R语言数据可视化 ggplot2基础1 ggplot2 图形的分层语法 Layered Grammar 简介

ggplot2是tidyverse包的一部分，tidyverse是Hadley Wickham及其团队了为了能够系统性处理数据、图表开发的一个包。对我们统计人来说，尽管R语言提供了很多数据可视化的方法，但ggplot2依然是R语言做可视化的最优雅、最强大的包。gg的含义是grammar of graphics，这就暗示了ggplot2就是描述与建立图形的语言。这一讲我们介绍分层语法的主要内容，这些内容将帮助大家理解ggplot2的函数与命令。一些细节可以参考Hadley Wickham的文章A Layered Grammar of Graphics，这篇文章介绍了Hadley Wickham对图形对象的理解，Layered Grammar的组成与应用等内容。

Hadley Wickham认为一个plot需要有下面的一些组成部分：

1. 图层(layer)：数据集、一系列把数据集变成图形的映射(aesthetic mapping)、一个或一系列图形组成的几何对象（作为一个图层）、以及可能需要的统计变换(中心化、标准化等)、位置调整
2. 面板（facet）：一个facet由多个subplot构成，可以操作每个subplot的角度与位置
3. 刻度（scale）
4. 坐标系统(coordinates system)

下面我们逐个介绍这些内容。

---

分层语法的组成(data-stat-geom-scale-coord-facet)

数据(data)当然是画图的基础，但在分层语法中，数据与建立图形的命令是独立的，我们把代码看成是一个映射(mapping)，数据就是映射的输入，图形是映射的输出，所以建立一种图形的命令应该适用于不同的数据集，按Hadley Wickham的原话来讲，就是Data are what turns an abstract graphic into a concrete graphic.

通常对输入的数据集，我们可以做一些统计变换(statistical transformation, 简称stat)来让图形“好看”一点，下面是ggplot2中常用的stat：

stat是一个映射，它把原始数据作为输入，然后用输出的数据作为创建图形的数据。实际上stat这一步就是我们所熟知的对原始数据做的统计处理。需要注意的是stat受刻度（scale）与坐标系统(coordinate system，简称