前言
分面的作用是在一個頁面上自動放置多幅圖像郁油，它先將數據劃分為多個不同的子集，然后分別將每個子數據集繪制到頁面的小圖形面板中腕窥。
ggplot2 有兩種分面類型：
-
網格型 ——
facet_grid：生成一個
2維面板網格，通過行列對應變量的不同level -
封裝型 ——
facet_wrap：生成一個
1維面板，然后按行或按列順序添加子圖進去吊档，形成2維布局
二者之間的區(qū)別，可以從下圖中看出
1. 網格分面
facet_grid(
rows = NULL,
cols = NULL,
scales = "fixed",
space = "fixed",
shrink = TRUE,
labeller = "label_value",
as.table = TRUE,
switch = NULL,
drop = TRUE,
margins = FALSE,
facets = NULL
)
網格分面會根據分面表達式唾糯，自動設置哪些變量作為行怠硼，哪些變量作為列鬼贱，具體規(guī)則如下：
- 不分面
不使用 facet_grid 或加上 facet_null()
ggplot(mpg, aes(cty, hwy)) +
geom_point() +
facet_null()
- 一行多列：
. ~ var
寬屏顯示，所有圖繪制在同一行香璃，方便比較不同圖之間的 y 軸位置这难。
ggplot(mpg, aes(cty, hwy)) +
geom_point() +
facet_grid(. ~ cyl)
- 多行一列：
var ~ .
豎直排列，具有相同的橫坐標葡秒，方便比較 x 軸的位置姻乓，尤其適用于不同數據分布的比較。
ggplot(mpg, aes(cty)) +
geom_histogram(binwidth = 2) +
facet_grid(cyl ~ .)
- 多行多列：
var1 ~ var2
通常將 level 最多的變量按列放置眯牧，充分利用屏幕的寬高比
ggplot(mpg, aes(cty, hwy)) +
geom_point() +
facet_grid(drv ~ cyl)
注意：在上面的圖形中糖权，我們可以看到三個空白的面板，這是由于行列變量的不同 level 會兩兩組合炸站，每種組合繪制一張圖片星澳，而沒有在數據中出現的組合會產生空白圖。
- 多個變量組合在同一行或同一列：
. ~ var1 + var2（一行） 或var1 + var2 ~ .（一列）
ggplot(mpg, aes(cty, hwy)) +
geom_point() +
facet_grid(cyl + drv ~ .)
與多行多列圖形不同旱易，只有出現的組合才會被繪制禁偎，所以不會出現空白圖片。
注意
上面的表達式也可以轉換為用 vars 函數引用的變量阀坏，例如
. ~ var => cols = vars(var) var ~ . => rows = vars(var) var1 ~ var2 => rows = vars(var1), cols = vars(var2) . ~ var1 + var2 => cols = vars(var1, var2)對于
facet_grid和facet_wrap均適用
邊際圖
對于多行多列的網格狀圖如暖，我們可能希望在每行或每列的數據值進行一個匯總，添加一個匯總圖忌堂。
我們可以設置 margins = TRUE 來展示所有的邊際匯總圖盒至，或者指定一個字符串或字符串向量如 margins = c("", "")，來展示某一個變量的邊際匯總圖
例如
smpg <- mpg %>% subset(drv != 'r' & cyl != 5)
p1 <- ggplot(smpg, aes(cty, hwy)) +
geom_point() +
facet_grid(rows = vars(drv), cols = vars(cyl))
p2 <- ggplot(smpg, aes(cty, hwy)) +
geom_point() +
facet_grid(rows = vars(drv), cols = vars(cyl),
margins = TRUE)
p3 <- ggplot(smpg, aes(cty, hwy)) +
geom_point() +
facet_grid(rows = vars(drv), cols = vars(cyl),
margins = "drv")
p4 <- ggplot(smpg, aes(cty, hwy)) +
geom_point() +
facet_grid(rows = vars(drv), cols = vars(cyl),
margins = "cyl")
plot_grid(p1, p2, p3, p4, labels = LETTERS[1:4], nrow = 2)
2. 封裝分面
facet_wrap(
facets,
nrow = NULL,
ncol = NULL,
scales = "fixed",
shrink = TRUE,
labeller = "label_value",
as.table = TRUE,
switch = NULL,
drop = TRUE,
dir = "h",
strip.position = "top"
)
不同于網格分面士修，封裝分面可以這樣理解枷遂，它首先生成一個長的繪圖面板，然后將圖形一個個添加進去棋嘲，填充完一行后另起一行開始填充酒唉，這樣看起來也是二維的面板。
示例
p <- ggplot(mpg, aes(displ, hwy)) + geom_point()
p1 <- p + facet_wrap(vars(class))
# 控制行列數
p2 <- p + facet_wrap(vars(class), nrow = 4)
# 組合多變量
p3 <- ggplot(mpg, aes(displ, hwy)) +
geom_point() +
facet_wrap(vars(cyl, drv))
# 控制顯示的標簽
p4 <- ggplot(mpg, aes(displ, hwy)) +
geom_point() +
facet_wrap(vars(cyl, drv), labeller = "label_both")
plot_grid(p1, p2, p3, p4, labels = LETTERS[1:4], nrow = 2)
想要更改面板圖形的顯示順序沸移，需要修改對應因子變量的 level 順序
mpg$class2 <- reorder(mpg$class, mpg$displ)
p5 <- ggplot(mpg, aes(displ, hwy)) +
geom_point() +
facet_wrap(vars(class2))
plot_grid(p1, p5, labels = LETTERS[1:2], nrow = 2)
通過將數據的分面變量設置為 NULL痪伦，可以在所有的子圖中繪制一個相同的圖像
例如，我們通過將分面變量設置為空雹锣，在所有子圖中繪制了一個包含所有數據點的淺色點圖网沾，這樣可以更清晰的看出各部分占總體的情況
ggplot(mpg, aes(displ, hwy)) +
geom_point(data = transform(mpg, class = NULL), colour = "grey85") +
geom_point() +
facet_wrap(vars(class))
這也相當于為所有面板添加了一個背景圖
3. 標度控制
兩種分面都可以使用 scales 來控制面板的位置標度是否固定，可以取以下值：
-
fixed：所有面板的x和y都是一樣的蕊爵，默認值 -
free：所有面板的x和y都是自由變化的 -
free_x：x軸可變辉哥，y軸固定 -
free_y：x軸固定，y軸可變
p1 <- ggplot(mpg, aes(cty, hwy)) +
geom_point() +
facet_wrap(vars(cyl), scales = "fixed")
p2 <- ggplot(mpg, aes(cty, hwy)) +
geom_point() +
facet_wrap(vars(cyl), scales = "free")
p3 <- ggplot(mpg, aes(cty, hwy)) +
geom_point() +
facet_wrap(vars(cyl), scales = "free_x")
p4 <- ggplot(mpg, aes(cty, hwy)) +
geom_point() +
facet_wrap(vars(cyl), scales = "free_y")
plot_grid(p1, p2, p3, p4, labels = LETTERS[1:4], nrow = 2)
對于 facet_grid 還有一個 space 參數在辆，可接受的值同 scales 一樣
-
fixed：所有面板的大小一樣证薇，默認值 -
free：它們的高度和寬度與標度范圍成比例 -
free_x：它們的寬度與x標度的長度成比例 -
free_y：它們的高度與y標度的長度成比例
ggplot(mpg, aes(drv, model)) +
geom_point() +
facet_grid(manufacturer ~ ., scales = "free", space = "free")
4. 分組與分面
我們可以將分組和分面放在一起進行比較。在之前的示例中匆篓，我們可以為數據設置不同的圖像屬性浑度，如顏色、大小等鸦概，來區(qū)分不同的分組
而分面是根據變量的 level 繪制不同的子圖箩张。這兩種方式都有各自的優(yōu)缺點。
在分面中窗市，不同組別擁有不同的面板先慷，相隔較遠，難以看出組間的關系咨察；但是不存在組間數據的重疊论熙，能夠很好的分隔數據。
而分組則與分面互補摄狱，組間容易重疊脓诡，但是能夠較容易可以看出組間的關系。
例如
xmaj <- c(0.3, 0.5, 1,3, 5)
xmin <- as.vector(outer(1:10, 10^c(-1, 0)))
ymaj <- c(500, 1000, 5000, 10000)
ymin <- as.vector(outer(1:10, 10^c(2,3,4)))
dsub <- subset(diamonds, color %in% c("D","E","G","J"))
p <- ggplot(dsub, aes(carat, price, colour = color)) +
scale_x_log10(breaks = xmaj, labels = xmaj, minor = xmin) +
scale_y_log10(breaks = ymaj, labels = ymaj, minor = ymin) +
scale_colour_hue(limits = levels(diamonds$color)) +
theme(legend.position = "none")
p1 <- p + geom_point()
p2 <- p + geom_point() + facet_grid(. ~ color)
plot_grid(p1, p2, labels = LETTERS[1:2], nrow = 2)
在圖 A 中媒役，各分組之間都交疊在一起了祝谚，很難區(qū)分誰是誰，而使用分面酣衷，可以將每組都區(qū)分開交惯，每組的趨勢也很明顯
但是，當我們使用回歸線時穿仪，情況又有些不同了
p3 <- p + geom_smooth(method = lm, se = F, fullrange = T)
p4 <- p + geom_smooth(method = lm, se = F, fullrange = T) + facet_grid(. ~ color)
plot_grid(p3, p4, labels = LETTERS[3:4], nrow = 2)
在圖 C 中席爽，我們可以看到 D、E 和 G 幾乎完全重疊啊片，而 J 則與它們相隔更遠
分面還有其他優(yōu)點拳昌，比如，能夠很好的設置分組的圖形屬性和標度等钠龙。
5. 并列與分面
可以使用分面繪制出與并列圖形類似的效果炬藤，但是分面的標注方式會更多一些。
例如
p1 <- ggplot(diamonds, aes(color, fill = cut)) +
geom_bar(position = "dodge")
p2 <- ggplot(diamonds, aes(cut, fill = cut)) +
geom_bar() +
facet_grid(. ~ color) +
theme(axis.text.x = element_text(angle = 90, hjust = 1, size = 8,
colour = "grey50"))
plot_grid(p1, p2, labels = LETTERS[1:2], nrow = 2)
6. 連續(xù)型變量的分面
在本章前面的示例中碴里，都是對離散型變量進行分面沈矿，對于連續(xù)型數據，需要先將其轉換為離散型咬腋。
有三種轉換方式：
- 按區(qū)間劃分：
-
cut_interval(x, n = 10): 劃分為10個區(qū)間 -
cut_interval(x, length = 10)：每個區(qū)間長度為10
-
- 等數量劃分：
-
cut_number(x, n=10): 劃分為10個區(qū)間羹膳，每個區(qū)間數量相同
-
例如
df <- subset(mpg, year == 1999)
df$disp_ww <- cut_interval(df$displ, length = 1)
df$disp_wn <- cut_interval(df$displ, n = 6)
df$disp_nn <- cut_number(df$displ, n = 6)
p <- ggplot(df, aes(cty, hwy)) +
geom_point() +
labs(x = NULL, y = NULL)
p1 <- p + facet_wrap(~ disp_ww, nrow = 1)
p2 <- p + facet_wrap(~ disp_wn, nrow = 1)
p3 <- p + facet_wrap(~ disp_nn, nrow = 1)
plot_grid(p1, p2, p3, labels = LETTERS[1:3], nrow = 3)
