R 数据可视化 —— ggplot 基础介绍

前言

讲完数据处理，就要开始将数据可视化了。

在这一部分，我们主要的还是来介绍 tidyvese 家族的包 —— ggplot2。

讲完之后，可能后续还会增加一些其他方面的包，以及基于 ggplot2 的可视化扩展包。

ggplot2 的理论基础是图形图层语法，一个图层应该包含：

• 数据（必须是数据框）
• 图形属性映射（定义数据变量如何映射到图形属性）
• 几何对象（要绘制什么图，如散点图、直方图等）
• 统计变换（对数据变量进行统计变换后再绘制）
• 位置调整（避免图形重合）

而一个图形又可以包含很多个图层，一张图可以包含：

• 一个数据框及数据到图形属性的映射关系
• 一个或多个图层
• 标度，控制数据到图形属性映射
• 坐标系统
• 分面

创建图形

1. 创建图形对象

首先需要使用 ggplot() 函数来创建图形对象。

该函数有两个重要参数：data 和 mapping，用于定义绘图时使用的数据以及图形属性映射。

这两个参数将会作为整个图形的默认值，可以在每个添加的图层中重新设置对应参数的值，来修改默认数据和图形属性映射关系.

p <- ggplot(diamonds, aes(carat, price, colour=cut))

我们使用 ggplot2 自带的数据 diamonds

创建完图形对象之后，如果不添加图层，是无法显示任何东西的

2. 图层

创建完图形对象之后，我们可以添加图层了，例如，我们添加一个简单的图层，只包含一个几何对象

p + geom_point()

我们使用 + 来添加图层，该图层的数据及图形属性的映射都是创建图形对象时传递的默认值。

3. 数据

ggplot2 要求数据的格式必须是数据框，我们可以使用 %+% 来更改上面传递的默认数据框

p <- ggplot(diamonds, aes(carat, price, colour=cut)) + 
  geom_point()

p %+% transform(diamonds, price = price / 1000)

4. 属性映射

使用 aes() 函数将数据变量映射到图形属性，例如

aes(x=carat, y=price, colour=cut)

上面的代码表示，diamonds 数据框中的 carat 列的数据会被映射到图层的 x 轴，price 列会被映射到 y 轴，cut 列的数据会映射到颜色属性

还可以对变量应用函数。

aes(carat, mean(price), colour=cut)

如果你的列名不是有效的 R 变量名，需要用 `` 符号包裹，如

df <- data.frame(
  "x" = 1:3,
  "a b" = 4:6,
  check.names = FALSE
)
ggplot(df, aes(x, `a b`)) + geom_point()

图形属性映射可以在初始化图形对象时指定，也可以过后使用 + 来修改

p <- ggplot(diamonds, aes(carat, price, colour=cut)) + 
  geom_point()
p + aes(y=depth)

或

ggplot(diamonds, aes(carat, price, colour=cut)) + 
  geom_point(aes(y=depth))

也可以删除一个映射，比如，去掉颜色映射

ggplot(diamonds, aes(carat, price, colour=cut)) +
  geom_point(aes(colour=NULL))

当然，除了将图形属性映射为一个变量，也可以为属性指定一个标量值

ggplot(diamonds, aes(carat, price, colour=cut)) + 
  geom_point(colour='skyblue')

我们将颜色设置为天蓝色

注意：我们没有在 aes() 函数中设置属性值，我们可以看看区别

ggplot(diamonds, aes(carat, price, colour=cut)) + 
  geom_point(aes(colour='skyblue'))

在这里，实际上会先创建一个只含有 "skyblue" 字符串的向量，然后将其映射到 colour 属性。因为这个变量是离散的，所以默认会将颜色标度设置为色轮上等间距的颜色，由因为变量只有一个值，所以返回第一个颜色，桃红色。

5 几何对象

几何对象执行着图形的渲染以及控制图像的类型，例如，点几何对象表示散点图，线几何对象表示折线图。

几何对象都是以 geom 开头，每个几何对象含有不同的参数用于设置图形属性。

6 统计变换

有时，我们想以某种方式对数据进行统计变换，一个统计变换不能改变位置，即 f(x + a) = f(x) + a 且 f(b · x) = b · f(x)

统计变换包括

统计变换可以向原始数据中插入新的变量，例如用于直方图的 stat_bin 统计变换会生成如下三个变量

• count：每组中观察值的数目
• density：每组的观察值密度
• x：组中心位置

这些变量可以直接调用，但是生成的变量名必须用 .. 包裹起来。

这样做可以防止原始数据中的变量与生成变量之间重名，而引起冲突。例如

ggplot(diamonds, aes(x=carat)) +
  geom_histogram(aes(y=..count..), binwidth = 0.1)

7 位置调整

位置调整一般是对图层中元素的位置进行微调，多见于离散型数据中，因为连续型数据很少出现数据完全重叠的问题。

位置调整参数包括：

• dodge：并排放置
• fill：堆叠元素并将高度标准化为 1
• identity：不作调整
• jitter：添加随机扰动，避免重合
• stack：将元素堆叠起来

我们以条形图来说明

1. position = "dodge"

ggplot(diamonds, aes(x=carat, group=cut)) +
  geom_histogram(aes(y=..count.., fill=cut), position = "dodge", binwidth = 0.1)

2. position = "fill"

ggplot(diamonds, aes(x=carat, group=cut)) +
  geom_histogram(aes(y=..count.., fill=cut), position = "fill", binwidth = 0.1)

3. position = "stack"

ggplot(diamonds, aes(x=carat, group=cut)) +
  geom_histogram(aes(y=..count.., fill=cut), position = "stack", binwidth = 0.1)

整合

一旦熟悉了上面的图层操作，就可以很容易的画出复杂的图形。

结合几何对象与统计变换

通过将几何对象与不同的统计变换组合，或同一个变换与不同的几何对象组合，可以绘制出一组新颖的图形。

例如，对于一个直方图统计变换 stat_bin

d <- ggplot(diamonds, aes(carat)) + xlim(0, 3)

我们可以使用面积对象

d + stat_bin(aes(ymax = ..count..), binwidth = 0.1, geom = "area")

或点对象

d + stat_bin(
  aes(size = ..density..), binwidth = 0.1,
  geom = "point", position="identity"
)

或瓦片对象（tile）

d + stat_bin2d(
  aes(y=1, fill = ..density..), binwidth = 0.1,
  geom = "tile", position="identity"
)

ggplot2 中有许多对象是基于其他对象衍生出来的，即修改已有对象的默认图形属性或统计变换，也可以称为别名，如下面几个对象

对于某些数据，可能已经统计汇总过了，不再需要进行默认的统计，可以使用 stat_identity()