我學(xué)習(xí)的主要是這本書R for Data Science.

• 導(dǎo)入：首先结澄，必須將數(shù)據(jù)導(dǎo)入R泽本。

• 整理：導(dǎo)入數(shù)據(jù)后，需要整理一下冲秽，整理數(shù)據(jù)意味著以統(tǒng)一整齊的形式存儲數(shù)據(jù)，我稱它為齊整數(shù)據(jù)颠通。

• 轉(zhuǎn)換：整理完數(shù)據(jù)后猪瞬，通常第一步是對其進行轉(zhuǎn)換。轉(zhuǎn)換包括縮小觀測范圍（提取）（例如一個城市中的所有人或去年的所有數(shù)據(jù)）富岳，創(chuàng)建現(xiàn)有變量的函數(shù)的新變量（例如根據(jù)距離和時間來計算速度）以及計算一組統(tǒng)計信息（如計數(shù)或均值）蛔糯。

• 描述：一旦有了需要的變量的齊整數(shù)據(jù)，就可以使用兩個主要的方式來描述它：可視化和建模窖式。
  (1) 良好的可視化效果會反映出在輸入時的錯誤或者對數(shù)據(jù)提出新的問題蚁飒，或者反映出需要收集其他數(shù)據(jù)。
  (2) 模型是可視化的補充工具萝喘。一旦問題變得足夠精確淮逻，就可以使用模型來描述回答琼懊。

• 交流：數(shù)據(jù)統(tǒng)計科學(xué)的最后一步是交流（沒理解）。
  我們首先從數(shù)據(jù)可視化開始學(xué)習(xí)爬早，先了解我們最后能得到一個什么樣fancy的結(jié)果肩碟，這里主要用到了ggplot2包。

1. Prerequisites

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

我們使用ggplot2中的mpg數(shù)據(jù)框進行分析測試凸椿。 數(shù)據(jù)框是變量（列）和觀察值（行）的矩陣集合。 mpg包含美國環(huán)境保護署收集的有關(guān)38輛汽車的觀察結(jié)果翅溺。

mpg
#> # A tibble: 234 x 11
#>   manufacturer model displ  year   cyl trans      drv     cty   hwy fl    class 
#>   <chr>        <chr> <dbl> <int> <int> <chr>      <chr> <int> <int> <chr> <chr> 
#> 1 audi         a4      1.8  1999     4 auto(l5)   f        18    29 p     compa…
#> 2 audi         a4      1.8  1999     4 manual(m5) f        21    29 p     compa…
#> 3 audi         a4      2    2008     4 manual(m6) f        20    31 p     compa…
#> 4 audi         a4      2    2008     4 auto(av)   f        21    30 p     compa…
#> 5 audi         a4      2.8  1999     6 auto(l5)   f        16    26 p     compa…
#> 6 audi         a4      2.8  1999     6 manual(m5) f        18    26 p     compa…
#> # … with 228 more rows

displ: 表示汽車引擎大心月（以升為單位）。
hwy: 高速公路上的汽車燃油效率咙崎，以英里/加侖（mpg）為單位优幸。 當(dāng)相同距離行駛時，低燃油效率的汽車比高燃油效率的汽車消耗更多的燃油褪猛。

2. Creating a ggplot

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

該圖顯示了發(fā)動機尺寸（排量）和燃油效率（高速）之間的負相關(guān)關(guān)系网杆。
ggplot（）的第一個參數(shù)是要在圖形中使用的數(shù)據(jù)集。因此ggplot（data = mpg）創(chuàng)建了一個空圖伊滋，然后通過向ggplot（）添加一層或多層來完成圖形碳却。
函數(shù)geom_point（）在繪圖上添加了一層點，從而創(chuàng)建了一個散點圖笑旺。
ggplot2附帶了許多geom函數(shù)昼浦，每個函數(shù)都會在繪圖中添加不同類型的圖層。ggplot2中的每個geom函數(shù)都帶有一個映射參數(shù)筒主。這定義了數(shù)據(jù)集中的變量如何映射到視覺屬性关噪。映射參數(shù)始終與aes（）配對，而aes（）的x和y參數(shù)指定要映射到x和y軸的變量乌妙。

3. Aesthetic mappings

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

在上面的示例中使兔，我們將點的類別映射到顏色，我們也可以以相同的方式將類別映射到尺寸藤韵。

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

我們也可以將類映射到控制點的透明度的alpha虐沥，或控制點的形狀。

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

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

Up

Down

ggplot2一次只能使用六個形狀荠察。對于每種映射置蜀，都可以使用aes（）將映射名稱與要顯示的變量相關(guān)聯(lián)。

還可以手動設(shè)置幾何圖形的映射屬性悉盆。例如盯荤，我們可以將圖中的所有點設(shè)為藍色：

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

要手動設(shè)置映射，需按名稱將映射設(shè)置為geom函數(shù)的參數(shù)焕盟， 需要選擇一種適合該美學(xué)的水平：

• 顏色的名稱秋秤，為字符串宏粤。
• 點的大小，以毫米為單位灼卢。
• 點的形狀為數(shù)字绍哎，如圖所示。

4. Facets

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

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

5. Geometric objects

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

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

Up

Down

ggplot2中的每個geom函數(shù)都帶有一個映射參數(shù)鞋真。 可以設(shè)置點的形狀崇堰，或者可以設(shè)置線的線型。 例如：geom_smooth（）將為映射到線型的變量的每個唯一值繪制一條不同的線涩咖，并使用不同的線型海诲。

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

ggplot(data = mpg) +
  geom_smooth(mapping = aes(x = displ, y = hwy))
              
ggplot(data = mpg) +
  geom_smooth(mapping = aes(x = displ, y = hwy, group = drv))
    
ggplot(data = mpg) +
  geom_smooth(
    mapping = aes(x = displ, y = hwy, color = drv),
    show.legend = FALSE
  )

要在同一圖中顯示多個幾何特幔，可以將多個幾何函數(shù)添加到ggplot（）中：

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

如果將映射放置在geom函數(shù)中，則ggplot2會將其視為該圖層的局部映射闸昨。 它將僅使用這些映射來擴展或覆蓋該層的全局映射蚯斯。 這可以實現(xiàn)在不同的圖層顯示不同的映射。

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

可以使用相同的想法為每個圖層指定不同的數(shù)據(jù)饵较。 在這里拍嵌，我們的平滑線僅顯示mpg數(shù)據(jù)集的一個子集，即小型汽車循诉。 geom_smooth（）中的局部數(shù)據(jù)參數(shù)僅覆蓋該層的ggplot（）中的全局數(shù)據(jù)參數(shù)撰茎。

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

參考：https://r4ds.had.co.nz/introduction.html