selfcontained = F,
    libdir = "lib"
  )

p

# 根据sex和rank分组，共分为6组
p <- ggplot(
  Salaries,
  aes(
    x = yrs.since.phd, y = salary,
    color = rank, shape = sex
  )
) +
  geom_point()

ggplotly(p) %>%
  saveWidget("./Figures/group2.html",
    selfcontained = F,
    libdir = "lib"
  )

p

统计变换：ggplot2的绘图原理

很多图形绘制的是数据集的原数据，比如散点图；另外一些图形则可以绘制那些计算出的新数据，比如条形图。

ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut))

绘图时用来计算新数据的算法称为stat（statistical transformation，统计变换）。通过查看stat参数的默认值，你可以知道几何图层函数使用了哪种统计变换。

geom_bar(
  mapping = NULL, data = NULL, 
  stat = "count", position = "stack", ..., 
  width = NULL, binwidth = NULL, na.rm = FALSE, show.legend = NA, inherit.aes = TRUE
)

geom_bar中stat参数的默认值是count，这说明geom_bar()使用stat_count()函数进行统计变换（stat_count()在文档中与geom_bar()位于同一页）。想要找出由统计变换计算出的变量，可以查看帮助文件中的 Computed variables 节，它告诉我们stat_count()会计算出两个新变量：count和prop

通常来说，几何图层函数和统计变换函数可以互换使用。可以这样做的原因是，每个几何图层函数都有一个默认统计变换，每个统计变换函数都有一个默认几何图层。例如，可以使用stat_count()替换geom_bar()来重新生成前面那张图。

ggplot(data = diamonds) +
  stat_count(mapping = aes(x = cut))

显式使用统计变换函数的3个原因如下。

覆盖默认的统计变换

demo <- tribble(
  ~a, ~b,
  "bar_1", 20,
  "bar_2", 30,
  "bar_3", 40
)

# 将geom_bar()函数的统计变换从默认的'count'改为'identity'，这样就可以将条形的高度映射为y轴变量的初始值。
ggplot(data = demo) +
  geom_bar(mapping = aes(x = a, y = b), stat = "identity")

覆盖从统计变换生成的变量到图形属性的默认映射

# 显示一张表示比例（而不是计数）的条形图。
ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut, y = ..prop.., group = 1))

在代码中强调统计变换

可以使用stat_summary()函数将人们的注意力吸引到你计算出的那些摘要统计量上。stat_summary()函数为x的每个唯一值计算y值的摘要统计。

ggplot(data = diamonds) +
  stat_summary(mapping = aes(x = cut, y = depth), fun.ymin = min, fun.ymax = max, fun.y = median)

ggplot2提供了20多个统计变换以供你使用。每个统计变换都是一个函数，因此你可以按照通用方式获得帮助，例如?stat_bin。如果想要查看全部的统计变换，可以使用ggplot2速查表。

位置调整

position参数	含义
identity	不调整位置
dodge	并列放置，如簇状条形图
stack	堆叠放置
fill	堆叠且显示比例
jitter	加入随机扰动防止图形重合

# position='identity',将每个对象直接显示在图中，原地不动，不调整位置。
ggplot(diamonds, aes(x = cut, fill = clarity)) + # 没有映射y轴，geom_bar()默认计数
  geom_bar(position = "identity")

ggplot(diamonds, aes(x = cut, color = clarity)) +
  geom_bar(fill = NA, position = "identity")

# position="fill"，堆叠显示比例(计数后求比例)
ggplot(diamonds) +
  geom_bar(aes(cut, fill = clarity), position = "fill")

# position="dodge"，并列显示
ggplot(diamonds) +
  geom_bar(aes(cut, fill = clarity), position = "dodge")

# position="stack"，堆叠显示
ggplot(diamonds) +
  geom_bar(aes(cut, fill = clarity), position = "stack")

# position="jitter"，添加随机扰动，防止散点重叠
ggplot(data = mpg) +
  geom_point(aes(displ, hwy))

ggplot(data = mpg) +
  geom_point(aes(displ, hwy), position = "jitter")

# 或用函数geom_jitter()实现
ggplot(data = mpg, aes(x = displ, y = hwy)) +
  geom_point() +
  geom_jitter()

Scale 比例尺

a placeholder of a picture

scale 的命名模式和用途

输入以下代码时：

ggplot(mpg, aes(displ, hwy)) +
  geom_point(aes(color = class))

ggplot2 会自动在后台为代码添加默认 scale

ggplot(mpg, aes(displ, hwy)) +
  geom_point(aes(color = class)) +
  scale_x_continuous() +
  scale_y_continuous() +
  scale_color_discrete()

scale 的命名模式：scale_图形属性_类型。scale 的常用类型有连续型、离散型、日期时间型或日期型。

基于以下两种原因，需要使用非默认 scale：

1. 你或许要对默认 scale 的一些参数进行调整。例如，当想要修改坐标轴刻度或图例中的项目标签时，就需要进行这些调整。
2. 你或许想要整体替换默认 scale，从而使用一种完全不同的算法。因为你对数据更加了解，所以使用与默认方式不同的 scale 通常能达到更好的效果。

scale*()函数族

最常用

• scale_*_continuous()
• scale_*_discrete()
• scale_*_identity()
• scale_*_manual()

日期时间

• scale_*_date()
• scale_*_datetime()

scale*()的参数

name

定义坐标轴名称，取值为NULL时不显示

limits

接收一个向量，取其两端作为一个范围。仅当数据的坐标在这个范围内时，才会在图中显示。

本质上相当于对数据进行了筛选，取了子集，此外的数据会变成 NA

df <- data.frame(x = 1:3, y = 1:3)
base <- ggplot(df, aes(x, y)) +
  geom_point(size = 4)
base

base + scale_x_continuous(limits = c(1.5, 2.5))

base + scale_x_continuous(limits = c(0, 4))

由于更改坐标轴范围是非常常见的，因此 ggplot2 提供了语法糖：xlim(), ylim(), lims()

base + xlim(0,4)

base + xlim(4,0)

base + lims(x = c(0,4),y = c(4,0))

坐标轴范围一般比指定的稍大一点，以确保数据不会出现在图的边缘。scale*()中的expand=c(0,0)参数可以使得坐标轴范围恰好等于指定边界。

breaks

接收一个向量作为集合，规定显示轴须和标签的刻度

如果不希望显示任何轴须，可以规定 breaks=NULL

minor_breaks

ggplot 默认的图形中含有网格线，除了显示轴须处会生成网格线，两个轴须之间也会生成一条次要网格线。

minor_breaks参数可以规定生成次要网格线的位置。如果不希望显示次要网格线，可以规定 minor_breaks=NULL

labels

labels 设置要显示的文本标签

# breaks最常见用途是替换默认的刻度
data(Salaries, package = "car")
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 Sex", x = "", y = "")

还可以将labels设置为 NULL，这样可以不显示刻度标签，对于地图或不适合展示数值的图表来说，这种方式是非常有用的。

ggplot(mpg, aes(displ, hwy)) +
  geom_point() +
  scale_x_continuous(breaks = NULL, labels = NULL) +
  scale_y_continuous(breaks = NULL, labels = NULL)

date_breaks和date_labels

日期型和日期时间型 scale 的两个参数

• date_labels 接受一个格式说明，说明的形式与 parse_datetime() 函数中的相同
  
• date_breaks（示例中没有出现）接收类似“2 weeks”或“1 month”这样的字符串，每隔这么长时间标识一个刻度

# 使用 breaks 的另一种情况：数据点相对较少，又想要强调观测的确切位置
# 例如，以下图形展示了每位美国总统任期的开始时间和结束时间：
presidential %>%
  mutate(id = 33 + row_number()) %>%
  ggplot(aes(start, id)) +
  geom_point() +
  geom_segment(aes(xend = end, yend = id)) + # geom_segment()绘制箭头
  scale_x_date(
    name = NULL,
    breaks = presidential$start,
    date_labels = "'%y"
  )

trans

对 scale 进行函数变换，可选值均为字符串，常用的包括 exp, log, log10, logit, pow10, probit, reciprocal, sqrt 等。

其中最常用的一些，有专门的 scale 函数（语法糖），如 scale_x_log10(), scale_x_sqrt(), scale_x_reverse()

ggplot(diamonds, aes(carat, price)) +
  geom_bin2d()

ggplot(diamonds, aes(carat, price)) +
  geom_bin2d() +
  scale_x_log10() +
  scale_y_log10()

shape and size scale

a placeholder of a picture

color and fill scale

将变量映射为颜色时，默认以一种非常均匀的方式在色环上选择颜色；如果不喜欢，可以设置颜色 scale 进行替换

discrete scale

可以设置为某套调色板，用RColorBrewer::display.brewer.all()可查看所有的调色板

a placeholder of a picture

scale_color_brewer()和scale_color_grey()对应 color 属性

scale_fill_brewer()和scale_fill_grey()对应 fill 属性

# 常用的一种配色方式是使用ColorBrewer标度。
# 以下的两幅图非常相似
# 但右边图中（Set1调色板）的红色和绿色的对比更加强烈
# 即使患有红绿色盲症的人也可以区别出来
p1 <- ggplot(mpg, aes(displ, hwy)) +
  geom_point(aes(color = drv))

p2 <- ggplot(mpg, aes(displ, hwy)) +
  geom_point(aes(color = drv)) +
  scale_color_brewer(palette = "Set1")

grid.arrange(p1, p2, ncol = 2)

# 如果只有很少几种颜色，可以再添加一种形状映射
# 虽然有些冗余，但这样可以确保图表在黑白方式下也可以为人所理解
ggplot(mpg, aes(displ, hwy)) +
  geom_point(aes(color = drv, shape = drv)) +
  scale_color_brewer(palette = "Set1")

continuous scale

连续渐变色，有几种函数（单色、双色、三色）：

a placeholder of a picture

如果想区分位于平均值以上和以下的点，可以使用scale_color_gradient2()函数。

另一个可以选用的函数是由viridis包提供的scale_color_viridis()，它是对ColorBrewer分类标度的一种连续模拟。以下是来自于 viridis 使用指南中的一个示例：

df <- tibble(
  x = rnorm(10000),
  y = rnorm(10000)
)

p1 <- ggplot(df, aes(x, y)) +
  geom_hex() +
  coord_fixed()

p2 <- ggplot(df, aes(x, y)) +
  geom_hex() +
  viridis::scale_fill_viridis() +
  coord_fixed()

grid.arrange(p1, p2, ncol = 2)

手动指定颜色

通过scale_color_manual()，可以自己指定颜色

presidential %>%
  mutate(id = 33 + row_number()) %>%
  ggplot(aes(start, id, color = party)) +
  geom_point() +
  geom_segment(aes(xend = end, yend = id)) +
  scale_colour_manual(values = c(Republican = "red", Democratic = "blue"))

坐标系

交换 x、y 轴 coord_flip()

当想要绘制水平箱线图时，这非常有用。它也非常适合变量长标签的使用，否则在x轴上不重叠地安排好它们是非常困难的。

ggplot(mpg, mapping = aes(x = class, y = hwy)) +
  geom_boxplot()

ggplot(mpg, mapping = aes(x = class, y = hwy)) +
  geom_boxplot() +
  coord_flip()

为地图设置合适的纵横比 coord_quickmap()

nz <- map_data("nz")
ggplot(nz, aes(long, lat, group = group)) +
  geom_polygon(fill = "white", color = "black")

ggplot(nz, aes(long, lat, group = group)) +
  geom_polygon(fill = "white", color = "black") +
  coord_quickmap()

极坐标系 coord_polar()

bar <- ggplot(data = diamonds) +
  geom_bar(aes(x = cut, fill = cut),
    show.legend = FALSE, width = 1
  ) +
  theme(aspect.ratio = 1) +
  labs(x = NULL, y = NULL)

bar + coord_flip()

bar + coord_polar()

coord_cartesian()：设置坐标轴显示的范围

三种方法：

• 调整绘图所用数据（取子集）

• 设置 scale 范围（缩小 scale 范围的效果基本等同于对数据取子集，scale 范围之外的数据会变成 NA）

• 在coord_cartesian()函数中设置 xlim 和 ylim 参数值（推荐），这是真正的缩放显示范围

# 比较两种方法
mpg %>%
  filter(displ >= 5, displ <= 7, hwy >= 10, hwy <= 30) %>%
  ggplot(aes(displ, hwy)) +
  geom_point(aes(color = class)) +
  geom_smooth() # 数据取子集使拟合曲线的置信区间变得很宽

ggplot(mpg, mapping = aes(displ, hwy)) +
  geom_point(aes(color = class)) +
  geom_smooth() +
  coord_cartesian(xlim = c(5, 7), ylim = c(10, 30))

# 在两张图形中使用相同的scale
suv <- mpg %>% filter(class == "suv")
compact <- mpg %>% filter(class == "compact")

range_displ <- range(mpg$displ)
range_hwy <- range(mpg$hwy)
# color使用全集的scale，保证颜色的一致性
col_scale <- scale_color_discrete(limits = unique(mpg$drv))

ggplot(suv, aes(displ, hwy, color = drv)) +
  geom_point() +
  col_scale +
  coord_cartesian(xlim = range_displ, ylim = range_hwy)

ggplot(compact, aes(displ, hwy, color = drv)) +
  geom_point() +
  col_scale +
  coord_cartesian(xlim = range_displ, ylim = range_hwy)

分面模式

分面模式(faceting)把几幅图拼接在一起，特别适合比较分类变量。

a placeholder of a picture

# 刻面图
data(singer, package = "lattice")

ggplot(data = singer, aes(x = height)) +
  geom_histogram() +
  facet_wrap(~voice.part, ncol = 4) # voice.part变量共有8个值，因列数为4，行数自动为2。先行后列排列

# 分组+刻面图+散点图
p <- ggplot(
  Salaries,
  aes(x = yrs.since.phd, y = salary, color = rank, shape = rank)
) +
  geom_point() +
  facet_grid(. ~ sex)
p

p <- ggplot(
  Salaries,
  aes(x = yrs.since.phd, y = salary, color = rank, shape = rank)
) +
  geom_point() +
  facet_grid(sex ~ .)
p

# 分组+刻面+密度图
data(singer, package = "lattice")
p <- ggplot(data = singer, aes(x = height, fill = voice.part)) +
  geom_density() +
  facet_grid(voice.part ~ .)

ggplotly(p) %>%
  saveWidget("./Figures/facet-density.html",
    selfcontained = F,
    libdir = "lib"
  )

p