title: "《ggplot2: 數(shù)據(jù)分析與圖形藝術(shù)》學(xué)習(xí)筆記1"
author: "wintryheart"
date: "2019年5月10日"
output:
html_document:
toc: TRUE
toc_float: TRUE
knitr::opts_chunk$set(echo = TRUE, warning = FALSE)
1趣效、圖形語(yǔ)法
一張統(tǒng)計(jì)圖形是從數(shù)據(jù)到幾何對(duì)象的圖形屬性的一個(gè)映射睁枕。此外雀摘，圖形中還可能包含數(shù)據(jù)的統(tǒng)計(jì)變換始衅，最后繪制在某個(gè)特定的坐標(biāo)系中摊唇，而分面則可以用來(lái)生成數(shù)據(jù)不同子集的圖形努潘。
一張統(tǒng)計(jì)圖形就是由上述這些獨(dú)立的圖形部件所組成的扛禽。
- 最基礎(chǔ)的部分是你想要可視化的數(shù)據(jù)（data）以及一系列將數(shù)據(jù)中的變量對(duì)應(yīng)到圖形屬性的映射（mapping）懂牧；
- 幾何對(duì)象（geom）：在圖中實(shí)際看到的圖形元素侈净，如點(diǎn)、線僧凤、多邊形等畜侦；
- 統(tǒng)計(jì)變換（stats）：對(duì)數(shù)據(jù)進(jìn)行的某種匯總，如分組計(jì)數(shù)躯保、線性回歸等旋膳。可選途事，但很有用验懊。
- 標(biāo)度（scale）：將數(shù)據(jù)的取值映射到圖形空間，如用顏色尸变、大小或形狀來(lái)表示不同的取值义图，使讀者可以從圖形中讀取原始數(shù)據(jù)。展現(xiàn)方式為繪制圖例和坐標(biāo)軸召烂。
- 坐標(biāo)系（coord）：描述數(shù)據(jù)是如何映射到圖形所在的平面碱工，同時(shí)提供看圖所需的坐標(biāo)軸和網(wǎng)絡(luò)線。通常使用笛卡爾坐標(biāo)系奏夫，但也可以變換為其他類型怕篷，如極坐標(biāo)和地圖投影。
- 分面（facet）：描述如何將數(shù)據(jù)分解為各個(gè)子集酗昼，以及如何對(duì)子集作圖并聯(lián)合進(jìn)行展示廊谓。分面也稱為條件作圖或網(wǎng)格作圖。
2麻削、qplot(quick plot)快速作圖
主要學(xué)習(xí)：
- qplot()的基本用法
- 數(shù)據(jù)和映射
- 圖形屬性（如顏色蹂析、大小和形狀）
- 幾何對(duì)象(如點(diǎn)、線碟婆、條形等）)
- 分面（條件作圖）
- 外觀
2.2 數(shù)據(jù)集
ggplot2包中的diamonds數(shù)據(jù)集包含約54000顆鉆石的信息电抚，數(shù)據(jù)涵蓋：
-
鉆石質(zhì)量的四個(gè)C：
- 克拉重量（carat）
- 切工（cut）
- 顏色（color）
- 凈度（clarity）
-
五個(gè)物理指標(biāo)
- 深度（depth)
- 鉆面寬度（table）
- 其他測(cè)量尺度（x, y, z）
library(gridExtra) #支持ggplot2多圖并列
library(ggplot2)
data("diamonds")
head(diamonds)
這個(gè)數(shù)據(jù)集太大，我們?nèi)?00個(gè)隨機(jī)樣本來(lái)作圖展示竖共。
set.seed(1410) ##讓樣本可重復(fù)
dsmall <- diamonds[sample(nrow(diamonds),100),]
第一張圖
attach(diamonds)
p1 <- qplot(carat, price) #價(jià)格和重量之間的關(guān)系
p2 <- qplot(log(carat), log(price)) #變量變換
p3 <- qplot(carat,x*y*z) #變量組合,體積和重量之間關(guān)系
grid.arrange(p1,p2,p3, ncol=3)
detach(diamonds)
2.4 圖形屬性
attach(dsmall)
p4 <- qplot(carat, price, color=color) #將color變量映射到點(diǎn)的顏色
p5 <- qplot(carat, price, shape=cut) # 將cut變量映射到點(diǎn)的形狀
grid.arrange(p4,p5,ncol=2)
detach(dsmall)
不同類型的變量適合不同的圖形屬性：
- 顏色和形狀適合于分類變量蝙叛；
- 大小適合于連續(xù)變量；
- 數(shù)據(jù)量很大公给，不同組的數(shù)據(jù)之間很難區(qū)分借帘，適合于分面蜘渣。
2.5 幾何對(duì)象
適用于考察二維變量關(guān)系的幾何對(duì)象：
- geom="point"，繪制散點(diǎn)圖肺然。
- geom="smooth"蔫缸，擬合一條平滑曲線，并將曲線和標(biāo)準(zhǔn)誤展示在圖中际起。
- geom="boxplot"拾碌，繪制箱形胡須圖，用以概括一系列點(diǎn)的分布情況街望。
- geom="path"和geom="line"可以在數(shù)據(jù)點(diǎn)之間繪制連線校翔。
- 路徑圖可以是任意的方向；
- 線條圖只能創(chuàng)建從左到右的連線灾前。
適用于考察一維變量分布的幾何對(duì)象：
對(duì)于連續(xù)變量：
- geom="histogram"防症， 繪制直方圖；
- geom="freqpoly"哎甲，繪制頻率多邊形蔫敲；
- geom="density"，繪制密度曲線炭玫。
- qplot()默認(rèn)直方圖奈嘿。
對(duì)于離散變量：
- geom="bar"，繪制條形圖础嫡。
2.5.1 平滑曲線
添加平滑曲線指么，展示數(shù)據(jù)趨勢(shì)酝惧。
p5 <- qplot(carat, price, data=dsmall, geom=c("point","smooth"))
#利用c()函數(shù)將多個(gè)幾何對(duì)象組成一個(gè)向量傳遞給geom榴鼎。幾何對(duì)象會(huì)按指定的順序進(jìn)行堆疊。
#如果不想繪制標(biāo)準(zhǔn)誤晚唇，可以使用se=FALSE巫财。
p6 <- qplot(carat, price, data=dsmall, geom=c("point", "smooth"), se=FALSE)
grid.arrange(p5, p6, ncol=2)
利用method參數(shù)可以選擇許多不同的平滑器：
- method="loess"，當(dāng)n<1000時(shí)是默認(rèn)選項(xiàng)哩陕，使用的是局部回歸的方法平项。曲線的平滑程度由span參數(shù)控制，取值范圍為0（很不平滑）至1（很平滑）悍及。
qplot(carat, price, data=dsmall, geom=c("point","smooth"), span=0.2)
- method="gam", formula=y ~ s(x)闽瓢，調(diào)用mgcv包擬合一個(gè)廣義可加模型。這個(gè)模型與lm中的樣條模型類似心赶，但樣條的階數(shù)是通過(guò)數(shù)據(jù)得到的扣讼。如果n>1000，使用公式 formula = y ~ s(x, bs="cs")缨叫。
library(mgcv)
p7 <- qplot(carat, price, data=dsmall, geom=c("point","smooth"), method="gam", formula=y~s(x))
p8 <- qplot(carat, price, data=diamonds, geom=c("point","smooth"), method="gam", formula=y~s(x, bs="cs"))
grid.arrange(p7, p8, ncol=2)
- method="lm"椭符，默認(rèn)擬合一條直接荔燎。通過(guò)指定formula = y ~ poly(x,2)可以擬合二次多項(xiàng)式。通過(guò)加載splines包可以使用樣條模型：formula = y ~ ns(x,2)销钝。第二個(gè)參數(shù)是自由度：自由度越大有咨，曲線波動(dòng)越大。
p9 <- qplot(carat, price, data=dsmall, geom=c("point","smooth"), method="lm")
library(splines)
p10 <- qplot(carat, price, data=dsmall, geom=c("point","smooth"), method="lm", formula=y~ns(x,5))
grid.arrange(p9,p10, ncol=2)
- method="rlm"蒸健，與“l(fā)m”類似座享，但調(diào)用MASS包，擬合穩(wěn)健回歸直線纵装。
2.5.2 箱線圖和擾動(dòng)點(diǎn)圖
p11 <- qplot(color, price/carat, data=diamonds, geom="jitter") #擾動(dòng)點(diǎn)圖
p12 <- qplot(color, price/carat, data=diamonds, geom="boxplot") #箱線胡須圖
grid.arrange(p11,p12,ncol=2)
對(duì)于擾動(dòng)點(diǎn)圖征讲，可以如一般散點(diǎn)圖控制其他圖形屬性，如size, colour和shape橡娄。
對(duì)于箱線圖诗箍，可以用color控制框線顏色，fill設(shè)置填充顏色挽唉，size調(diào)節(jié)線的粗細(xì)滤祖。
2.5.3 直方圖和密度曲線圖
p13 <- qplot(carat, data=diamonds, geom="histogram") #直方圖
p14 <- qplot(carat, data=diamonds, geom="density") #密度曲線圖
grid.arrange(p13, p14, ncol=2)
對(duì)于密度曲線，adjust參數(shù)控制曲線的平滑程度瓶籽，取值越大匠童，曲線越平滑。
對(duì)于直方圖塑顺， binwidth參數(shù)汤求，通過(guò)設(shè)定組距來(lái)調(diào)節(jié)平滑度。 組距越小严拒，越體現(xiàn)細(xì)節(jié)扬绪。
對(duì)于分組分布比較，只需要再加上一個(gè)圖形映射裤唠。
p15 <- qplot(carat, data=diamonds, geom="density", color=color)
p16 <- qplot(carat, data=diamonds, geom="histogram", fill=color)
#等式后面的color是數(shù)據(jù)集中的變量color鉆石顏色挤牛，按color分組。
grid.arrange(p15,p16,ncol=2)
2.5.4 條形圖
在離散變量的情形下种蘸，條形圖與直方圖類似墓赴。
如果數(shù)據(jù)已經(jīng)匯總，或者想用其他的方式對(duì)數(shù)據(jù)進(jìn)行分組處理（如航瞭，對(duì)連續(xù)變量進(jìn)行分組求和）诫硕，可以使用weight幾何對(duì)象。
p17 <- qplot(color, data=diamonds, geom="bar") #普通條形圖
p18 <- qplot(color, data=diamonds, geom="bar", weight=carat) +
scale_y_continuous("carat") #按重量加權(quán)的條形圖刊侯，展示每種顏色的鉆石的總重量
grid.arrange(p17,p18,ncol=2)
2.5.5 時(shí)間序列中的線條圖和路徑圖
線條圖將點(diǎn)從左到右進(jìn)行連接（等價(jià)于將數(shù)據(jù)按X取值進(jìn)行排序章办，然后繪制路徑圖）；x軸一般是時(shí)間，展示單變量隨時(shí)間變化的情況纲菌。
路徑圖按照點(diǎn)在數(shù)據(jù)集中的順序?qū)ζ溥M(jìn)行連接挠日。展示兩個(gè)變量隨時(shí)間聯(lián)動(dòng)的情況，時(shí)間反映在點(diǎn)的順序上翰舌。
p19 <- qplot(date, unemploy/pop, data=economics, geom="line") #失業(yè)率變化
p20 <- qplot(date, uempmed, data=economics, geom="line") #失業(yè)星期數(shù)的中位數(shù)變化
grid.arrange(p19,p20, ncol=2)
我們可以用一張散點(diǎn)圖表示失業(yè)率和失業(yè)時(shí)間長(zhǎng)度之間的關(guān)系嚣潜，但是我們不能看出變量關(guān)系隨時(shí)間的變化。解決辦法是將臨近時(shí)間點(diǎn)的散點(diǎn)連接起來(lái)椅贱，形成一張路徑圖懂算。
由于線條有很多交叉，我們可以將年份映射到color屬性上庇麦，方便看出時(shí)間的行進(jìn)方向计技。
year <- function(x) as.POSIXlt(x)$year +1900 #year函數(shù)提取年份
qplot(unemploy/pop, uempmed, data=economics, geom="path", color=year(date))
#可以看出雖然失業(yè)率失業(yè)時(shí)間長(zhǎng)度一直高度相關(guān)，但最近幾年山橄，失業(yè)時(shí)間長(zhǎng)度與失業(yè)率相比有增長(zhǎng)的趨勢(shì)垮媒。
2.6 分面
分面將數(shù)據(jù)分割成若干子集，然后創(chuàng)建一個(gè)圖形矩陣航棱，將每一個(gè)子集繪制到圖形矩陣的窗格中睡雇。所有的子圖采用相同的圖形類型，并進(jìn)行一定的設(shè)計(jì)饮醇，使得它們之間方便比較它抱。
qplot()通過(guò)row_var ~ col_var表達(dá)式進(jìn)行指定∑蛹瑁可以指定任意數(shù)量的行變量和列變量观蓄，但注意當(dāng)變量數(shù)超過(guò)兩個(gè)時(shí)，生成的圖形可能非常多祠墅，以至于不適合在屏幕上顯示侮穿。
如果只想指定一行或一列，可以使用.作為占位符饵隙，例如row_var ~ . 創(chuàng)建一個(gè)單列多行的圖形矩陣撮珠。
p21 <- qplot(carat, data=diamonds, facets = color ~ ., geom = "histogram", binwidth=0.1, xlim = c(0,3))
p22 <- qplot(carat, ..density.., data=diamonds, facets = color ~ ., geom = "histogram", binwidth=0.1, xlim = c(0,3))
# ..density..告訴ggplot2將密度而不是頻數(shù)映射到y(tǒng)軸沮脖。
grid.arrange(p21, p22, ncol=2)
#左圖展示的是頻數(shù)金矛，右圖展示的是頻率。在比較不同組分布時(shí)勺届，頻率圖不受該組樣本量大小的影響驶俊。圖形顯示，高質(zhì)量的鉆石（顏色D)在小尺寸分布上是偏斜的免姿，但隨著質(zhì)量下降饼酿，重量分布越來(lái)越平坦。
2.7 其他選項(xiàng)
其他一些控制圖形的外觀的參數(shù)：
- xlim, ylim: 設(shè)置x軸和y軸的顯示區(qū)間。取值是一個(gè)長(zhǎng)度為2的向量故俐。例如xlime=c(0,20)想鹰；
- log： 一個(gè)字符型向量，說(shuō)明哪個(gè)坐標(biāo)軸應(yīng)該取對(duì)數(shù)药版。例如：log="x"辑舷，表示對(duì)x軸取對(duì)數(shù)；log="xy"槽片，表示對(duì)x軸和y軸都取對(duì)數(shù)何缓。
- main：圖形的主標(biāo)題，可以是字符串还栓，也可以是一個(gè)表達(dá)式碌廓。例如main = expression(beta[1]==1)。更多數(shù)學(xué)表達(dá)式參見(jiàn)?plotmath命令剩盒。
- xlab, ylab：設(shè)置x軸和y軸的標(biāo)簽文字谷婆。可以是字符串辽聊，也可以是表達(dá)式波材。
p23 <- qplot(carat, price, data=dsmall,
xlab ="Weight(carats)" , ylab="Price($)",
main="Price-weight relationship"
)
p24 <- qplot(carat, price/carat, data=dsmall,
xlab = "Weight(carats)", ylab= expression(frac(price,carat)),
main="Price-weight relationship",
xlim=c(.2,1)
)
p25 <- qplot(carat, price, data=dsmall, log="xy")
grid.arrange(p23,p24,p25,ncol=3)
