ggplot2:数据分析与图形艺术 学习笔记03---第三章 语法突破

3.1 简介

ggplot2的理论基础：图形 图层语法

对于普通用户而言，使得图形的重复更新变得更简单

对于开发人员而言，图层语法使得向ggplot2里添加新功能变得更方便

3.2 耗油量数据

该数据集记录了美国1999年和2008年部分汽车的制造厂商、型号、类别、引擎大小、传动系和耗流量等信息

cty和hwy分别记录城市和高速公路驾驶时的耗油量(英里每加仑)

library(ggplot2)
head(mpg,10)
?mpg

   manufacturer      model displ  year   cyl      trans   drv   cty   hwy    fl   class
          <chr>      <chr> <dbl> <int> <int>      <chr> <chr> <int> <int> <chr>   <chr>
 1         audi         a4   1.8  1999     4   auto(l5)     f    18    29     p compact
 2         audi         a4   1.8  1999     4 manual(m5)     f    21    29     p compact
 3         audi         a4   2.0  2008     4 manual(m6)     f    20    31     p compact
 4         audi         a4   2.0  2008     4   auto(av)     f    21    30     p compact
 5         audi         a4   2.8  1999     6   auto(l5)     f    16    26     p compact
 6         audi         a4   2.8  1999     6 manual(m5)     f    18    26     p compact
 7         audi         a4   3.1  2008     6   auto(av)     f    18    27     p compact
 8         audi a4 quattro   1.8  1999     4 manual(m5)     4    18    26     p compact
 9         audi a4 quattro   1.8  1999     4   auto(l5)     4    16    25     p compact
10         audi a4 quattro   2.0  2008     4 manual(m6)     4    20    28     p compact

引擎大小和耗油量有什么关系？

3.3 绘制散点图

qplot(displ,hwy,data = mpg,colour = factor(cyl))

通过该图，发现影响耗油量的一个很重要的因素：发动机的排量大小

图形属性与数据的映射

散点图，每个观测数据都用一个点(.)来表示

每个点不仅有横坐标和纵坐标，还有大小、颜色和形状，这些属性称之为 图形属性(aesthetics)

每个图形属性都可以映射为一个变量或者设定成一个常数

上图中，变量displ控制点的水平位置，变量hwy控制点的竖直位置，变量cyl控制点的颜色

点的大小和形状没有指定映射的变量，使用的是默认值

除了用点表示数据，我们也可以使用线或条（虽然没有什么意义，但语法是正确的）

qplot(displ,hwy,data = mpg,geom = "line")
qplot(displ,data = mpg,geom = "bar")

点，线和条都是几何对象的具体形式，被称作geom，几何对象决定了图形的"类型"。

标度变换

数据集中的数值对于电脑没有任何意义，我们需要把他们从数据单位(如气缸数，英里每加仑)转换成电脑可以识别的物理单位(如像素和颜色)

这个转换过程称之为 标度变换(scaling)

水平位置x，竖直位置y，只需将数据的范围线性映射到[0,1]的区间上即可

颜色用6个字母组成的十六进制字符来表示，大小和形状分别用数字和整数表示

最后，对这些数据进行渲染，生成能在屏幕上展示的图形对象

3.4 更复杂的图形示例

qplot(displ,hwy,data = mpg,facets = .~year) + geom_smooth()

平滑曲线层与散点层的不同点在于它没有展示原数据

而是展示了统计变换后的数据。

因为添加了统计变换，所以在进行标度变换时需要添加额外的步骤

因为现在我们有多个数据集，所以需要确保所有的变换在各个数据集里都是相同的

标度变换实际上出现在三个地方：

标度转换(transforming)，标度训练(training)和标度映射(mapping)

之前的双对数(log-log)图中看到了标度转换，数据值不是线性映射到图形上的位置，而是进行了对数变换

3.5 图层语法的组件

总的来说，图层语法所定义的图由以下几部分组成

一个默认的数据集和一组从变量到图形属性的映射

一个或多个图层，每个都由一种几何对象、一种统计变换和一种位置调整组成

标度，每个图形属性映射都对应一个标度

一个坐标系统

分面设定

3.5.1 图层

图层的作用是生成在图像上可以被人感知的对象，一个图层由4部分组成：

# 数据和图形属性映射

# 一种统计变换

# 一种几何对象

# 一种位置调整方式

3.5.2 标度

标度控制数据到图形属性的映射，并且图形上所有的每一个图形属性都对应一个标度。

每个标度都作用与图形中的所有数据，以确保从数据到图形属性映射的一致性。

3.5.3 坐标系

坐标系，coord，可将对象的位置映射到图形平面上，位置通常由两个坐标(x,y)决定

3.5.4 分面

分面是条件绘图和网格绘图的一般形式，通过它你可以方便的展示数据的不同子集。