R 数据可视化 —— ggplot 散点图

前言

散点图在显示两个变量之间的关系时非常有用。

ggplot2 提供了 geom_point 函数，以及它的变体：geom_jitter()、geom_count() 和 geom_bin2d() 来绘制点图。

下面我们来看看如何绘制点图

示例

1. geom_point

常用参数：

• alpha：透明度
• colour：点颜色
• fill：填充色
• group：分组变量
• shape：形状
• size：大小
• stroke：边框大小

来一个超级简单的例子

p <- ggplot(mtcars, aes(wt, mpg))
p + geom_point()

世界不只黑白，给它点颜色瞧瞧

p + geom_point(aes(colour = factor(cyl)))

都太圆滑了，来点棱角

p + geom_point(aes(colour = factor(cyl), shape = factor(cyl)))

太小了，费眼睛，不行，要大点

p + geom_point(aes(colour = factor(cyl), shape = factor(cyl),
                   size = qsec))

哦，这个叫泡泡图。但是这个泡泡图看起来不太好看，我们来更改一下参数

p <- ggplot(mtcars, aes(wt, mpg))

p1 <- p + geom_point(aes(fill = disp, size = disp))

p2 <- p + geom_point(aes(fill = disp, size = disp), shape = 21)

p3 <- p1 + scale_fill_gradient2(low = "#d8b365", high = "#5ab4ac", 
                                limits = c(0, max(mtcars$disp)),
                                midpoint = mean(mtcars$disp))

p4 <- p2 + scale_size_area(max_size = 10) +
  geom_text(aes(label=disp), size = 2)

plot_grid(p1, p2, p3, p4, labels = LETTERS[1:4], nrow = 2)

注意：图 A 为什么是黑色的呢？因为只有 21-25 之间的形状才有 colour 和 fill 属性。所以当我们设置 shape = 21 之后，点的填充色变成了蓝色渐变色。

当然，也可以固定颜色或大小

p + geom_point(colour = "#5ab4ac", size = 3, alpha = 0.6)

再增加点透明度

增加外框线的宽度，并设置不同的填充色和边框颜色

ggplot(mtcars, aes(wt, mpg)) +
  geom_point(shape = 21, colour = "#d8b365", fill = "white", size = 5, stroke = 2)

使用多个大小不同的 geom_point 对象，也可以达到上面的效果

p <- ggplot(mtcars, aes(mpg, wt, shape = factor(cyl)))
p + geom_point(aes(colour = factor(cyl)), size = 4) +
  geom_point(colour = "grey90", size = 1.5)

先绘制更大的点，然后绘制小的点

再来一个例子

p + geom_point(colour = "black", size = 4.5) +
  geom_point(colour = "pink", size = 4) +
  geom_point(aes(shape = factor(cyl)))

由于形状是在最后设置的，所以所有的点的形状都改变了。

再来看看下面一个有趣的例子

p + geom_point(aes(colour = factor(cyl)), size = 4, shape=1) +
  geom_point(aes(shape = factor(cyl)), colour = "#5ab4ac", size = 1.5)

我们第一次绘制了圆形的点，然后又绘制了三种不同形状的点，组合出来了不同的形状和颜色

2. geom_jitter

geom_jitter 是 geom_point(position = "jitter") 的快捷函数，它为每个点的位置增加了少量的随机变化，能够处理点相互重叠的问题

例如，对于分类变量的散点图

p <- ggplot(mpg, aes(cyl, hwy))
p + geom_point()

看起来似乎只有这么些相互分隔开的点，让我们看看下面这张图

p + geom_jitter()

好像一下子就冒出了很多点了，其实是由于点的坐标值一样而相互覆盖，通过使用 geom_jitter 为每个点添加少量的随机变化，尽量避免点之间的重叠问题

设置较小的 width 或 height 值来侧重于每个类别

p1 <- ggplot(mpg, aes(cyl, hwy)) + geom_jitter()

p2 <- ggplot(mpg, aes(cyl, hwy)) + geom_jitter(width = 0.25)

plot_grid(p1, p2, labels = LETTERS[1:2], ncol = 2)

设置较大的 width 或 height 完全消除离散性

p3 <- ggplot(mpg, aes(cty, hwy)) + geom_jitter()

p4 <- ggplot(mpg, aes(cty, hwy)) + geom_jitter(width = 0.5, height = 0.5)

plot_grid(p3, p4, labels = LETTERS[1:2], ncol = 2)

3. geom_count

也是 geom_point() 的一个变体，用来计算每个位置的观测值数目，然后将该值映射到点区域。

当你的坐标值都是离散的数据且有很多重叠的点时，它很有用

例如，对于如下点

ggplot(mpg, aes(cty, hwy)) +
  geom_point()

使用 geom_count 绘制时，将每个位置的点的数目映射到点的大小

ggplot(mpg, aes(cty, hwy)) +
  geom_count()

最好配合 scale_size_area 一起使用，以确保观测值数目为 0 的点映射的大小为 0。最小的观测数目的点的大小已经很接近 0 了

ggplot(mpg, aes(cty, hwy)) +
  geom_count() +
  scale_size_area()

那如果我们想要设置点的大小为观测值数目所占比例，该怎么办？

我们知道，geom_count 会对数据进行统计变换，即计算观测值的数目，并且会生成一个新的名为 prop 的变量，记录的是某一位置的观测值的比例

那我们可以这样

d <- ggplot(diamonds, aes(x = cut, y = clarity))
d + geom_count(aes(size = after_stat(prop)))

什么？为什么点的大小都是一样的呢？

geom_count 设置大小要起作用，必须设置 group 参数的值

d + geom_count(aes(group = 1, size = after_stat(prop)))

这样就可以了。

在上面的示例中，我们使用了 after_stat 函数来引用统计变换后的变量，替换之前使用的 .. 包裹变量的方式

或者我们按行/列进行分组，使得每行或每列的值之和为 1

d1 <- d + geom_count(aes(size = after_stat(prop), group = cut)) +
  scale_size_area(max_size = 10)

d2 <- d + geom_count(aes(size = after_stat(prop), group = clarity)) +
  scale_size_area(max_size = 10)

plot_grid(d1, d2, labels = LETTERS[1:2], ncol = 2)

样式

1. 克利夫兰点图

也就是滑珠散点图，一般 Y 轴为分类变量

group_by(mpg, manufacturer) %>%
  summarise(displ = max(displ)) %>%
  ggplot(aes(displ, manufacturer)) +
  geom_point(shape = 21, colour = "black", fill="#dd3497", size = 3)

2. 棒棒糖图

在克利夫兰点图的基础上添加了一条连接 Y 轴的线段，类似于水平的条形图，只是将矩形转变为了线条，能够有效较少空间，将重点放在数据点上。

group_by(mpg, manufacturer) %>%
  summarise(displ = max(displ)) %>%
  ggplot(aes(displ, manufacturer)) +
  geom_segment(aes(x = 0, xend = displ, 
                   y = manufacturer, yend = manufacturer)) +
  geom_point(shape = 21, colour = "black", fill="#dd3497", size = 3)

3. 哑铃图

可以看成多组克利夫兰点图，只是使用线段连接两个分组数据点。可用于展示：

1. 同一时段内两个数据点的相对位置（谁多了谁少了）
2. 比较两个类别变量之间的差别

group_by(mpg, manufacturer, year) %>%
  summarise(displ = max(displ)) %>%
  ggplot(aes(displ, manufacturer)) +
  geom_line(aes(group = manufacturer)) +
  geom_point(aes(fill = factor(year)), shape = 21, colour = "black", size = 3)

我们使用 geom_line 来连接两个分类点，从图中可以很方便的看出 1999 和 2008 之间的差别

4. 残差分析图

ggplot(dsamp, aes(carat, price)) +
  geom_segment(aes(xend = carat, yend = predicted), alpha = 0.2) +
  geom_point(aes(fill = abs_rd, size = abs_rd), shape = 21, colour = "black") +
  geom_smooth(method = "lm", se = FALSE, colour = "lightgrey") +
  geom_point(aes(y = predicted), shape = 1) +
  scale_fill_continuous(low = "#fb9a99", high = "#b2df8a")