R语言_ggplot2_Lv1_Gramma

R语言_学习笔记

1、ggplot2简介：

• ggplot()与qplot()的区别

  • qplot()用的是“一步到位”的绘图方式。写好code后，RUN一下，最终结果一次性呈现。
  • ggplot()用的是“逐层叠加”的绘图方式。一个图层一个图层的逐步绘制，直到最终结果让人满意为止。

• ggplot2()语法中几个十分重要的概念：

  • “图层” ：
    包括“数据”、“图形属性映射”、统计变换、几何对象、位置调整方式。
  • “图形属性映射”：
    利用aes()函数设定数据集中的变量如何映射到该图层的图形属性，使这些变量成为可以被感知的图形属性。
  • “几何对象”：
    执行图层的实际渲染，控制生成的图像类型。

2、准备工作

> library(labeling)
> library(ggplot2)

3、ggplot()的入门

• 对图层的理解:

设定默认的x和y的映射为mpt和wt。但此时还无法呈现图形，因为还未构成一个完整的图层。

> p2 <- ggplot(mtcars)+aes(mpg,wt)  

有数据，有映射，但无几何对象，即R不知道要如何呈现图像。

> p2 + geom_point(aes(colour=factor(cyl)),size=2.7) 

为添加几何对象(散点图)，此时第一个图层就完成了。

重新添加几何对象时，这次修改映射到y轴的变量。(只修改数据，但y轴的名称未修改)

> p2 + geom_point(aes(colour=factor(cyl),y = disp),size=2.7)    

不仅修改映射，同时修改y轴的名称。此时就完成了整个修改过程，但在这张画布上，仍然只有一个图层。

> px <-p2 + geom_point(aes(colour=factor(cyl),y = disp),size=2.7) + scale_y_continuous("disp")   
#此处可用参数scale_colour_brewer(palette="Set1")来找到自己喜欢的配色方案。若映射到颜色的数据是连续型的变量，则用scale_colour_gradient()。由于懒，所以就不上传新图了～
> px

添加新的图层（线条），在新的图层只是添加了不同的几何对象，其余的三个要素与p2是一样的;
由于在新建px时，修改了默认的y轴映射，所以在新建图层，也要做出一样的修改。否则会添加失败;（其深层次的原因在于，必须要保证该图层上的变量类型与标度要与px上的相匹配。）

> px2 <- px + geom_line(aes(colour=factor(cyl),y=disp))  
> px2 

继续添加新的图层（拟合曲线）

> library(scales)
> px2 + geom_smooth(aes(y=disp),method="lm",colour = alpha("orange",0.8),size=0.7)

• 细面图
  将数据分组，以相同的几何对象渲染每个组。

> library(nlme)
> p3 <- ggplot(Oxboys,aes(age,height,group=Subject,colour=Subject))+geom_line()
> p3

在细面图上添加总体的拟合曲线

> p3 + geom_smooth(aes(group=1),method="lm",size=1.7,color="black")  #group=1表示此时不分组，即对整体数据进行拟合。

添加箱线图图层

> p4 <- ggplot(Oxboys,aes(Occasion,height,fill=Occasion)) + geom_boxplot()
> p4 + geom_line(aes(group=Subject),colour=alpha("black",0.3))

• 实现线段平稳地从一种图形属性变换到另一种图形属性

> df <- data.frame(x = 1:3, y = 1:3, colour = c(1, 3, 5))
> xgrid <- with(df,seq(min(x),max(x),length=500))
> interp <- data.frame(x = xgrid,
                       y = approx(df$x,df$y,xout = xgrid)$y,
                       colour = approx(df$x,df$colour,xout = xgrid)$y
                      )
> qplot(x,y,data=df,colour=colour,size=I(5)) + geom_line(data=interp,size=2)

• 对条形图的调整

调整前的生肉：

> ggplot(diamonds,aes(x=color)) + geom_bar(aes(fill=cut),position="identity")

position="identity"表示不做任何调整。这显然不合适。因为先画的会被后画的挡住。

调整后的效果：
(1)、堆叠法。默认调整方法。

> ggplot(diamonds,aes(x=color)) + geom_bar(aes(fill=cut),position="stack")     

2、并列法

ggplot(diamonds,aes(x=color)) + geom_bar(aes(fill=cut),position="dodge")     

3、填充法

ggplot(diamonds,aes(x=color)) + geom_bar(aes(fill=cut),position="fill")     

4、扩展法，即用频率多边形(面积)来代替传统的直方图

> d <- ggplot(diamonds, aes(carat)) + xlim(0, 3)
> d + stat_bin(aes(ymax = ..count..,fill=color,color=color),binwidth = 0.1, geom = "area")