第一部分 探索
第1章 使用ggplot2進(jìn)行數(shù)據(jù)可視化
1.1 簡(jiǎn)介
首先安裝并加載R包（ggplot2）
if(!require('ggplot2'))install.packages('ggplot2')
library('ggplot2')
我們下面使用ggplot2去探索一個(gè)問題：大引擎汽車比小引擎汽車更耗油嗎毙籽？
1.2 第一步
1.2.1 mpg數(shù)據(jù)框
該數(shù)據(jù)框是ggplot2內(nèi)置的一個(gè)數(shù)據(jù)集供我們學(xué)習(xí)使用∠锊椋可以自己查看下mpg數(shù)據(jù)集中包含哪些東西及結(jié)構(gòu)：使用（?mpg）
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
以下整理了mpg數(shù)據(jù)集具體參數(shù)含義
| 名稱 | 含義 |
|---|---|
| manufacturer | manufacturer name（車的制造商名稱幢妄，如：奧迪） |
| model | model name（車的型號(hào)性誉，如：A6） |
| displ | engine displacement, in litres（發(fā)動(dòng)機(jī)排量即引擎大小岳服，單位升） |
| year | year of manufacture（車的制造年份） |
| cyl | number of cylinders（汽缸數(shù)） |
| trans | type of transmission（變速箱類型） |
| drv | the type of drive train, where f = front-wheel drive, r = rear wheel drive, 4 = 4wd（驅(qū)動(dòng)類型矿筝，f=前輪驅(qū)動(dòng)猛们，r=后輪驅(qū)動(dòng)念脯，4=四驅(qū)） |
| cty | city miles per gallon（每加侖油在城市跑的里程數(shù)） |
| hwy | highway miles per gallon（高速公路每加侖行駛里程數(shù)） |
| fl | fuel type（燃料類型） |
| class | "type" of car（汽車類型，如：轎車弯淘、suv等） |
1.2.2 創(chuàng)建ggplot圖形
x軸放displ绿店，y軸放hwy
ggplot(data = mpg)+
geom_point(mapping = aes(x = displ, y = hwy))
這圖可以看出來引擎越大，同樣體積的油跑的里程越少耳胎。即引擎越大越耗油（displ與hwy負(fù)相關(guān)）
在ggplot2中畫圖：
1惯吕、使用ggplot()函數(shù)開始繪圖，該函數(shù)創(chuàng)建了一個(gè)坐標(biāo)系怕午，你可以在它上面添加圖層废登。ggplot()第一個(gè)參數(shù)是data，即圖中要使用的數(shù)據(jù)集郁惜。
2堡距、向ggplot()中添加一個(gè)或多個(gè)圖層就可以完成這張圖了。函數(shù)geom_point()是向圖中添加一個(gè)點(diǎn)層兆蕉，這樣就可以創(chuàng)建一張散點(diǎn)圖了羽戒。這種叫做幾何對(duì)象函數(shù)（geom function）。
3虎韵、每個(gè)幾何對(duì)象函數(shù)（geom function）都有一個(gè)mapping參數(shù)易稠。這個(gè)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)總和aes()函數(shù)成對(duì)出現(xiàn)包蓝，aes()函數(shù)的x參數(shù)和y參數(shù)分別指定了映射到x和y軸的變量驶社。
ggplot2繪圖理念為plot(圖形)=data(數(shù)據(jù)集)+geometry(幾何對(duì)象)+aesthetics(美學(xué)映射)
繪圖模板：
# 將<>內(nèi)的內(nèi)容分別替換為數(shù)據(jù)集企量、幾何對(duì)象函數(shù)和映射集合即可
ggplot(data = <DATA>)+
<GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))
1.3 圖形屬性映射
本章首先要了解變量類型。
1、aes() 將圖層中使用的每個(gè)圖形屬性映射集合在一起，然后傳遞給該圖層的映射參數(shù)慢哈。
2、想要手動(dòng)設(shè)置圖形的屬性函似，需要按照名稱進(jìn)行設(shè)置，將其作為幾何對(duì)象函數(shù)的一個(gè)參數(shù)，即在函數(shù)aes()的外部進(jìn)行設(shè)置
3、點(diǎn)的形狀是一個(gè)數(shù)值瘾英。空心形狀（0-14）的邊界顏色由color決定孝凌；實(shí)心形狀（15-20）的填充顏色由color決定方咆；填充形狀（21-24）的邊界顏色由color決定月腋，填充顏色由fill決定蟀架。
<img src="https://gitee.com/yahangliang/typoraimage/raw/master/20210510193603.png" alt="11" style="zoom:67%;" />
練習(xí)：
一、以下這段代碼有什么錯(cuò)誤榆骚？為什么點(diǎn)不是藍(lán)色的片拍？
ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy, color = "blue")
)
把"blue"換成mpg中的變量drv對(duì)比看下
p1 <- ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy, color = "blue")
)
p2 <- ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy, color = drv))
p1+p2
第一個(gè)代碼的錯(cuò)誤就是我們本節(jié)開頭的第2點(diǎn)所說的內(nèi)容。
二妓肢、mpg 中的哪些變量是分類變量捌省？哪些變量是連續(xù)變量？（提示：輸入?mpg 來閱讀這個(gè)數(shù)據(jù)集的文檔碉钠。）當(dāng)調(diào)用mpg 時(shí)纲缓，如何才能看到這些信息？
分類變量包括：manufacturer喊废、model祝高、trans、drv污筷、fl工闺、class
連續(xù)變量包括：displ、year瓣蛀、cyl陆蟆、cty、hwy
有一個(gè)捷徑：把變量映射給 shape 參數(shù)惋增，如果是連續(xù)變量就會(huì)報(bào)錯(cuò)叠殷，分類變量就不會(huì)。
另外可以使用命令 View(mpg) 來查看mpg數(shù)據(jù)集诈皿。
三林束、將一個(gè)連續(xù)變量映射為 color钩杰、size 和 shape。對(duì)分類變量和連續(xù)變量來說诊县，這些圖形屬性的表現(xiàn)有什么不同讲弄？
我們這里連續(xù)變量用year，分類變量用model依痊；然后分別映射到color避除、size 和 shape。
（1）color
p1 <- ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy, color = year)
)
p2 <- ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy, color = model))
p1+p2
(2) size
p1 <- ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy, size = year)
)
p2 <- ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy, size = model))
p1+p2
## Warning message:
## Using size for a discrete variable is not advised.
這個(gè)警告的意思是我們把model這個(gè)離散型變量賦給size不建議（model明明是無序分類變量胸嘁，不知道這里為啥提示它是離散型變量瓶摆？）
（3）shape
p1 <- ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy, shape = year)
)
# 錯(cuò)誤: A continuous variable can not be mapped to shape
p2 <- ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy, shape = model))
p2
連續(xù)型變量賦值給shape會(huì)報(bào)錯(cuò)，分類變量可以賦值給shape性宏，但系統(tǒng)最多支持6中shape所以圖中可以看到只顯示了6種群井。
四、如果將同一個(gè)變量映射為多個(gè)圖形屬性毫胜，會(huì)發(fā)生什么情況书斜？
ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy, size = hwy, color = hwy))
信息出現(xiàn)了多余，圖中點(diǎn)的大小和顏色深淺都可以反應(yīng)每個(gè)車的hwy屬性酵使。
五荐吉、stroke 這個(gè)圖形屬性的作用是什么？它適用于哪些形狀口渔？（提示：使用?geom_point 命令样屠。)
p1 <- ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy),
shape = 0 # 0 代表空心正方形
)
p2 <- ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy),
shape = 0 ,stroke = 3 # 0 代表空心正方形
)
p1 + p2
我們我可以看出參數(shù)stroke代表的是圖形屬性：邊框的寬度缺脉。
六痪欲、如果將圖形屬性映射為非變量名對(duì)象，比如 aes(color = displ < 5)攻礼，會(huì)發(fā)生什么情況业踢？
ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy, color = displ < 5))
顏色分為兩類一類displ<5，另一類displ>=5秘蛔。
1.4 常見問題
多google/bing/簡(jiǎn)書/微信/語雀搜索找答案陨亡，你遇到的大多數(shù)問題，很多人早就遇到過并且有大神已經(jīng)回復(fù)解答了深员。
1.5 分面
如果數(shù)據(jù)集種的變量是連續(xù)型變量我們可以通過映射的方式添加到圖形屬性即在aes()函數(shù)內(nèi)寫上负蠕。若變量是分類變量，那我們可以采用分面的方式倦畅，即顯示數(shù)據(jù)子集的子圖遮糖。
facet_wrap()第一個(gè)參數(shù)是一個(gè)公式，創(chuàng)建方式為~后面加一個(gè)變量名或vars(變量叠赐，變量欲账，變量屡江，。赛不。惩嘉。)
facet_grid()第一個(gè)參數(shù)是一個(gè)公式，創(chuàng)建方式為由~隔開的兩個(gè)變量名或
練習(xí)：
一踢故、如果使用連續(xù)變量進(jìn)行分面文黎，會(huì)發(fā)生什么情況？
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy))+
facet_wrap(~cty)
按照連續(xù)型變量分別展示數(shù)據(jù)沒什么意義殿较。根本看不出數(shù)據(jù)分布的規(guī)律耸峭、
二、在使用facet_grid(drv ~ cyl) 生成的圖中淋纲，空白單元的意義是什么劳闹？它們和以下代碼生成的圖有什么關(guān)系？
ggplot(data = mpg) +
geom_point(mapping = aes(x = drv, y = cyl))
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy))+
facet_grid(drv ~ cyl)
空白代表此處沒有對(duì)應(yīng)的數(shù)據(jù)洽瞬。兩圖是一一對(duì)應(yīng)的關(guān)系本涕，上圖的每個(gè)點(diǎn)對(duì)應(yīng)下圖的每個(gè)面。
三片任、 以下代碼會(huì)繪制出什么圖偏友？ . 的作用是什么蔬胯？
p1 <- ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(drv ~ .)
p2 <- ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(. ~ cyl)
p1 + p2
.代表不行這里分面对供。如：drv ~ .代表在行維度上以drv分面，列維度不分面氛濒。. ~cyl代表在行維度不分面产场，列維度以cyl分面。
四舞竿、查看本節(jié)的第一個(gè)分面圖：
ggplot(mpg,aes(x = displ, y = hwy))+
geom_point()+
facet_wrap(~class, nrow = 2)
與使用圖形屬性相比京景，使用分面的優(yōu)勢(shì)和劣勢(shì)分別是什么？如果有一個(gè)更大的數(shù)據(jù)集骗奖，你將如何權(quán)衡這兩種方法的優(yōu)劣确徙？
優(yōu)勢(shì)：分類變量用分面屬性可以更好的查看不同分類內(nèi)數(shù)據(jù)之間的關(guān)系（xy之間的關(guān)系）
劣勢(shì)：連續(xù)型變量用分面沒必要，麻煩還沒意義执桌。
五鄙皇、閱讀?facet_wrap 的幫助頁面。nrow 和ncol 的功能分別是什么仰挣？還有哪些選項(xiàng)可以控制分面的布局伴逸？為什么函數(shù)facet_grid() 沒有變量nrow 和ncol ？
nrow代表分面的行數(shù)膘壶，ncol代表分面的列數(shù)错蝴≈薹撸控制布局的選項(xiàng)可以自己看下幫助文檔。
此處引用下語雀：Yq潛顷锰，這位老哥的解釋柬赐，感覺很好。
網(wǎng)格型(facet_grid) 和封裝型(facet_wrap) 官紫。網(wǎng)格分面生成的是一個(gè) 2 維的面板網(wǎng)格躺率， 面板的行與列通過變量來定義，封裝分面則先生成一個(gè) 1 維的面板條塊万矾，然后再封裝到 2 維中悼吱。（ggplot2 一書P(141) ）可以看出 facet_grid() 本來就是一個(gè)二維的，故才會(huì)沒有變量 nrow 和 ncol良狈。
p1 <- ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(drv ~ cyl)
p2 <- ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_wrap(drv ~ cyl)
p1+p2
左側(cè)為facet_grid(drv ~ cyl)后添，右側(cè)為facet_wrap(drv ~ cyl)大家對(duì)比下就明白了。
六薪丁、在使用函數(shù)facet_grid() 時(shí)遇西，一般應(yīng)該將具有更多唯一值的變量放在列上。為什么這么做呢严嗜？
共用一個(gè)縱坐標(biāo)粱檀，方便做互相間數(shù)據(jù)比較。
1.5 幾何對(duì)象
局部映射>全局映射
練習(xí)：
一漫玄、在繪制折線圖茄蚯、箱線圖、直方圖和分區(qū)圖（對(duì)照英文睦优， 我覺得這里應(yīng)該是面積圖）時(shí)渗常，應(yīng)該分別使用哪種幾何對(duì)象？
折線圖：geom_line()
箱式圖：geom_boxplot()
直方圖：geom_histogram()
分區(qū)圖：geom_area()
二汗盘、在腦海中運(yùn)行以下代碼皱碘，并預(yù)測(cè)會(huì)有何種輸出。接著在R 中運(yùn)行代碼隐孽，并檢查你的預(yù)測(cè)是否正確癌椿。
ggplot(
data = mpg,
mapping = aes(x = displ, y = hwy, color = drv)
) +
geom_point() + # 幾何對(duì)象散點(diǎn)圖
geom_smooth(se = FALSE) # 幾何對(duì)象平滑數(shù)據(jù)，擬合曲線菱阵，不加置信區(qū)間
三踢俄、show.legend = FALSE 的作用是什么？刪除它會(huì)發(fā)生什么情況送粱？你覺得我為什么要在本章前面的示例中使用這句代碼?
不加圖注褪贵，刪了就加上圖注了默認(rèn)出現(xiàn)在右側(cè)。圖太多冗余。
四脆丁、geom_smooth() 函數(shù)中的se 參數(shù)的作用是什么世舰？
不添加曲線的置信區(qū)間
五、以下代碼生成的兩張圖有什么區(qū)別嗎槽卫？為什么跟压？
p1 <- ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point() +
geom_smooth()
p2 <- ggplot() +
geom_point(
data = mpg,
mapping = aes(x = displ, y = hwy)
) +
geom_smooth(
data = mpg,
mapping = aes(x = displ, y = hwy)
)
p1 + p2
沒區(qū)別，映射一樣歼培，所以可以一起放到全局映射中震蒋。
六、 自己編寫R 代碼來生成以下各圖躲庄。
p1 <- ggplot(data = mpg, mapping = aes(x = displ, y = hwy))+
geom_point(size = 5)+
geom_smooth(se = FALSE,size = 2)
p2 <- ggplot(data = mpg, mapping = aes(x = displ, y = hwy))+
geom_point(size = 5)+
geom_smooth(mapping = aes(group = drv),se = FALSE,size = 2)
p3 <- ggplot(data = mpg, mapping = aes(x = displ, y = hwy, color = drv))+
geom_point(size = 5)+
geom_smooth(se = FALSE,size = 2)
p4 <- ggplot(data = mpg, mapping = aes(x = displ, y = hwy))+
geom_point(mapping = aes(color = drv),size = 5)+
geom_smooth(se = FALSE,size = 2)
p5 <- ggplot(data = mpg, mapping = aes(x = displ, y = hwy))+
geom_point(mapping = aes(color = drv),size = 5)+
geom_smooth(mapping = aes(linetype = drv),se = FALSE,size = 2)
#stroke參數(shù)的意思是描邊寬度查剖，shape為點(diǎn)的類型，此處color跟在stroke后面所以代表描邊顏色
p6 <- ggplot(data = mpg, mapping = aes(x = displ, y = hwy))+
geom_point(shape = 21, stroke = 3, color = 'white')+
geom_point(mapping = aes(color = drv),size = 3)
(p1+p2)/(p3+p4)/(p5+p6)
1.7 統(tǒng)計(jì)變換
diamonds數(shù)據(jù)集
| 名稱 | 含義 |
|---|---|
| price | price in US dollars($326-$18823)價(jià)格 |
| carat | weight of the diamond (0.2–5.01)重量：克拉 |
| cut | quality of the cut (Fair, Good, Very Good, Premium, Ideal)切割的質(zhì)量 |
| color | diamond colour, from D (best) to J (worst)鉆石的成色D-J：最好-最差 |
| clarity | a measurement of how clear the diamond is (I1 (worst), SI2, SI1, VS2, VS1, VVS2, VVS1, IF (best))鉆石的清晰度 |
| x | length in mm (0–10.74)長(zhǎng) |
| y | width in mm (0–58.9)寬 |
| z | depth in mm (0–31.8)深度 |
| depth | total depth percentage = z / mean(x, y) = 2 * z / (x + y) (43–79)總深度百分比 |
| table | width of top of diamond relative to widest point (43–95)鉆石頂部相對(duì)最寬點(diǎn)的寬度 |
練習(xí)：
一噪窘、stat_summary()函數(shù)的默認(rèn)幾何對(duì)象是什么笋庄？不使用統(tǒng)計(jì)變換函數(shù)的話，如何使用幾何對(duì)象函數(shù)重新生成以上的圖倔监？
# 使用統(tǒng)計(jì)函數(shù)stat_summary來繪圖直砂，它的默認(rèn)幾何對(duì)象是geom_pointrange
ggplot(diamonds)+
stat_summary(aes(x = cut, y = depth),
fun.max = max,
fun.min = min,
fun = median)
# 下面使用geom_pointrange進(jìn)行繪圖
ggplot(diamonds)+
geom_pointrange(aes(x = cut, y = depth),
stat = 'summary', #統(tǒng)計(jì)變換改為summary，默認(rèn)的idendity是不做處理
fun.max = max, #最大值
fun.min = min, #最小值
fun = median) #中位數(shù)
二浩习、geom_col()函數(shù)的功能是什么静暂？它和geom_bar()函數(shù)有何不同？
# 看geom_col()幫助文檔原文是這么寫的：If you want the heights of the bars to represent # values in the data, use geom_col() instead. geom_bar() uses stat_count() by default: # it counts the number of cases at each x position. geom_col() uses stat_identity(): # it leaves the data as is.
# 左圖
p1 = ggplot(diamonds)+
geom_bar(aes(x = cut))
# 右圖
p2 = ggplot(diamonds)+
geom_col(aes(x = cut, y = depth))
library(patchwork)
p1|p2
聯(lián)系：兩個(gè)函數(shù)都是用來做柱狀圖的谱秽。geom_col()的條柱高度可以代表數(shù)據(jù)集中某個(gè)變量的數(shù)值（即默認(rèn)統(tǒng)計(jì)變換是stat_identity()）; geom_bar()的條柱高度只能代表x軸每個(gè)位置的例數(shù)（即默認(rèn)統(tǒng)計(jì)變換是stat_count()）洽蛀。
三、多數(shù)幾何對(duì)象和統(tǒng)計(jì)變換都是成對(duì)出現(xiàn)的弯院，總是配合使用辱士。仔細(xì)閱讀文檔，列出所有成對(duì)的幾何對(duì)象和統(tǒng)計(jì)變換听绳。它們有什么共同之處？
太多了沒列
四异赫、stat_smooth() 函數(shù)會(huì)計(jì)算出什么變量椅挣？哪些參數(shù)可以控制它的行為？
查閱stat_smooth()的幫助文檔（?stat_smooth()）可以看到有一項(xiàng)（Computed variables）
所以該函數(shù)回計(jì)算出的變量為：
- y predicted value(預(yù)測(cè)值)
- ymin lower pointwise confidence interval around the mean(均值附近的下點(diǎn)置信區(qū)間)
- ymax upper pointwise confidence interval around the mean(均值附近的上點(diǎn)置信區(qū)間)
- se standard error(標(biāo)準(zhǔn)誤差)
可以控制它的行為的參數(shù)：
- position 調(diào)整位置
- method smooth的方法或函數(shù)如："lm", "glm", "gam", "loess" or a function（自定義函數(shù)）
- formula 在平滑函數(shù)中用的公式如：y ~ x, y ~ poly(x, 2), y ~ log(x). NULL by default, in which case method = NULL implies formula = y ~ x when there are fewer than 1,000 observations and formula = y ~ s(x, bs = "cs") otherwise.
- se 是否顯示標(biāo)準(zhǔn)差
- ...
五塔拳、在比例條形圖中鼠证，我們需要設(shè)定 group = 1，這是為什么呢靠抑？換句話說量九，以下兩張圖會(huì)有什么問題？
p1 <- ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, y = after_stat(prop)))
p2 <- ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = color, y = after_stat(prop)))
library(pacthwork)
p1|p2
我們發(fā)現(xiàn)不加group=1這樣系統(tǒng)回默認(rèn)x軸每一個(gè)值都是1
p1 <- ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, y = after_stat(prop),group = 1))
p2 <- ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = color, y = after_stat(prop),group = color))
p1|p2
p1加上group=1意思就是x軸所有值是1組，然后計(jì)算不同值（fair荠列、good等）在這個(gè)組里占的比例
p2為什么不加group=1反而是加group=color吶类浪？因?yàn)槲覀兌嗔艘粋€(gè)參數(shù)fill = color，所以我們圖中的條帶數(shù)是cutcolor即5×7=35個(gè)肌似，所以x軸所有值有35個(gè)組费就。所以計(jì)算百分比應(yīng)該是計(jì)算35個(gè)組的百分比，所以就是以顏色來計(jì)算百分比川队，即每組所有顏色的寬度相加代表這個(gè)組的值力细，然后除以所有組的所有顏色寬度相加的值。*
1.8 位置調(diào)整
所有圖層均具有位置調(diào)整共來解決重疊的幾何圖形固额。通過使用geom或stat函數(shù)的position參數(shù)來覆蓋默認(rèn)值眠蚂。
- position = "identity" 將每個(gè)對(duì)象值直接顯示再圖中，這樣數(shù)據(jù)會(huì)有重疊斗躏，不適合展示結(jié)果
- position = "fill" 堆疊條形圖每組條形圖具有相同的高度河狐，這樣可以輕松比較各組間比例。（即堆疊百分比條形圖）
- position = "dodge" 并列條形圖
- position = "stack" 堆疊條形圖（堆疊的是具體數(shù)值）
- position = "jitter" 數(shù)據(jù)隨機(jī)抖動(dòng)（一般用于散點(diǎn)圖瑟捣，可以避免點(diǎn)的重合）
if(!require("ggplot2"))install.packages("ggplot2")
if(!require("patchwork"))install.packages("patchwork")
library("ggplot2")
library("patchwork")
p0 <- ggplot(diamonds,aes(x= cut, fill = clarity))+
geom_bar()+
labs(title = "position_stack")
p1 <- ggplot(diamonds,aes(x= cut, fill = clarity))+
geom_bar(alpha = 0.2, position = "identity")+
labs(title = "position_identity")
# p1和p2修改位置參數(shù)的效果是一樣的馋艺，只是寫法不一樣。
p2 <- ggplot(diamonds,aes(x= cut, color = clarity))+
geom_bar(fill = NA, position = position_identity())+
labs(title = "position_identity")
p3 <- ggplot(diamonds, aes(x = cut, fill = clarity))+
geom_bar(position = "fill")+
labs(title = "position_fill")
p4 <- ggplot(diamonds, aes(x=cut, fill = clarity))+
geom_bar(position = position_dodge())+
labs(title = "position_dodge")
pt <- (p0|p1|p2)/(p3|p4)
ggsave("Rplot.png",pt)
- p0默認(rèn)位置參數(shù)為stack迈套，即直接原始數(shù)據(jù)堆疊
- p1修改位置參數(shù)為identity捐祠，但是這樣直接顯示原始數(shù)據(jù)（都從x軸底部開始），造成了數(shù)據(jù)重疊不利于分析桑李，所以使用了alpha參數(shù)踱蛀，讓圖形透明化。
- p2修改位置參數(shù)為identity贵白，這次采用直接將填充為無（即背景色）率拒，然后使用color參數(shù)給上線條顏色，這樣也可以看出來每組內(nèi)不同clarity的數(shù)量
- p3修改位置參數(shù)為fill禁荒，堆疊百分比條形圖猬膨，有利于對(duì)比不同組內(nèi)clarity的比例。
- p4修改位置參數(shù)為dodge呛伴，將每組條形依次并列放置勃痴，有利于輕松比較每個(gè)條形的數(shù)值。
回憶上一節(jié)繪制的mpg的displ和hwy的散點(diǎn)圖會(huì)發(fā)現(xiàn)圖中的點(diǎn)數(shù)是126個(gè)热康，但是數(shù)據(jù)集中有234個(gè)觀測(cè)值
通過位置調(diào)整方式改為抖動(dòng)即：“jitter”為每個(gè)數(shù)據(jù)點(diǎn)添加一個(gè)很小的隨機(jī)抖動(dòng)沛申，可以讓重疊的點(diǎn)分散開。因?yàn)椴僮骱苡杏每梢宰屛覀兛吹秸嬲臄?shù)據(jù)的聚集模式姐军，所以ggplot2提供了一個(gè)geom_jitter()函數(shù)
ggplot(mpg,aes(displ, hwy))+
geom_point(position = position_jitter())
練習(xí)：
一铁材、下圖有什么問題尖淘？怎么改善？
ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
geom_point()
點(diǎn)位重疊了著觉，調(diào)整位置位jitter
ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
geom_jitter()
二村生、geom_jitter() 使用哪些參數(shù)來控制抖動(dòng)的程度？
width和height
使用?geom_jitter()查看幫助文檔固惯，原文的解釋是：Amount of vertical and horizontal jitter. The jitter is added in both positive and negative directions, so the total spread is twice the value specified here.即正負(fù)方向都加了抖動(dòng)值梆造，默認(rèn)是40%，所以實(shí)際抖動(dòng)是0.8葬毫。觀察下圖
p1 <- ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
geom_jitter()
p2 <- ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
geom_jitter(width = 0.2,
height = 0.2)
p1+p2
三镇辉、對(duì)比geom_jitter() 與geom_count()。
p1 <- ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
geom_jitter()
p2 <- ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
geom_count()
p1+p2
對(duì)比圖形可間贴捡，jitter為添加抖動(dòng)忽肛，count為對(duì)重疊點(diǎn)進(jìn)行重新計(jì)數(shù)并根據(jù)計(jì)數(shù)多少改變點(diǎn)的大小。
四烂斋、geom_boxplot() 函數(shù)的默認(rèn)位置調(diào)整方式是什么屹逛？創(chuàng)建 mpg 數(shù)據(jù)集的可視化表示來演示一下。
?geom_boxplot查看默認(rèn)位置調(diào)整方式是dodge2
ggplot(mpg,aes(x = drv, y = cty))+
geom_boxplot()
1.9 坐標(biāo)系
默認(rèn)坐標(biāo)系是笛卡爾直角坐標(biāo)系汛骂。
1罕模、coord_flip可以交換x和y軸，這在你想把箱線圖水平過來帘瞭，或者x軸組名太長(zhǎng)擠不開的時(shí)候很好用
p1 <- ggplot(mpg,aes(x= class, y = hwy))+
geom_boxplot()
p2 <- ggplot(mpg,aes(x= class, y = hwy))+
geom_boxplot()+
coord_flip()
p1+p2
2淑掌、coord_polar()函數(shù)使用極坐標(biāo)系。
p0 <- ggplot(diamonds,aes(x = cut, fill = cut))+
geom_bar(width = 1)+ #將條帶寬度設(shè)置為1蝶念，默認(rèn)值是圖形分辨率的90%
theme(aspect.ratio = 1)+ #參數(shù)aspect.ratio表示圖形的縱橫比我們?cè)O(shè)置為1
labs(x = NULL, y = NULL) #不顯示x抛腕、y軸的標(biāo)注即（cut和count字符）
p1 <- p0+coord_flip()
p2 <- p0+coord_polar()
p1+p2
練習(xí)：
一、使用coord_polar() 函數(shù)將堆疊式條形圖轉(zhuǎn)換為餅圖媒殉。
p0 <- ggplot(diamonds,aes(x= cut, fill = clarity))+
geom_bar(width = 1)+
labs(x=NULL, y = NULL)+
theme(aspect.ratio = 1)
p1 <- p0+coord_polar()
p2 <- p0+coord_polar(theta = "y")
p0+p1+p2
對(duì)比兩圖差異担敌，參數(shù)theta介紹：variable to map angle to (x or y)，意思是：以哪個(gè)變量值映射到角度廷蓉，默認(rèn)值是x全封，所以中間圖p1是五等分角度（因?yàn)閤軸式cut，5個(gè)cut就5等分）苦酱。右邊圖改為了theta = "y"（即根據(jù)每個(gè)組計(jì)算的count數(shù)來映射到角度）
換一個(gè)餅圖售貌，我們把p0的位置參數(shù)改為fill即條帶按百分比堆疊。這樣畫出來的餅圖沒有空白疫萤，因?yàn)槊總€(gè)組自己是1
p0 <- ggplot(diamonds,aes(x= cut, fill = clarity))+
geom_bar(width = 1, position = "fill")+
labs(x=NULL, y = NULL)+
theme(aspect.ratio = 1)
p1 <- p0+coord_polar()
p2 <- p0+coord_polar(theta = "y")
p0+p1+p2
二、labs() 函數(shù)的功能是什么敢伸？閱讀一下文檔扯饶。
?labs()閱讀幫助文檔，運(yùn)行下示例代碼就可以知道。
內(nèi)置參數(shù)給圖形修改各種名字尾序，如：標(biāo)題钓丰，子標(biāo)題，右下角標(biāo)注每币，給圖形加字母標(biāo)注携丁，修改xy軸名字等。
三兰怠、coord_quickmap() 函數(shù)和 coord_map() 函數(shù)的區(qū)別是什么梦鉴？
畫地圖用的，感覺自己應(yīng)該用不要揭保，所以沒看肥橙，需要了再學(xué)吧。
四秸侣、下圖表明城市和公路燃油效率之間有什么關(guān)系存筏？為什么 coord_fixed() 函數(shù)很重要？geom_abline() 函數(shù)的作用是什么味榛？
p1 <- ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
geom_point() +
geom_abline() +
coord_fixed()
p2 <- ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
geom_point() +
geom_abline()
p1+p2
?coord_fixed()第一參數(shù)ratio：aspect ratio, expressed as y / x椭坚。即y軸與x軸的比例。默認(rèn)是1搏色，自己繪圖的時(shí)候?yàn)榱耸箶?shù)據(jù)展現(xiàn)效果更美觀時(shí)善茎，可以對(duì)xy軸的比例進(jìn)行一定的調(diào)整。其他參數(shù)自己看下幫助文檔继榆，很簡(jiǎn)單巾表。
?geom_abline()查看幫助文檔，運(yùn)行示例代碼略吨。作用：添加一條參考線集币，可以用來比較數(shù)據(jù)差別怎么樣。注意他不是擬合數(shù)據(jù)為一條趨勢(shì)線翠忠。下圖是geom_abline()和geom_smooth()區(qū)別
p1 <- ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
geom_point() +
geom_abline()+
coord_fixed()
p2 <- ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
geom_point() +
geom_smooth(method = "lm", se = FALSE)+
coord_fixed()
p1+p2
1.10 圖形分層語法
ggplot2繪制圖形的基本框架：
ggplot(data = <DATA>) +
<GEOM_FUNCTION>(
mapping = aes(<MAPPINGS>),
stat = <STAT>,
position = <POSITION>
) +
<COORDINATE_FUNCTION> +
<FACET_FUNCTION>
7個(gè)參數(shù)即<>內(nèi)的內(nèi)容：數(shù)據(jù)集鞠苟、幾何對(duì)象、映射集合秽之、統(tǒng)計(jì)變換当娱、位置調(diào)整、坐標(biāo)系和分面模式考榨。大部分情況下不需要全部提供跨细，因?yàn)镽提供了很多默認(rèn)值。
最后河质，大家明白ggplot2的繪圖原理即可冀惭，以后遇到什么圖震叙，查看幫助文檔+Google就行，網(wǎng)上有很多大神寫的代碼~
部分參考：
https://www.yuque.com/erhuoqian/mudww7/ugt8l6#U7UV9
https://ggplot2.tidyverse.org/reference/
這個(gè)是R數(shù)據(jù)科學(xué)英文版的電子書散休，大家感興趣可以看下：https://r4ds.had.co.nz/
