ggplot2简明教程

ggplot2是功能强大且灵活的R包，由Hadley Wickham实现，能够用以绘制精美的图形。

ggplot2将一张图形分为了3个基本部分：图形（Plot）= 数据（Data）+ 几何对象（Geometry）+ 图形属性（Aesthetics）。可以将其描述为绘图模板，若想生成一张图，只需将以下代码中的尖括号部分替换为数据集、几何对象函数或图像属性映射即可：

ggplot(data = <DATA>) +
    <GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))

3个基本部分与尖括号中的内容对应一一对应：

• DATA是数据框
• GEOM_FUNCTION为几何对象函数，用以指明需要绘制的图形（如饼图、条形图、折线图等等）
• MAPPINGS指明数据框中变量与图形属性如何映射

话不多说，让我们从实例出发！😂

安装和导入ggplot2包

install.packages("tidyverse")

library(ggplot2)

推荐安装tidyverse，它包含了ggplot2和其他一些十分好用的包。

install.packages("tidyverse")

library(tidyverse)

散点图

首先，我们学习如何绘制散点图。这里我们可以使用ggplot2包中的mpg数据框（导入ggplot2包后即可直接使用），mpg包含了由美国环境保护协会收集的38中车型的观测数据。

mpg数据框包含11个变量（列），其中：

• manufacturer表示制造厂商
• model表示型号
• displ表示发动机排量
• year表示制造年份
• cyl表示气缸数
• trans表示变速器类型
• drv表示驱动系统，如前轮驱动(f)，后轮驱动®和四轮驱动(4)
• cty表示每加仑城市英里数
• hwy表示每加仑高速英里数
• fl表示燃料类型
• class标识车辆类型，如双座、suv等

为了探索displ（发动机排量）与hwy（每加仑英里数）之间的关系，我们可以绘制散点图，x轴表示displ，y轴表示hwy。绘制散点图的几何函数为geom_point。

ggplot(data = mpg) + 
  geom_point(mapping = aes(x = displ, y = hwy))

散点图按照我们的要求（x轴表示displ，y轴表示hwy）成功绘制。但每个点的颜色是黑色的，并且尺寸太小，可以通过geom_point函数的color和size对其进行设置：

ggplot(data = mpg) + 
  geom_point(mapping = aes(x = displ, y = hwy), size=4, color="orange")

对于每个点，如果想在图中标记其cyl（气缸数），可以使用geom_text函数：

ggplot(data = mpg) + 
  geom_point(mapping = aes(x = displ, y = hwy),color="orange") +
  geom_text(mapping = aes(x = displ, y = hwy, label = cyl))

可以看到aes(x = displ, y = hwy)这部分在两个几何对象函数都出现了，显得有些冗余。我们可以将其放入ggplot函数中：

ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) + 
  geom_point(color="orange") +
  geom_text(mapping = aes(label = cyl))

后续的几何对象函数可以图形属性映射“共享”，除非在几何对象函数将其覆盖（类似全局变量与局部变量）。

条形图

接下来，我们来绘制class（车辆类型）的条形图：

ggplot(data = mpg, mapping = aes(x = class)) +
  geom_bar()

神奇的是，我们只是指明x轴表示class，就成功将条形图绘制出来了。原因是geom_bar函数会用统计变换（statistical transformation，stat）算法计算新数据，过程如下：

上面代码等同于：

mpg %>% count(class) %>% 
  ggplot(mapping = aes(x = class, y = n)) +
  geom_bar(stat = "identity") + 
  labs(y = "count")

其中，mpg %>% count(class)的结果为：

我们也可以自行设置条形的宽度、边框颜色、填充颜色等属性：

ggplot(data = mpg, mapping = aes(x = class)) +
  geom_bar(width = 0.5, color = "red", fill = "steelblue")

给每个条形加上标记：

mpg %>% count(class) %>% 
  ggplot(mapping = aes(x = class, y = n)) +
  geom_bar(stat = "identity", width = 0.5, fill = "steelblue") + 
  geom_text(aes(label = n), size = 3.5, color = "white", vjust=1.6)

我们可以用fl（燃料类型）变量用以设置填充颜色：

ggplot(data = mpg, mapping = aes(x = class, fill = fl)) +
  geom_bar(width = 0.5) + 
  coord_flip()

由于x轴上的类别文字可能会重叠在一起，我们使用了coord_flip函数让x轴与y轴进行翻转。如上图所示，默认情况下会创建一个堆叠的条形图。若不想让图形堆叠，我们可以通过geom_bar函数的position参数进行设置：

ggplot(data = mpg, mapping = aes(x = class, fill = fl)) +
  geom_bar(width = 0.5, position = position_dodge()) + 
  coord_flip()

饼图

我们可以将class所占的比例绘制成饼图。计算class在所有数据中的占比有很多种方法，这里介绍一种：

data <- mpg %>% count(class) %>% 
  arrange(desc(class)) %>%
  mutate(prop = n / sum(n),
         ypos = cumsum(prop)- 0.5*prop)
data

接下来，按照下面代码绘制饼图：

pie <- data %>%
  ggplot(aes(x = "", y = prop, fill = class)) +
  geom_bar(width = 1, stat = "identity") +
  coord_polar("y", start = 0)
pie

coord_polar函数将普通的直角坐标系换成了极坐标系。但上图包含了许多没必要的信息，例如：x轴名称，y轴刻度等等。我们可以创建一个主题对图形整体进行设置：

blank_theme <- theme_minimal()+
  theme(
    axis.title.x = element_blank(),
    axis.title.y = element_blank(),
    panel.border = element_blank(),
    panel.grid=element_blank(),
    axis.ticks = element_blank(),
    axis.text.x = element_blank(),
    plot.title=element_text(size=14, face="bold")
  )

pie + blank_theme

图形现在“整洁”了不少，我们可以给每块区域加上标记，用于指明其具体占比数：

library(scales)
pie + blank_theme +
  geom_text(aes(y = ypos, label = percent(prop)), color = "white", size=3)

简明参考手册

最后，附上ggplot2的简明参考手册。

感兴趣的同学推荐下载一下哦！😊

推荐

The R Graph Gallery: https://www.r-graph-gallery.com/

R Graphics Cookbook, 2nd edition: https://r-graphics.org/

ggplot2: Elegant Graphics for Data Analysis: https://ggplot2-book.org/index.html

R for Data Science: https://r4ds.had.co.nz/index.html

Drawing bar plots with percentages instead of counts

参考

http://www.sthda.com/english/wiki/ggplot2-essentials

《ggplot2：数据分析与图形艺术》

《R数据科学》

同载于：https://andyfree96.github.io/2021/05/09/3811884b/