ggplot2-入门3

1. 直方图和频数多边图

直方图和频数多边图可以展示单个变量的分布，相对于箱线图，它们提供更多数据分布的信息，但同时占用更多内存

ggplot(mpg, aes(hwy)) + geom_histogram()
ggplot(mpg, aes(hwy)) + geom_freqpoly()

直方图和频数多边图工作原理相同：先将数据汇总，再计算在每一个水平下观测的数量。唯一的区别在于展示方式：直方图使用条形，而频数多边图使用线形

参数binwidth用以调整组距（如果不需要均匀组距可以修改breaks参数）。试验调整组距非常重要，数据默认会被分为30组，但是这个默认值一般时不合适的，所以需要自己多次调试

ggplot(mpg, aes(hwy)) +
	geom_freqpoly(binwidth = 2.5)
ggplot(mpg, aes(hwy)) +
	geom_freqpoly(binwidth = 1)

geom_density()绘制的密度曲线图与频数多边图相似。但是一般不推荐使用密度曲线图，因为密度曲线图比较难理解，而且密度曲线有一些隐含的假设，例如曲线应该是无界、连续且平滑的，但是这些假设不一定适用于真实数据

为了展示数据中不同自己的分布，可以将分类变量映射为填充色（用于geom_histogram()）或颜色（用于geom_freqpoly()），这样更便于感受各子集分布的区别

ggplot(mpg, aes(displ, color = drv)) +
	geom_freqpoly(binwidth = 0.5)
ggplot(mpg, aes(displ, fill = drv)) +
	geom_histogram(binwidth = 0.5) +
	facet_wrap(~drv, ncol = 1)

2. 条形图

离散变量情形下，条形图和直方图相似，通过geom_bar()绘制

ggplot(mpg, aes(manufacturer)) + geom_bar()

条形图有时候可能比较难理解，因为一般把两种截然不同的图像统称为条形图
上图所使用的数据还没经过处理，因此每个观测值都会对应着其分组条形的一个单位高度
而另一种条形图已经过预处理，如下图，已知三种药品和它们的平均疗效

drugs <- data.frame(
	drugs = c("a", "b", "c"), effect = c(4.2, 9.7, 6.1))

处理这类数据，需要修改geom_bar()中的默认设置，不必进行分类计数

不过，可能用geom_point()会更好，因为它占用更少内存，而且不要求y轴包括0

ggplot(drugs, aes(drugs, effect)) + geom_bar(stat = "identity")
ggplot(drugs, aes(drugs, effect)) + geom_point()