ggplot2设置坐标轴范围_ggplot2:定位

教材： ggplot2 数据分析与图形艺术

1. 分面

即在一个页面上自动摆放多幅图形的技法：先将数据划分为多个子集，然后将每个子集依次绘制到页面.

ggplot2提供两种分面类型：网格型（facetgrid) 和 封装型 （facet_wrap)

网格分面生成的是一个2维的面板网络，面板的行与列通过变量定义。

封装型本质是一维为了节省空间封装成2维

分面系统又两个基本参数：一个是分面变量的设置，一个是指定分面的位置标度是全局还是局部。

在qplot()中可以选择分面系统。2维分面（x~y）使用 facet_grid, 1 维使用facet_wrap

分面绘图会占用大量的空间，因此本节使用mpg数据集的子集来进行展示。它有几个简单的水平：三种气缸（4，6，8）和两种驱动轮（4，f)。 子集剔除了原数据中的29辆车。

mpg2 <- subset(mpg, cyl != 5 & drv %in% c("4","f"))

2.1 网格分面

网格分面在2维网络中展示图形。输入分面表达式时，你需要设定哪些变量作为分面绘图的行，哪些作为列：

（1）不进行分面，即不使用函数facet_grid或机上命令facet_null() 此时，没有行或列被分面化，我们将得到一个单独的面板。

qplot(cty,hwy,data=mpg2)

（2）一行多列：“.~a"。 电脑屏幕通常较宽，因此这个方向最适合数据的展示。另外因为纵坐标相同，这个方向也有助于y位置的比较

qplot(cty,hwy,data=mpg2) + facet_grid(.~cyl)

（3）一列多行：”b~“。横坐标轴相同，利于x比较，尤其是对数据分布的比较

（4） 多行多列：”a~b"。我们通常将因子水平数目最大的变量按列放

qplot(cty,hwy,data=mpg2)+facet_grid(drv~cyl)

（5）多个变量的多个水平在行或者列上：~a+b 或 a+b ~. 。 一般说来这种方法不怎么实用，除非变量因子水平个数比较少，或电脑屏幕很宽，或需要生成一个瘦长的海报。

边际图

切割图形就好比创建一个列联表。展示每个单元格的值以及边际和。

设定margins = TRUE 可以展示所有的边际图，或者如margins=c("sex","age"),列出你想要展示的边际图的变量名称。另外你也可以使用grand_row 或 grand_col来分别生成所有行或列的边际图。

下面对每个驱动轮类型添加彩色的平滑线

2.2 封装分面

facet_wrap不是用两个或更多的变量来生成一个2维网格，而是先生成一个长面板，再封装

e.g facet_wrap(~decade, ncol = 6)

2.3 标度控制

scales = "fixed" /"free"

scales = "free_x" / "free_y"

library(reshape2)
em <- melt(economics,id = "date")
qplot(date,value,data = em, geom = "line", group = variable)+
  facet_grid(variable ~ ., scale = "free_y")

使用网格分面时facet_grid 有一个额外的限制：同列必须有相同x，同行同y。

facet_grid 还有一个额外的参数space，值可为”free" 或 “fixed”。当space设定为free时，每行/列与其标度范围成比例

mpg3 <- within(mpg2,{model <- reorder(model,cty)
manufacturer <- reorder(manufacturer, -cty)})
models <- qplot(cty,model,data=mpg3)
models
models + facet_grid(manufacturer ~ ., scales="free", space="free")+
  theme(strip.text.y = element_text())

2.4 分面变量缺失

例如，你想对疾病的空间分布按性别进行分面绘图，但是一个新添加的地图图层不包含性别变量，这时该如何处理呢？ ggplot2会按照你所期望的那样，给每个面板都添加地图，此时缺失的分面变量按包含该分面变量的所有值来处理。

2.5 分组与分面

xmaj <- c(0.3,0.5,1,3,5)
xmin <- as.vector(outer(1:10,10^c(-1,0)))
ymaj <- c(500,1000,5000,10000)
ymin <- as.vector(outer(1:10,10^c(2,3,4)))
dplot <- ggplot(subset(diamonds,color%in%c("D","E","G","J")),
                aes(carat,price,colour=color))+
  scale_x_log10(breaks=xmaj,labels=xmaj,minor=xmin)+ ##minor控制刻度
  scale_y_log10(breaks=ymaj,labels=ymaj,minor=ymin)+
  scale_colour_hue(limits=levels(diamonds$color))+
  theme(legend.position = "none")
dplot + geom_point()
dplot + geom_point() + facet_grid(.~color)
dplot + geom_smooth(method = lm, se =F, fullrange =T)
dplot + geom_smooth(method = lm, se =F, fullrange =T)+facet_grid(.~color)

2.6 并列与分面

原书qplot，position=dodge似乎已经被弃用，这里直接用ggplot

ggplot(aes(x=color,fill=cut),data=diamonds)+
  geom_bar(position="dodge2")


ggplot(aes(x=cut,fill=cut),data=diamonds)+
  geom_bar(position="dodge")+facet_grid(.~color)+
  theme(axis.text.x=element_text(angle=90,hjust=1,size=8,colour = "grey50"))

mpg4 <- subset(mpg,manufacturer%in%c("audi","volkswagen","jeep"))
mpg4$manufacturer <- as.character(mpg4$manufacturer)
mpg4$model <- as.character(mpg4$model)

base <- ggplot(mpg4,aes(fill=model))+
  geom_bar(position="dodge")+
  theme(legend.position = "none")
base + aes(x = model)+ facet_grid(.~manufacturer)

last_plot()+facet_grid(.~manufacturer,scales="free_x",space = "free")
base+aes(x = manufacturer)

2.7 连续型变量

对连续型变量进行分面，首先需要将其变换为离散型，有三种方法：

（1） 将数据分为n个长度相同的部分：用cutinterval(x, n=10) 控制划分数目，

（2）或用 cut_interval(x, length=1) 控制每个部分的长度。

（3） 将数据划分为n个有相同数目点的部分：cut_number(x, n=10)

mpg2$displ_ww <- cut_interval(mpg2$displ,length=1)
mpg2$displ_wn <- cut_interval(mpg2$displ,n=6)
mpg2$displ_nn <- cut_number(mpg2$displ,n=6)

plot <- qplot(cty,hwy,data=mpg2)+labs(x=NULL,y=NULL)
plot + facet_wrap(~displ_ww,nrow=1)
plot + facet_wrap(~displ_wn,nrow=1)
plot + facet_wrap(~displ_nn,nrow=1)

3. 坐标系

coord_cartesian()

equal 同尺度笛卡尔坐标系

flip 翻转的笛卡尔坐标系

trans 变换的笛卡尔坐标系

map 地图射影

polar 极坐标系

笛卡尔坐标系

coord_cartesian()有两个参数xlim，ylim，和limit不同，当设定笛卡尔坐标系的范围时，我们使用的仍是所有的数据，只不过只展示一小片图形区域。好比用放大镜管卡图形一样

p <- qplot(disp,wt,data=mtcars)+geom_smooth()
p + scale_x_continuous(limits = c(325,500))
p+coord_cartesian(xlim=c(325,500))

d <- ggplot(diamonds,aes(carat,price))+
  stat_bin2d(bins=25,colour="grey70")+
  theme(legend.position = "none")
d + scale_x_continuous(limits=c(0,2))
d+coord_cartesian(xlim=c(0,2))