ggplot2:数据分析与图形艺术 学习笔记02---第二章 从qplot开始入门

2.1 简介

qplot() 将是学习的第一个ggplot()作图函数，qplot的意思是快速作图（quick plot)

qplot() 被设计的与plot() 很像。

可以通过帮助命令 ?qplot来获取 完整参数列表。

2.2 数据集

diamonds 数据集包含了54000颗钻石的价格和质量的信息，数据已经放在ggplot()软件包。

数据涵盖反映钻石质量的四个“C” carat(克拉)，cut(切工)，color(颜色)和 clarity(净度)

以及五个物理指标：depth(深度),table(钻面宽度)，x,y和z

library(ggplot2)
?diamonds
dim(diamonds)
str(diamonds)
head(diamonds)

  carat       cut color clarity depth table price     x     y     z
  <dbl>     <ord> <ord>   <ord> <dbl> <dbl> <int> <dbl> <dbl> <dbl>
1  0.23     Ideal     E     SI2  61.5    55   326  3.95  3.98  2.43
2  0.21   Premium     E     SI1  59.8    61   326  3.89  3.84  2.31
3  0.23      Good     E     VS1  56.9    65   327  4.05  4.07  2.31
4  0.29   Premium     I     VS2  62.4    58   334  4.20  4.23  2.63
5  0.31      Good     J     SI2  63.3    58   335  4.34  4.35  2.75
6  0.24 Very Good     J    VVS2  62.8    57   336  3.94  3.96  2.48

 我们使用一个1000的随机样本dsmall,用这个数据集进行小数据的作图展示

set.seed(1234)
dsmall <- diamonds[sample(nrow(diamonds),1000),]

# set.seed() 用于设定随机数种子，一个特定的种子可以产生一个特定的伪随机序列

# 这个函数的主要目的，是让你的模拟能够可重复出现

2.3 基本用法

qplot(carat,price,data = dsmall)
qplot(log(carat),log(price),data = dsmall)
qplot(carat,x*y*z,data = dsmall)

2.4 颜色、大小、形状和其他图形属性

qplot(carat,price,data = dsmall,colour = color)
qplot(carat,price,data = dsmall,shape = cut)

颜色、大小和形状是 图形属性的具体例子，它们都是影响数据如何进行展示的视觉属性。

每个图形属性都对应了一个称为 标度的函数，其作用是将数据的取值映射到该图形属性的有效取值。

qplot(carat,price,data = dsmall,alpha = I(1/10))
qplot(carat,price,data = dsmall,alpha = I(1/100))

对于大数据而言，使用半透明的颜色可以有效减轻图形元素重叠的现象。

可以使用alpha图形属性，调节透明度，取值为[0,1]

2.5 几何对象

下面这些几何对象适用于考察二维的变量关系

geom = "point" 绘制散点图，这是你指定了x和y参数给qplot() 时默认的设置

geom = "smooth" 拟合一条平滑曲线，并将曲线和标准误差展示在图中

geom = "boxplot" 绘制箱线图，用以概括一系列点的分布情况

geom = "path" geom = "line",可以在数据点之间绘制连线，传统作用是探索时间和其他变量之间的关系

对于一维的分布，几何对象的选择是由变量的类型指定的

对于连续型变量：

geom = "histogram" 直方图

geom = "freqpoly“ 频率多边形

geom = "density" 密度曲线

# 如果只有x参数传递给qplot(),那么直方图就是默认选择

对于离散变量

geom = “bar" 条形图

2.5.1 向图中添加平滑曲线

qplot(carat,price,data = dsmall,geom = c("point","smooth"))

如果不想绘制标准误差，可以使用 se = FALSE

利用 method参数，可以选择许多不同的平滑器

method = "loess" , 当n较小时是默认选项，使用的是局部回归的方法。

曲线的平滑程度是由span参数控制的，取值范围[0,1](很不平滑，很平滑)

qplot(carat,price,data = dsmall,geom = c("point","smooth"),method = "loess",span = 0.2)
qplot(carat,price,data = dsmall,geom = c("point","smooth"),method = "loess",span = 1)

method = "gam",formula = y ~s(x) 来调用mgcv包拟合一个广义可加模型。

对于大数据，请使用公式 y ~s(x,bs = "cs"),这是数据量超过1000时默认使用的选择

library(mgcv)
qplot(carat,price,data = dsmall,geom = c("point","smooth"),method = "gam",formula = y ~s(x))
qplot(carat,price,data = dsmall,geom = c("point","smooth"),method = "gam",formula = y ~s(x,bs = "cs"))

method = "lm" 拟合的是线性模型

默认情况下会拟合一条直线，但可以通过formula = y ~poly(x,2) 来拟合一个二次多元式

或加载splines包，使用自然样条：formula = y ~ns(x,2)

library(splines)
qplot(carat,price,data = dsmall,geom = c("point","smooth"),method = "lm")
qplot(carat,price,data = dsmall,geom = c("point","smooth"),method = "lm",formula = y ~poly(x,3))
qplot(carat,price,data = dsmall,geom = c("point","smooth"),method = "lm",formula = y ~ns(x,10))

method = "rlm" 与lm类似，但采用了一种更稳健的拟合算法，使得结果对异常值不太敏感，需要加载MASS包

2.5.2 箱线图和扰动点图

如果一个数据集中包含一个分类变量和一个或多个连续变量

连续变量会如何随着分类变量水平的变化而变化？

qplot(color,price/carat,data = dsmall,geom = "jitter")
qplot(color,price/carat,data = dsmall,geom = "boxplot")

重叠问题可以使用透明化解决

qplot(color,price/carat,data = dsmall,geom = "jitter",alpha = I(1/5))

2.5.3 直方图和密度曲线图

qplot(carat,data = dsmall,geom = "histogram")
qplot(carat,data = dsmall,geom = "density")

对于密度曲线图，adjust参数控制曲线的平滑程度

对于直方图，binwidth参数通过设定组距来调节平滑度

qplot(carat,data = dsmall,geom = "histogram",binwidth = 0.5,xlim = c(0,3))
qplot(carat,data = dsmall,geom = "histogram",binwidth = 0.1,xlim = c(0,3))
qplot(carat,data = dsmall,geom = "histogram",binwidth = 0.01,xlim = c(0,3))

要在不同组之间对分布进行比较，只需要再加上一个图形映射

qplot(carat,data = dsmall,geom = "density",colour = color)
qplot(carat,data = dsmall,geom = "histogram",fill = color)

2.5.4 条形图

qplot(color,data = dsmall,geom = "bar")

按重量加权

qplot(color,data = dsmall,geom = "bar",weight = carat) + scale_y_continuous("carat")

2.5.5 时间序列中的线条图和路径图

使用了 economics数据集，包含了美国过去40年的经济数据

qplot(date,unemploy/pop,data = economics,geom = "line")
qplot(date,uempmed,data = economics,geom = "line")

2.6 分面

利用图形属性(颜色和形状)来比较不同分组，将所有的组绘制在同一张图中

分面是另外一种实现方式，将数据分割成若干子集，然后创建一个图形矩阵

如果只想指定一行或一列，可以使用.作为占位符，例如 row_var~. 创建一个单列多行的图形矩阵

..density.. 告诉ggplot2将密度而不是频数映射到y轴

qplot(carat,data = dsmall,facets = color ~.,geom = "histogram",binwidth = 0.1,xlim = c(0,3))
qplot(carat,..density..,data = dsmall,facets = color ~.,geom = "histogram",binwidth = 0.1,xlim = c(0,3))

2.7 其他选项

xlim,ylim 设置x轴和y轴的显示区间

log 说明哪个坐标轴应该取 对数

main 图形的主标题

xlab,ylab 设置x轴和y轴的标签文字

qplot(carat,price,data = dsmall,xlab = "Price($)",ylab = "Weight(carats)",main = "Price-Weight")
qplot(carat,price/carat,data = dsmall,ylab = expression(frac(price,carat)),xlab = "Weight",main = "Small Diamonds",xlim = c(.2,1))
qplot(carat,price,data = dsmall,log = "xy")

2.8 与plot函数的区别

qplot不是泛型函数，将不同类型的R对象传入qplot时，它并不会匹配默认的函数调用

一般而言，可以将一个变量传递给你感兴趣的图形属性，这样该变量将进行标度转换并显示在图例上

ggplot2中的图形属性名称（如colour,shape,size）比基础绘图系统中的名称（如col,pch,cex）更直观，容易记忆

ggplot2,向已有的图形添加元素，需要在当前图形中加入额外的图层。