ggplot2-用ggplot2编程

简介

好的数据分析都应该具有灵活性这一优点。如果数据发生变化，或者出现一些很不利于基本假设的信息时，这时候应该能够快速、便捷地更改之前地图形。重复地代码时灵活性地主要障碍。如果代码中很多都是重复、冗余的，那么当发生变化时就需要一处一处地去修改。这些繁杂地修改工作往往是很令人抓狂、沮丧地。通过展示如何用ggplot2编程，这一章将教导如何解决这些问题
为了让代码更具灵活性，需要通过编写函数来减少重复地代码。当发现自己在不断地做同样的事情的时候，就需要归纳相同的功能，把它写成一个函数。如果不是很熟悉R里面函数的运作方式

这一章会展示如何编写能创建以下对象的函数的方法

• 单个ggplot2组件
• 多个ggplot2组件
• 一幅完整的图像

单个组件

每一个ggplot2图像的组件都是一个对象。通常，创建完一个组件之后就会直接把它添加到图像里面，但是着并不是必要要求。相反，可以（通过命名）把任意组件保存成一个变量，然后把它添加到不同的图像当中

bestfit <- geom_smooth(
	method = "lm",
	se = FALSE,
	color = alpha("steelblue", 0.5),
	size = 2)
ggplot(mpg, aes(cty, hwy)) + geom_point() + bestfit
ggplot(mpg, aes(displ, hwy)) + geom_point() + bestfit

这是一种很好的减少简单代码重复的方法（比“复制粘贴”要好多了！），不过这种方法要求每次被添加的组件都完全一样。如果想要更加灵活，也可以把可复用的代码片段封装成一个函数。比如，可以把bestfit对象扩展成一个更普适的函数，新函数用于向图像添加拟合度最好的线条。以下代码创建了geom_lm()函数，这个函数有三个参数：模型formula、线条颜色color和线条粗细size

geom_lm <- function(formula = y ~ x, 
	color = alpha("steelblue", 0.5), size = 2, ...){
	geom_smooth(formula = formula, se = FALSE,
	method = "lm", color = color, size = size, ...)}
ggplot(mpg, aes(displ, 1 / hwy)) + geom_point() + geom_lm()
ggplot(mpg, aes(displ, 1 / hwy)) + geom_point() +
	geom_lm(y ~ poly(x, 2), size = 1, color = "red")

请注意…参数。函数定义里面的…参数意味着这个函数可以接收不定数目的附加参数。在函数内部，可以使用…把那些不确定的附加参数传递到另外的函数里面。这里把…传到geom_smooth()里面，那么用户就依然可以修改没有显式覆盖到的参数。编写自己组件函数的时候，推荐这样使用…
最后，请注意，只可以向图像添加组件，而不可以修改或者移除已有的对象

多个组件

单个组件不一定总是足够的。幸运的是，ggplot2能够使用列表来方便地向图像一次性添加多个组件。以下函数会添加两个图层：一个用于展示平均值，另一个用于展开标准误

geom_mean <- function() {
	list(stat_summary(fun.y = "mean", geom = "bar", fill = "grey70"),
	if(se)
		stat_summary(fun.data = "mean_cl_normal",
			geom = "errorbar", width = 0.4))}
ggplot(mpg, aes(drv, cty)) + geom_mean()
ggplot(mpg, aes(drv, cty)) + geom_mean(se = FALSE)

1. 绘图组件

以上方法不仅仅可以用来添加图层，也可以在列表中添加以下类型的对象

• 一个数据框，它用于覆盖图像原有的数据集（如果只添加数据框，需要用到 %+%，但是当数据框在列表里面的时候，就不需要这个特别的运算符了）
• 一个aes()对象，它会和已有的默认图形属性结合起来
• 标度，它会覆盖已有的标度，如果用户已经设置了标度，添加新标度对象的时候会有警告
• 坐标系和分面设置，它们会覆盖已有的设置
• 主题组件，它会覆盖已有的相关组件

2. 注解

向图像添加标准注解通常是有好处。这里，函数也会在图层函数里面设定数据，而不是从图像中继承过来。这时，还需要设置另外两个选项，它们保证了图层是独立的

• inherit.aes = FALSE 阻止了图层从原图像中继承图形属性。这个设置保证了无论图像中还有什么东西注解都能正常工作
• show.legend = FALSE 保证了注解不会出现在图例区域里
  ggplot2内置的borders()函数运用了这些技术。它用于向maps包里面的数据集添加地图边界

borders <- function(database = "world", regions = ".", fill = NA,
	color = "grey50", ...){
	df <- map_data(database, regions)
	geom_polygon(
		geom_(~lat, ~long, group = ~group),
		data = df, fill = fill, color = color, ...,
		inherit.aes = FALSE, show.legend = FALSE
	)
}

3. 附加参数

使用…向函数内部组件传递附加参数并不是一个好的选择：它不能把不同的参数传递到不同的组件当中。相反，需要思考函数应该如何工作，把握好“拥有可以做所有事情的函数”和“拥有一个难以理解的复杂函数”之间的平衡
为了帮助上手，以下方法使用了modiyList()和do.call()

geom_mean <- function(...,
	bar.params = list(), errorbar.params = list()) {
	params <- list(...)
	bar.params <- modifyList(params, errorbar.params)

	bar <- do.call("stat_summary", modifyList(
	list(fun.y = "mean", geom = "bar", fill = "grey70"),
	bar.params))
	errorbar <- do.call("stat_summary", modifyList(
	list(fun.data = "mean_cl_normal",
		geom = "errorbar", width = 0.4,
		errorbar.params))
		list(bar, errorbar)}

ggplot(mpg, aes(class, cty)) +
	geom_mean(color = "steelblue",
	errorbar.params = list(width = 0.5, size = 1))
ggplot(mpg, aes(class, cty)) +
	geom_mean(bar.params = list(fill = "steelblue"),
	errorbar.params = list(color = "blue"))

如果需要更复杂的行为，创建自定义的几何对象或统计变换或许更加容易。ggplot2包内置的说明Extending ggplot2介绍了对应的技术。可以通过运行vignette(“extending-ggplot2”)来阅读它

绘图函数

创建小型的可复用组件非常符合ggplot2的精神：灵活重组组件来绘制任意图像。但是某些时候只需要重复地创建相同地图像，而不需要那些灵活的性质。这样的话，也许不想编写组件，而是向编写一个接受数据和参数返回一个完整图像的函数

比如说，可以把所有相关代码都放到一个函数里面，这个函数用来绘制一幅饼图

piechart <- function(data, mapping){
	ggplot(data, mapping) +
	 geom_bar(width = 1) +
	 coord_polar(theta = "y") +
	 xlab(NULL) + ylab(NULL)
}
piechart(mpg, aes(factor(1), fill = class))

和组合组件的方法相比，以上方法丧失不少灵活性，但是相应地，它获得了简洁性。需要注意的是，这里返回了绘图对象，而不是直接在函数里面把图像画出来。这样的话，可以向这个对下个添加其它的ggplot2组件

类似的方法可用于绘制平行坐标图（parallel coordnates plot, PCP）。平行坐标图要求对数据进行变换，因此简易编写两个函数：一个用于数据变换，另一个用于创建图像。如果想在不同的可视化任务中采取同样的变换方式，把这两个功能切分成两个函数能大大地简化以后的工作量

pcp_data <- function(df) {
	is_numeric <- vapply(df, is.numeric, logical(1))
	# 每一列的数值调整到相同的范围
	rescale01 <- function(x){
	rng <- range(x, na.rm = TRUE)
	(x - rng[1]) / (rng[2] - rng[1])}
	df[is_numeric] <- lappy(df[is_numeric], rescale01)

	# 行名作为行识别信息
	df$.row <- rownames(df)
	# 把数值变量变成value（即所测量到的）变量
	# gather_ 是gather函数的标准求值（standard-evaluation）版本，
	# 一般来说更加容易使用
	tidyr::gather_(df, "variable", "value", names(df)[is_numeric])}

pcp <- function(df, ...){
	df <- pcp_data(df)
	ggplot(df, aes(variable, value, group = .row)) + geom_line(...)}
pcp(mpg)
pcp(mpg, aes(color - drv))

qplot()完整地探索了这个思想，它对常见的ggplot()选项提供了相对深入的封装。可以通过学习qplot()的源代码，来观察这些基本的技术能够提供怎样深入的用途

1. 间接地引用变量

上述的piechart()函数有一点不好：它要求用户明确地知道如何使用aes()函数来创建饼图。如果只要用户指定所需的变量名，就可以把图像绘制出来的话，这就更加方便了。因而需要学习一些有关aes()如何运作的知识

aes()使用了非标准求值（non-standard evaluation）：它关注参数的表达式，而不是参数的值。这就使得变成更加困难，因为没有办法存储对象里的变量名，接着在之后的代码引用它

x_var <- "displ"
aes(x_var)
#> * x -> x_var

相反，下面使用aes_()：它使用常规的求值方式。用aes_()创建一个映射规则有两种基本方法：

• 使用quote()、substitute()、as.name()或parse()所创建的被引用调用（quoted call）

aes_(quote(displ))
#> * x -> displ
aes_(as.name(x_var))
#> * x -> displ
aes_(parse(text = x_var)[[1]])
#> * x -> displ

f <- function(x_var){
	aes_(substitute(x_var))}
f(displ)
#> * x -> displ

as.name()和parse()有很细微的差异。如果x_var是”a + b“的话，as.name()会把它变成一个名为`a + b`的变量，而parse()会把它变成一个函数调用 a + b。（如果对此感到很异或，参考http://adv-r.had.co.nz/Expressions.html也许会有些帮助）

• 使用~所创建的公式

aes_(~ displ)
#> * x -> displ

对于用户提供变量的方法，aes_()给了三个选项：提供字符串、提供公式、提供纯表示式。以下是三个选项的用法

piechart1 <- function(data, var, ...){
	piechart(data, aes_(~factor(1), fill = as.name(var)))}
piechart1(mpg, "class") + theme(legend.position = "none")

piechart2 <- function(data, var, ...){
	piechart(data, aes_(~factor(1), fill = var))}
piechart2(mpg, ~class) + theme(legend.position = "none")

piechart3 <- function(data, var, ...){
	piechart(data, aes_(~factor(1), fill = substitute(var)))}
piechart3(mpg, class) + theme(legend.position = "none")

如果在一个软件包中编写与ggplot2图像相关的函数，aes_()相对于aes()还有一个有点：使用aes_(~x, ~y)取代aes(x, y)后能避免R CMD check里出现的NOTE全局变量的事项

2. 绘图环境

随着创建越来越复杂的绘图函数，将要理解更多的ggplot2的作用域（scoping）规则。在还没有完全理解非标准求值的复杂之处之前，作者就开始创造ggplot2了，因此ggplot2有一个非常简单的作用域系统。如果在data里面找不到某个变量，就在所对应的那个绘图环境里面寻找它。一个图像只有一个环境（而不是一个图层有一个环境），就是调用ggplot()函数的那个环境（比如说，parent.frame()）
这意味着以下函数不能运行，因为n没有被存储在aes()的环境当中

f <- function(){
	n <- 10
	geom_line(aes(x / n))
}
df <- data.frame(x = 1:3, y = 1:3)
ggplot(df, aes(x, y)) + f()
#> Error in x/n: 二进列运算符中有非数值参数 

注意，这个问题只出现在mapping参数有关的代码当中。所有其它的参数都会立刻被求值，所以它们的值（而不是只想名字的引用）会被存储在绘图对象内部。这意味着以下代码是可以工作的

f <- function(){
	color <- "blue"
	geom_line(color = color)}
ggplot(df, aes(x, y)) + f()

如果需要不同的绘图环境，可以用ggplot()里的environment参数来指定它。在创建接受用户所提供的数据的绘图函数的时候，都需要这样做。qplot()函数可以作为一个例子

函数式编程

因为ggplot2对象知识普通的R对象，所以可以把它们放到列表当中。着意味着可以使用R里面所有的好用的函数式编程工具。比如说，如果想向同一个基础图像添加不同的几何对象，可以把这些几何对象放到列表当中，然后使用lappy()

geoms <- list(
	geom_point(),
	geom_boxplot(aes(group = cut_width(displ, 1))),
	list(geom_point(), geom_smooth())
)

p <- ggplot(mpg, aes(displ, hwy))
lapply(geoms, function(g) p + g)

如果不是很熟悉函数式编程，可以阅读http://adv-r.had.co.nz/Functional-programming.html，然后思考一下如何使用函数式编程技术来优化重复的图像代码