最近把之前的《R數(shù)據(jù)科學》的筆記整理一下式矫，大概每篇文章整理2-3章捺檬，這本書有中英文兩版，不知道為什么中文版比英文版少了一章状知，而且一些關(guān)鍵內(nèi)容也有所刪減秽五，所以大家學習這本書的時候以英文版為準。
電子書下載地址：《R4ds》
源代碼地址：https://github.com/hadley/r4ds

作者簡介：

哈德利?威克姆（Hadley Wickham）

RStudio首席科學家饥悴，統(tǒng)計學家坦喘，斯坦福大學盲再、奧克蘭大學、萊斯大學兼職統(tǒng)計學教授瓣铣。已被下載數(shù)百萬次的ggplot2等多款知名R包的開發(fā)者答朋，一直致力于讓普羅大眾更容易上手數(shù)據(jù)分析，被R社區(qū)譽為“改變了R的人”棠笑。另著有《R包開發(fā)》等書梦碗。

加勒特?格羅勒芒德（Garrett Grolemund）

RStudio數(shù)據(jù)科學家，知名R培訓師腐晾，曾受邀在Google叉弦、eBay等諸多公司講授R語言和數(shù)據(jù)科學丐一，在DataCamp開授的R相關(guān)課程備受R開發(fā)者喜愛藻糖。另著有《R語言入門與實踐》。

第一章：使用ggplot2進行數(shù)據(jù)可視化

1.1 簡介

準備工作

本章重點討論tidyverse 的一個核心R 包——ggplot2库车。為了訪問本章用到的數(shù)據(jù)集巨柒、幫助頁面和函數(shù)，需要先運行以下代碼來加載tidyverse

install.packages("tidyverse")
library(tidyverse)

1.2 第一步

我們使用第一張圖來回答問題：大引擎汽車比小引擎汽車更耗油嗎柠衍？你可能已經(jīng)有了答案洋满，但應該努力讓答案更精確一些。引擎大小與燃油效率之間是什么關(guān)系珍坊？是正相關(guān)牺勾，還是負相關(guān)？是線性關(guān)系阵漏，還是非線性關(guān)系驻民？

1.2.1 mpg數(shù)據(jù)框

你可以使用ggplot2 包中的mpg 數(shù)據(jù)框（即ggplot2::mpg）來檢驗自己的答案。數(shù)據(jù)框是變量（列）和觀測（行）的矩形集合履怯。mpg 包含了由美國環(huán)境保護協(xié)會收集的38 種車型的觀測數(shù)據(jù)回还。

> mpg
# A tibble: 234 x 11
   manufacturer model displ  year   cyl trans drv     cty   hwy fl   
   <chr>        <chr> <dbl> <int> <int> <chr> <chr> <int> <int> <chr>
 1 audi         a4      1.8  1999     4 auto~ f        18    29 p    
 2 audi         a4      1.8  1999     4 manu~ f        21    29 p    
 3 audi         a4      2    2008     4 manu~ f        20    31 p    
 4 audi         a4      2    2008     4 auto~ f        21    30 p    
 5 audi         a4      2.8  1999     6 auto~ f        16    26 p    
 6 audi         a4      2.8  1999     6 manu~ f        18    26 p    
 7 audi         a4      3.1  2008     6 auto~ f        18    27 p    
 8 audi         a4 q~   1.8  1999     4 manu~ 4        18    26 p    
 9 audi         a4 q~   1.8  1999     4 auto~ 4        16    25 p    
10 audi         a4 q~   2    2008     4 manu~ 4        20    28 p    
# ... with 224 more rows, and 1 more variable: class <chr>

mpg 中包括如下變量。
? displ：引擎大小叹洲，單位為升柠硕。
? hwy：汽車在高速公路上行駛時的燃油效率，單位為英里/ 加侖（mpg）运提。與燃油效率高的汽車相比蝗柔，燃油效率低的汽車在行駛相同距離時要消耗更多燃油。要想了解更多關(guān)于mpg 的信息民泵，可以使用?mpg 命令打開其幫助頁面癣丧。

1.2.2　創(chuàng)建ggplot圖形

為了繪制mpg 的圖形，運行以下代碼將displ 放在x 軸洪灯，hwy 放在y 軸：

ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy))

上圖顯示出引擎大锌茬浴（displ）和燃油效率（hwy）之間是負相關(guān)關(guān)系竟痰。換句話說，大引擎汽車更耗油掏呼。
在ggplot2 中坏快，你可以使用ggplot() 函數(shù)開始繪圖。ggplot() 創(chuàng)建了一個坐標系憎夷，你可以在它上面添加圖層莽鸿。ggplot() 的第一個參數(shù)是要在圖中使用的數(shù)據(jù)集。ggplot(data = mpg)會創(chuàng)建一張空白圖拾给，因為這張圖沒什么意思祥得，所以就不在這里展示了。

函數(shù)geom_point() 向圖中添加一個點層蒋得，這樣就可以創(chuàng)建一張散點圖级及。ggplot2 中包含了多種幾何對象函數(shù)，每種函數(shù)都可以向圖中添加不同類型的圖層额衙。

ggplot2 中的每個幾何對象函數(shù)都有一個mapping 參數(shù)饮焦。這個參數(shù)定義了如何將數(shù)據(jù)集中的變量映射為圖形屬性。mapping 參數(shù)總是與aes() 函數(shù)成對出現(xiàn)窍侧，aes() 函數(shù)的x 參數(shù)和y參數(shù)分別指定了映射到x 軸的變量與映射到y(tǒng) 軸的變量县踢。ggplot2 在data 參數(shù)中尋找映射變量，本例中就是mpg伟件。

1.2.3　繪圖模板

將上面的代碼轉(zhuǎn)換為一個可重用的ggplot2 繪圖模板硼啤。要想生成一張圖，將以下代碼中的尖括號部分替換為數(shù)據(jù)集斧账、幾何對象函數(shù)或映射集合即可：

ggplot(data = <DATA>) +
<GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))

1.2.4　練習

(1) 運行g(shù)gplot(data = mpg)谴返，你會看到什么？

一片空白

(2) 數(shù)據(jù)集mpg 中有多少行其骄？多少列亏镰？

234行11列

(3) 變量drv 的意義是什么？使用?mpg 命令閱讀幫助文件以找出答案拯爽。

傳動系的類型索抓，其中f =前輪驅(qū)動，r =后輪驅(qū)動毯炮，4 = 4wd

(4) 使用hwy 和cyl 繪制一張散點圖逼肯。

ggplot(data = mpg) +
  geom_point(mapping = aes(x = cyl, y = hwy))

上圖顯示出引擎大小（displ）和燃油效率（hwy）之間是負相關(guān)關(guān)系桃煎。換句話說篮幢，大引擎汽車更耗油。
在ggplot2 中为迈，你可以使用ggplot() 函數(shù)開始繪圖三椿。ggplot() 創(chuàng)建了一個坐標系缺菌，你可以在它上面添加圖層。ggplot() 的第一個參數(shù)是要在圖中使用的數(shù)據(jù)集搜锰。ggplot(data = mpg)會創(chuàng)建一張空白圖伴郁，因為這張圖沒什么意思，所以就不在這里展示了蛋叼。

函數(shù)geom_point() 向圖中添加一個點層焊傅，這樣就可以創(chuàng)建一張散點圖。ggplot2 中包含了多種幾何對象函數(shù)狈涮，每種函數(shù)都可以向圖中添加不同類型的圖層狐胎。

ggplot2 中的每個幾何對象函數(shù)都有一個mapping 參數(shù)。這個參數(shù)定義了如何將數(shù)據(jù)集中的變量映射為圖形屬性歌馍。mapping 參數(shù)總是與aes() 函數(shù)成對出現(xiàn)握巢，aes() 函數(shù)的x 參數(shù)和y參數(shù)分別指定了映射到x 軸的變量與映射到y(tǒng) 軸的變量。ggplot2 在data 參數(shù)中尋找映射變量骆姐，本例中就是mpg镜粤。

1.2.3　繪圖模板

將上面的代碼轉(zhuǎn)換為一個可重用的ggplot2 繪圖模板。要想生成一張圖玻褪，將以下代碼中的尖括號部分替換為數(shù)據(jù)集、幾何對象函數(shù)或映射集合即可：

ggplot(data = <DATA>) +
<GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))

1.2.4　練習

(1) 運行g(shù)gplot(data = mpg)公荧，你會看到什么带射？

一片空白

(2) 數(shù)據(jù)集mpg 中有多少行？多少列循狰？

234行11列

(3) 變量drv 的意義是什么窟社？使用?mpg 命令閱讀幫助文件以找出答案。

傳動系的類型绪钥，其中f =前輪驅(qū)動灿里，r =后輪驅(qū)動，4 = 4wd

(4) 使用hwy 和cyl 繪制一張散點圖程腹。

ggplot(data = mpg) +
  geom_point(mapping = aes(x = cyl, y = hwy))

(5) 如果使用class 和drv 繪制散點圖匣吊，會發(fā)生什么情況？為什么這張圖沒什么用處寸潦？

ggplot(data = mpg) +
  geom_point(mapping = aes(x = class, y =drv))

(5) 如果使用class 和drv 繪制散點圖色鸳，會發(fā)生什么情況？為什么這張圖沒什么用處见转？

ggplot(data = mpg) +
  geom_point(mapping = aes(x = class, y =drv))

車的類型與驅(qū)動類型之間沒有對應關(guān)系命雀，或者說兩者無法發(fā)生關(guān)系。

1.3　圖形屬性映射

The greatest value of a picture is when it forces us to notice what we never expected to see. —John Tukey

下圖中有一組點（顯示為紅色）似乎位于線性趨勢之外斩箫。這些汽車比預期具有更高的里程數(shù)吏砂。

假設(shè)這些汽車是混合動力車撵儿。檢驗這種假設(shè)的一個方法是查看每輛汽車的class值。mpg 數(shù)據(jù)集中的class 變量對汽車進行了分類狐血，比如小型统倒、中型和SUV。如果那些離群點是混合動力車氛雪，那么它們應該分類為小型車房匆，也可能是微型車（注意，這份數(shù)據(jù)是在混合動力車和SUV 流行前收集的）报亩。

可以向二維散點圖中添加第三個變量浴鸿，比如class，方式是將它映射為圖形屬性弦追。圖形屬性是圖中對象的可視化屬性岳链，其中包括數(shù)據(jù)點的大小、形狀和顏色劲件。通過改變圖形屬性的值掸哑，可以用不同的方式來顯示數(shù)據(jù)點（如下圖所示）。因為已經(jīng)使用“value”這個詞來表示數(shù)據(jù)的值零远，所以下面使用“l(fā)evel”（水平）這個詞來表示圖形屬性的值苗分。我們來改變一個點的大小、形狀和顏色來反映不同屬性牵辣。

通過將圖中的圖形屬性映射為數(shù)據(jù)集中的變量摔癣，可以傳達出數(shù)據(jù)的相關(guān)信息。例如纬向，可以將點的顏色映射為變量class择浊，從而揭示每輛汽車的類型：

要想將圖形屬性映射為變量，需要在函數(shù)aes() 中將圖形屬性名稱和變量名稱關(guān)聯(lián)起來逾条。ggplot2 會自動為每個變量值分配唯一的圖形屬性水平（本例中是唯一的顏色）琢岩，這個過程稱為標度變換。ggplot2 還會添加一個圖例师脂，以表示圖形屬性水平和變量值之間的對應關(guān)系担孔。

也可以用同樣的方式將其映射為點的大小。在下面的示例中危彩，每個點的實際大小表示其所屬的類別攒磨。這里我們收到一條警告信息，因為將無序變量（class）映射為有序圖形屬性（size）可不是好主意汤徽。

ggplot(data = mpg) +
 geom_point(mapping = aes(x = displ, y = hwy, size = class))
Warning message:
Using size for a discrete variable is not advised. 

或者我們也可以將class 映射為控制數(shù)據(jù)點透明度的alpha 圖形屬性娩缰，還可以將其映射為點的形狀。

# 上圖
ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy, alpha = class))
# 下圖
ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy, shape = class))

SUV 怎么了谒府？ ggplot2 只能同時使用6 種形狀拼坎。默認情況下浮毯，當使用這種圖形屬性時，多出的變量值將不會出現(xiàn)在圖中泰鸡。

一旦映射了圖形屬性债蓝，ggplot2 會處理好其余的事情。它會為圖形屬性選擇一個合適的標度盛龄，并創(chuàng)建圖例來表示圖形屬性水平和變量值之間的映射關(guān)系饰迹。ggplot2 不會為x 和y 這兩個圖形屬性創(chuàng)建圖例，而會創(chuàng)建帶有刻度標記和標簽的坐標軸余舶。坐標軸就相當于圖例啊鸭，可以體現(xiàn)出位置和變量值之間的映射關(guān)系。

還可以手動為幾何對象設(shè)置圖形屬性匿值。例如赠制，我們可以讓圖中的所有點都為藍色：

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy), color = "blue")

此時顏色不會傳達關(guān)于變量的信息，只是改變圖的外觀挟憔。要想手動設(shè)置圖形屬性钟些，需要按名稱進行設(shè)置，將其作為幾何對象函數(shù)的一個參數(shù)绊谭。這也就是說政恍，需要在函數(shù)aes() 的外部進行設(shè)置。此外龙誊，還需要為這個圖形屬性選擇一個有意義的值抚垃。
? 顏色名稱是一個字符串。
? 點的大小用毫米表示趟大。
? 點的形狀是一個數(shù)值，如圖1-1 所示铣焊。有些形狀相同逊朽，比如0、15 和22 都是正方形曲伊。
形狀之間的區(qū)別在于color 和fill 這兩個圖形屬性叽讳。空心形狀（0~14）的邊界顏色由color 決定坟募；實心形狀（15~20）的填充顏色由color 決定岛蚤；填充形狀（21~24）的邊界顏色由color 決定，填充顏色由fill 決定懈糯。

用數(shù)值進行標識的R 的25 種內(nèi)置形狀

練習

(1) 以下這段代碼有什么錯誤涤妒？為什么點不是藍色的？

ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy, color = "blue"))

color在mapping的括號里面,成為了圖形屬性映射

(2) mpg 中的哪些變量是分類變量赚哗？哪些變量是連續(xù)變量她紫？（提示：輸入?mpg 來閱讀這個數(shù)據(jù)集的文檔硅堆。）當調(diào)用mpg 時，如何才能看到這些信息贿讹？

在每一列的下方有<chr>和<int>兩個屬性渐逃，其中<chr>是分類變量，<int>是連續(xù)變量

(3) 將一個連續(xù)變量映射為color民褂、size 和shape茄菊。對分類變量和連續(xù)變量來說，這些圖形屬性的表現(xiàn)有什么不同赊堪？

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy, color = hwy))

顏色是一個漸變色面殖，大小也是漸變，形狀會報錯
(4) 如果將同一個變量映射為多個圖形屬性雹食，會發(fā)生什么情況畜普？

兩種屬性會結(jié)合，例如顏色和大小

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy, size = class, color=class))

(5) stroke 這個圖形屬性的作用是什么群叶？它適用于哪些形狀吃挑？（提示：使用?geom_point 命令。）

改變形狀的邊框的大小

(6) 如果將圖形屬性映射為非變量名對象街立，比如aes(color = displ < 5)舶衬，會發(fā)生什么情況？

Error: geom_point requires the following missing aesthetics: x and y

1.4 常見問題

當開始運行R 代碼時赎离，你很可能會遇到問題逛犹。不用擔心，每個人都會遇到問題梁剔。首先虽画，將你需要運行的代碼與書中的代碼進行仔細對比。R 極其挑剔荣病，即使一個字母放錯了位置码撰，也可能會造成問題。確保每個( 都有一個) 與之匹配个盆，并且每個" 后面都跟著另一個"脖岛。有時運行了代碼卻什么也沒有發(fā)生。檢查一下控制臺左側(cè)：如果有一個+ 號颊亮，那么說明R 認為你沒有輸入完整的表達式柴梆，正在等待你完成輸入。這種情況下终惑，按Esc 鍵中止當前執(zhí)行的命令就可以重新開始绍在。

創(chuàng)建ggplot2 圖形時的一個常見問題是將+ 號放錯了位置：+ 必須放在一行代碼的末尾，而不是開頭。

1.5 分面

添加額外變量的一種方法是使用圖形屬性揣苏。另一種方法是將圖分割成多個分面悯嗓，即可以顯示數(shù)據(jù)子集的子圖。這種方法特別適合添加分類變量卸察。

要想通過單個變量對圖進行分面脯厨，可以使用函數(shù)facet_wrap()。其第一個參數(shù)是一個公式坑质，創(chuàng)建公式的方式是在~ 符號后面加一個變量名（這里所說的“公式”是R 中的一種數(shù)據(jù)結(jié)構(gòu)合武，不是數(shù)學意義上的公式）。傳遞給facet_wrap() 的變量應該是離散型的涡扼。

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy),stroke=1.5) +
  facet_wrap(~ class, nrow = 2)

要想通過兩個變量對圖進行分面稼跳，需要在繪圖命令中加入函數(shù)facet_grid()。這個函數(shù)的第一個參數(shù)也是一個公式吃沪，但該公式包含由~ 隔開的兩個變量名汤善。

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) +
  facet_grid(drv ~ cyl)

如果不想在行或列的維度進行分面，你可以使用. 來代替變量名票彪，例如+ facet_grid(. ~cyl)红淡。

練習

(1) 如果使用連續(xù)變量進行分面，會發(fā)生什么情況降铸？

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) +
  facet_grid(~ cty)

(2) 在使用facet_grid(drv ~ cyl) 生成的圖中在旱，空白單元的意義是什么？它們和以下代碼生成的圖有什么關(guān)系推掸？

雖然空白單元沒有數(shù)據(jù)桶蝎，但也代表了一種組合

ggplot(data = mpg) +
  geom_point(mapping = aes(x = drv, y = cyl))

這張圖生成的是沒有意義的圖，每個點代表每種組合谅畅，facet_grid(drv ~ cyl) 生成的圖則將每個組合中displ和 hwy之間的關(guān)系表現(xiàn)了出來登渣。
(3) 以下代碼會繪制出什么圖？ . 的作用是什么毡泻？

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) +
  facet_grid(drv ~ .)

ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(. ~ cyl)

.的作用決定了分布方向绍豁，如果前面出現(xiàn)、縱向分布牙捉，反之為橫向分布

(4) 查看本節(jié)的第一個分面圖：

ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_wrap(~ class, nrow = 2)

與使用圖形屬性相比，使用分面的優(yōu)勢和劣勢分別是什么敬飒？如果有一個更大的數(shù)據(jù)集邪铲，
你將如何權(quán)衡這兩種方法的優(yōu)劣？

使用分面能更好的體現(xiàn)出每個類別displ與hwy的關(guān)系无拗，但是沒辦法比較不同類別之間的區(qū)別

使用屬性能更好的體現(xiàn)整體的關(guān)系带到，但是個體差異不明顯

1.6 幾何對象

兩張圖有同樣的x 變量和y 變量，而且描述的是同樣的數(shù)據(jù)英染。但這兩張圖并不一樣揽惹，它們各自使用不同的可視化對象來表示數(shù)據(jù)被饿。在ggplot2 語法中，我們稱它們使用了不同的幾何對象搪搏。

幾何對象是圖中用來表示數(shù)據(jù)的幾何圖形對象狭握。我們經(jīng)常根據(jù)圖中使用的幾何對象類型來描述相應的圖。例如疯溺，條形圖使用了條形幾何對象论颅，折線圖使用了直線幾何對象，箱線圖使用了矩形和直線幾何對象囱嫩。散點圖打破了這種趨勢恃疯，它們使用點幾何對象。如上面的兩幅圖所示墨闲，我們可以使用不同的幾何對象來表示同樣的數(shù)據(jù)今妄。左側(cè)的圖使用了點幾何對象，右側(cè)的圖使用了平滑曲線幾何對象鸳碧，以一條平滑曲線來擬合數(shù)據(jù)盾鳞。要想改變圖中的幾何對象，需要修改添加在ggplot() 函數(shù)中的幾何對象函數(shù)杆兵。舉例來說雁仲，要想繪制出上圖，你可以使用以下代碼：

# 左圖
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy))
# 右圖
ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy))

ggplot2 中的每個幾何對象函數(shù)都有一個mapping 參數(shù)琐脏。但是攒砖，不是每種圖形屬性都適合每種幾何對象。你可以設(shè)置點的形狀日裙，但不能設(shè)置線的“形狀”吹艇，而可以設(shè)置線的線型篷帅。geom_smooth() 函數(shù)可以按照不同的線型繪制出不同的曲線洒忧，每條曲線對應映射到線型的變量的一個唯一值：

ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy, linetype = drv))

根據(jù)表示汽車驅(qū)動系統(tǒng)的drv 變量的值，這里的geom_smooth() 函數(shù)分別用3 條曲線來表示汽車魏颓。一條線表示drv 值為4 的所有汽車格侯，一條線表示drv 值為f 的所有汽車鼻听，另一條線表示drv 值為r 的所有汽車。其中4 表示四輪驅(qū)動联四，f 表示前輪驅(qū)動撑碴，r 表示后輪驅(qū)動。如果你覺得這有些難以理解朝墩，我們可以將這些曲線覆蓋在原始數(shù)據(jù)上醉拓，并按照drv 值對所有的點和線進行著色，這樣你就能看得更清楚一些了。

要想在同一張圖中顯示多個幾何對象亿卤，可以向ggplot() 函數(shù)中添加多個幾何對象函數(shù)：

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) +
  geom_smooth(mapping = aes(x = displ, y = hwy))

但是愤兵，這樣代碼就產(chǎn)生了一些重復。假如你想將y 軸上的變量從hwy 改成cty排吴，那么就要在兩個地方修改這個變量秆乳，但你或許會漏掉一處。避免這種重復的方法是將一組映射傳遞給ggplot() 函數(shù)傍念。ggplot2 會將這些映射作為全局映射應用到圖中的每個幾何對象中矫夷。

ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point() +
geom_smooth()

如果將映射放在幾何對象函數(shù)中，那么ggplot2 會將其看作這個圖層的局部映射憋槐，它將使用這些映射擴展或覆蓋全局映射双藕，但僅對該圖層有效。這樣一來阳仔，我們就可以在不同的圖層中顯示不同的圖形屬性：

ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point(mapping = aes(color = class)) +
geom_smooth()

同理忧陪，你也可以為不同的圖層指定不同的數(shù)據(jù)。下圖中的平滑曲線表示的只是mpg 數(shù)據(jù)集的一個子集近范，即微型車嘶摊。geom_smooth() 函數(shù)中的局部數(shù)據(jù)參數(shù)覆蓋了ggplot() 函數(shù)中的全局數(shù)據(jù)參數(shù)，當然僅對這個圖層有效：

ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point(mapping = aes(color = class)) +
geom_smooth(
data = filter(mpg, class == "subcompact"),
se = FALSE
)

練習

(1) 在繪制折線圖评矩、箱線圖叶堆、直方圖和分區(qū)圖時，應該分別使用哪種幾何對象斥杜？

折線圖使用了直線幾何對象虱颗，箱線圖使用了矩形和直線幾何圖像、直方圖使用了使用了矩形幾何對象

(2) 在腦海中運行以下代碼蔗喂，并預測會有何種輸出忘渔。接著在R 中運行代碼，并檢查你的預測是否正確缰儿。

ggplot(
  data = mpg,
  mapping = aes(x = displ, y = hwy, color = drv)
) +
  geom_point() +
  geom_smooth(se = FALSE)

(3) show.legend = FALSE 的作用是什么畦粮？刪除它會發(fā)生什么情況？你覺得我為什么要在本章前面的示例中使用這句代碼乖阵？

sohw.legend=FLASE去掉圖例

(4) geom_smooth() 函數(shù)中的se 參數(shù)的作用是什么宣赔？

se如果設(shè)定為TRUE，則會為曲線設(shè)定置信區(qū)間瞪浸，F(xiàn)LASE則沒有置信區(qū)間

(6) 自己編寫R 代碼來生成以下各圖拉背。

#######1
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
  geom_point() +
  geom_smooth(se=FALSE)

#######2
ggplot() +
  geom_point(
    data = mpg,
    mapping = aes(x = displ, y = hwy)
  ) +
  geom_smooth(
    data = mpg,
    mapping = aes(x = displ, y = hwy,group=drv),se=FALSE)
#######3
ggplot(data = mpg, mapping = aes(x = displ, y = hwy,color=drv)) +
  geom_point() +
  geom_smooth(se = FALSE)
#######4
ggplot() +
  geom_point(
    data = mpg,
    mapping = aes(x = displ, y = hwy,color=drv)
  ) +
  geom_smooth(
    data = mpg,
    mapping = aes(x = displ, y = hwy),se=FALSE)
######5
ggplot() +
  geom_point(
    data = mpg,
    mapping = aes(x = displ, y = hwy,color=drv)
  ) +
  geom_smooth(
    data = mpg,
    mapping = aes(x = displ, y = hwy,linetype=drv),se=FALSE)
######6
ggplot() +
  geom_point(
    data = mpg,
    mapping = aes(x = displ, y = hwy,color=drv))

1.7 統(tǒng)計變換

接下來我們看一下條形圖。條形圖雖然簡單默终，但很有意思，因為它可以揭示出圖形中的一些微妙信息。我們看一下用geom_bar() 函數(shù)就可以繪制的基本條形圖齐蔽。下面的條形圖顯示了diamonds 數(shù)據(jù)集中按照cut 變量分組的各種鉆石的總數(shù)量两疚。diamonds 數(shù)據(jù)集是ggplot2的內(nèi)置數(shù)據(jù)集，包含大約54 000 顆鉆石的信息含滴，每顆鉆石具有price诱渤、carat、color谈况、clarity 和cut 變量勺美。條形圖顯示，高質(zhì)量切割鉆石的數(shù)量要比低質(zhì)量切割鉆石的數(shù)量多：

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

條形圖x 軸顯示的是cut碑韵，這是diamonds 數(shù)據(jù)集中的一個變量赡茸。y 軸顯示的是count，但count 不是diamonds 中的變量祝闻！那么count 來自哪里呢占卧？很多圖形繪制的是數(shù)據(jù)集的原始數(shù)據(jù)，比如散點圖联喘。另外一些圖形則可以繪制那些計算出的新數(shù)據(jù)华蜒，比如條形圖。
? 條形圖豁遭、直方圖和頻率多邊形圖可以對數(shù)據(jù)進行分箱叭喜，然后繪制出分箱數(shù)量和落在每個分箱的數(shù)據(jù)點的數(shù)量。
? 平滑曲線會為數(shù)據(jù)擬合一個模型蓖谢，然后繪制出模型預測值捂蕴。
? 箱線圖可以計算出數(shù)據(jù)分布的多種摘要統(tǒng)計量，并顯示一個特殊形式的箱體蜈抓。
繪圖時用來計算新數(shù)據(jù)的算法稱為stat（statistical transformation启绰，統(tǒng)計變換）。下圖描述了geom_bar() 函數(shù)的統(tǒng)計變換過程沟使。

通常來說委可，幾何對象函數(shù)和統(tǒng)計變換函數(shù)可以互換使用。例如腊嗡，你可以使用stat_count()替換geom_bar() 來重新生成前面那張圖：

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

你可能想要覆蓋從統(tǒng)計變換生成的變量到圖形屬性的默認映射着倾。例如，你或許想顯示一張表示比例（而不是計數(shù)）的條形圖：

ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, y = ..prop.., group = 1)
)

你可能想要在代碼中強調(diào)統(tǒng)計變換燕少。例如卡者，你可以使用stat_summary() 函數(shù)將人們的注意力吸引到你計算出的那些摘要統(tǒng)計量上。stat_summary() 函數(shù)為x 的每個唯一值計算y 值的摘要統(tǒng)計：

練習

(1) stat_summary() 函數(shù)的默認幾何對象是什么客们？不使用統(tǒng)計變換函數(shù)的話崇决，如何使用幾何對象函數(shù)重新生成以上的圖材诽？

geom_pointrange，

(2) geom_col() 函數(shù)的功能是什么恒傻？它和geom_bar() 函數(shù)有何不同脸侥？

直方圖，其中柱狀圖的高度表示數(shù)據(jù)中的值盈厘，geom_col()的默認統(tǒng)計變換為identity()睁枕，geom_bar()默認為count()

1.8 位置調(diào)整

可以使用color 或者fill（這個更有用）圖形屬性來為條形圖上色：

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

如果將fill 圖形屬性映射到另一個變量（如clarity），那么條形會自動分塊堆疊起來沸手。每個彩色矩形表示cut 和clarity 的一種組合外遇。

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

這種堆疊是由position 參數(shù)設(shè)定的位置調(diào)整功能自動完成的。如果不想生成堆疊式條形圖契吉，你還可以使用以下3 種選項之一："identity"跳仿、"fill" 和"dodge"。

? position = "identity" 將每個對象直接顯示在圖中栅隐。這種方式不太適合條形圖塔嬉，因為條形會彼此重疊。為了讓重疊部分能夠顯示出來租悄，我們可以設(shè)置alpha 參數(shù)為一個較小的數(shù)谨究，從而使得條形略微透明；或者設(shè)定fill = NA泣棋，讓條形完全透明：

ggplot(
  data = diamonds,
  mapping = aes(x = cut, fill = clarity)
) +
  geom_bar(alpha = 1/5, position = "identity")
ggplot(
  data = diamonds,
  mapping = aes(x = cut, color = clarity)
) +
  geom_bar(fill = NA, position = "identity")

? position = "fill" 的效果與堆疊相似胶哲，但每組堆疊條形具有同樣的高度，因此這種條形圖可以非常輕松地比較各組間的比例：

ggplot(data = diamonds) +
  geom_bar(
    mapping = aes(x = cut, fill = clarity),
    position = "fill"
  )

? position = "dodge" 將每組中的條形依次并列放置潭辈，這樣可以非常輕松地比較每個條形表示的具體數(shù)值：

ggplot(data = diamonds) +
  geom_bar(
    mapping = aes(x = cut, fill = clarity),
    position = "dodge"
  )

回憶一下我們的第一張散點圖鸯屿。你是否發(fā)現(xiàn)，雖然數(shù)據(jù)集中有234 個觀測值把敢，但散點圖中只顯示了126 個點寄摆？

因為hwy 和displ 的值都進行了舍入取整，所以這些點顯示在一個網(wǎng)格上時修赞，很多點彼此重疊了婶恼。這個問題稱為過繪制。點的這種排列方式很難看出數(shù)據(jù)的聚集模式柏副。數(shù)據(jù)點是均勻地分布在圖中勾邦，還是存在hwy 和displ 的特殊組合，其中包括了109 個點割择？

通過將位置調(diào)整方式設(shè)為“抖動”眷篇，可以避免這種網(wǎng)格化排列。position = "jitter" 為每個數(shù)據(jù)點添加一個很小的隨機擾動荔泳，這樣就可以將重疊的點分散開來蕉饼，因為不可能有兩個點會收到同樣的隨機擾動：

添加隨機性來改善圖形似乎是一種奇怪的方式虐杯，然而盡管這種方式會損失圖形的精確性，但可以大大提高圖形的啟發(fā)性椎椰。因為這種操作的用處非常大厦幅，所以ggplot2 提供了geom_point(position = "jitter") 的一種快速實現(xiàn)方式：geom_jitter()。

1.9坐標系

坐標系可能是ggplot2 中最復雜的部分慨飘。默認的坐標系是笛卡兒直角坐標系，可以通過其獨立作用的x 坐標和y 坐標找到每個數(shù)據(jù)點译荞。偶爾也會用到一些其他類型的坐標系瓤的。

? coord_flip() 函數(shù)可以交換x 軸和y 軸。當想要繪制水平箱線圖時吞歼，這非常有用圈膏。它也非常適合使用長標簽，但要想在x 軸上不重疊地安排好它們是非常困難的：

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

? coord_polar() 函數(shù)使用極坐標系篙骡。極坐標系可以揭示出條形圖和雞冠花圖間的一種有趣聯(lián)系：

bar <- ggplot(data = diamonds) +
  geom_bar(
    mapping = aes(x = cut, fill = cut),
    show.legend = FALSE,
    width = 1
  ) +
  theme(aspect.ratio = 1) +
  labs(x = NULL, y = NULL)
p1<-bar + coord_flip()
p2<-bar + coord_polar()
ggarrange(p1, p2)

1.10　圖形分層語法

在前面幾節(jié)中稽坤，你學到的絕不僅僅是如何繪制散點圖、條形圖和箱線圖糯俗，而是使用ggplot2繪制任何類型圖形的基礎(chǔ)知識尿褪。為了說明這一點，我們向前面的代碼模板中添加位置調(diào)整得湘、統(tǒng)計變換杖玲、坐標系和分面：

ggplot(data = <DATA>) +
<GEOM_FUNCTION>(
mapping = aes(<MAPPINGS>),
stat = <STAT>,
position = <POSITION>
) +
<COORDINATE_FUNCTION> +
<FACET_FUNCTION>

為了說明圖形語法的工作方式，我們看一下如何從頭開始構(gòu)建一個基本圖形：首先需要有一個數(shù)據(jù)集淘正，然后（通過統(tǒng)計變換）將其轉(zhuǎn)換為想要顯示的信息摆马。

接下來，你可以選擇一個幾何對象來表示轉(zhuǎn)換后的數(shù)據(jù)中的每個觀測值鸿吆，然后選擇幾何對象的圖形屬性來表示數(shù)據(jù)中的變量囤采，這會將每個變量的值映射為圖形屬性的水平。

轉(zhuǎn)載請注明周小釗的博客>>R4ds1