ggplot2图形解析

Posted 2020-10-05 蒋淼淼

ggplot2是用于绘图的R语言扩展包。图形组件通过“+”符号, 以图层(layer)的方式来完成图形语法叠加，构成最终的绘图, 每个图层中的图形组件可以分别设定数据、映射或其他相关参数, 因此组件之间具有相对独立性的，可以单独对图层进行修改。

一、ggplot2基本语法

元素	描述
Data（数据）	用于绘图的数据，只能是数据框（data.frame）格式。
Aesthetics（图形属性）	表示映射数据的标度。aes参数控制了对哪些变量进行图形映射，以及映射方式。 标度是一种函数，它控制了数学空间到图形元素空间的映射。
Geometries（几何图形）	表示数据的视觉元素
Facet（分面）	用来描述数据如何被拆分为子集，并分别进行绘图。
Statics（统计）	帮助理解数据的表现方式。
Coordinate（坐标）	图形绘制的空间描述
Theme（主题）	控制着图形中的非数据元素外观,主要对标题、坐标轴标签、图例标签等文字调整, 以及网格线、背景、轴须的颜色搭配

 

 

 

 

 

 

 

 

、

  

 

图层结构：

二、ggplot2各图层说明

1、data（数据）

#  创建一个包含data和aes图层的ggplot对象
dia_plot <- ggplot(dataset , aes(x =,  y =  )) 

2、Aesthetics（图形属性）

aes()函数是ggplot2中的映射函数，是数据关联到相应的图形属性的一种对应关系，将一个变量中离散或连续的数据与一个图形属性相互关联。

分组(group)也是ggplot2的映射关系的一种，ggplot2默认所有观测点分为一组。将观测点按另外的离散变量进行分组处理, 可修改默认的分组设置。

aes() 中的图形属性如下：

:x：对应x轴的坐标位置

 y：对应y轴的坐标位置

 color：边框颜色

 fill：填充色

size：点直径或线条厚度

alpha：透明度

labels：图形或者坐标的文字标签

 shape：形状

 示例：

# 创建数据集为mtcars，mpg映射 x ，0 映射y的散点图。

p <- ggplot(mtcars, aes(x = mpg, y = wt, color = factor(gear)))
ggplot(mtcars, aes(x = mpg, y = 0)) +
geom_jitter()

3、Geometries（几何图形）

Geo图层控制着生成的图形类型。例如用geom_point()生成散点图，geom_line（）生成折线图。 aes层设置的映射关系是默认的, 在Geo图层中沿用已设定的默认映射关系, 也可以在Geo图层进行更改。可用的几何图形如下：

常用的图形类型有：

scatter plots（散点图）：point、jitter、abline

Bar plots（柱形图）： histogram、bar、errorbar

line plots （线条图）： line、smooth

示例：

#散点图， jitter使每个点在x轴的方向上产生随机的偏移, 从而减少图形重叠的问题

ggplot(mtcars, aes(x = cyl, y = wt)) +
geom_jitter(width = 0.1)

 #柱形图

ggplot(mtcars, aes(mpg)) +
geom_histogram(binwidth = 1)

# 增加映射 ..density.. 到y属性
ggplot(mtcars, aes(mpg)) +
geom_histogram(aes(y = ..density..), binwidth = 1)

# 线条图
ggplot(dataset, aes(x = , y = )) +
geom_line() 

4、统计 
每一个几何对象都有一个默认的统计变换, 并且每一个统计变换都有一个默认的几何对象。以某种方式对数据信息进行汇总, 例如stat_smooth()添加平滑曲线。

 ggplot指令中，smooth（平滑曲线）按照每个子群分别计算，因为这里存在一个隐匿的图形属性：group继承了col。

示例：

#设置图形属性group =1表示绘制通过所有点的单个线性模型

ggplot(mtcars, aes(x = wt, y = mpg, col = cyl)) +
geom_point() +
geom_smooth(method = "lm", se = FALSE) +
geom_smooth(aes(group = 1), method = "lm", se = FALSE, linetype = 2)

 

ggplot(mtcars, aes(x = wt, y = mpg, col = factor(cyl))) +
geom_point() +
stat_smooth(method = "lm", se = F) +
stat_smooth(method = "loess", aes(group = 1), 
se = F, col = "black", span = 0.7)

5、Coordinate（坐标）

用来控制图形的尺寸。

标度(scale)控制着数据到图形属性的映射，将数据转化为视觉上可以感知的东西, 如大小、颜色、位置和形状。所以通过标度可以修改坐标轴和图例的参数。

可使用 coord_fixed() 或coord_equal()设置图形的长宽比，默认 aspect = 1。

 示例：

p <- ggplot(mtcars, aes(x = wt, y = hp, col = am)) + geom_point() + geom_smooth()

# Add scale_x_continuous
p + 
scale_x_continuous(limits = c(3, 6), expand = c(0, 0))

# Add coord_cartesion: the proper way to zoom in:
p +
coord_cartesian(xlim = c(3, 6))

# 使用函数改变y轴的界限。
ggplot(mtcars, aes(x = mpg, y = 0)) +
geom_jitter() +
scale_y_continuous(limits = c(-2,2))

# coord_polar()函数将一个平面的x-y笛卡尔坐标转换成极坐标，可用来制作饼图。

wide.bar <- ggplot(mtcars, aes(x = 1, fill = cyl)) +
geom_bar(width = 1)

# Convert wide.bar to pie chart
wide.bar +
coord_polar(theta = "y")

6、分面(facet)

Facets是表现分类变量的一种方式。 先将数据划分为多个子集, 然后将每个子集数据绘制到页面，在同一个页面上摆放多幅图形

ggplot2提供了2种分面类型：网格型(facet_grid)和封装型(facet_wrap)。网格型生成的是一个2维的面板网格, 面板的行与列通过变量来定义, 本质是2维的; 封装型先生成一个1维的面板条块, 然后再分装到2维中, 本质是1维的。最直接的分面使用方法是 facet_grid()函数，只需要规定使用标点符号的行和列上使用的分类变量。

当一个分类变量具有多个等级（level），但并非所有level都存在于另一个变量的子集中，可以丢弃不用的level。

示例：设置scale = "free_y" 和 space = "free_y" 移除没有数据的行。.

ggplot(mamsleep, aes(x = time, y = name, col = sleep)) +
geom_point() +
facet_grid(vore ~ ., scale = "free_y", space = "free_y")

7、Theme（主题）

是跟数据无关的可视元素，数据可视化的最后一步，使图形美观。

按作用对象分成三种类型及对应的函数：

Rectangle（矩形区域）：element_rect()

Line（线条）:  element_text()

text （文字）：element_line()

 在图形页面中的不同图框之间存在空白，分面（facet）之间、x轴标签和图框之间，图框与整个面板背景之间都存在着空白。示例如下：

# 增加分面之间的空白
library(grid)
z + theme(panel.spacing.x = unit(2, "cm"))

#移除多余的图形边距空白
z + theme(panel.spacing.x = unit(2, "cm"),
plot.margin = unit(c(0,0,0,0), "cm"))

管理、更新和保存主题

 theme_update()  在原图层主题设置上进行更新。

theme_set(old)  重新装载图层设置。

应用示例：

# Theme layer saved as an object, theme_pink

theme_pink <- theme(panel.background = element_blank(),

                    legend.key = element_blank(),

                    legend.background = element_blank(),

                    strip.background = element_blank(),

                    plot.background = element_rect(fill = myPink, color = "black", size = 3),

                    panel.grid = element_blank(),

                    axis.line = element_line(color = "black"),

                    axis.ticks = element_line(color = "black"),

                    strip.text = element_text(size = 16, color = myRed),

                    axis.title.y = element_text(color = myRed, hjust = 0, face = "italic"),

                    axis.title.x = element_text(color = myRed, hjust = 0, face = "italic"),

                    axis.text = element_text(color = "black"),

                    legend.position = "none")

# Apply theme_pink to z2

z2 + theme_pink

# Change code so that old theme is saved as old

old <- theme_update(panel.background = element_blank(),

             legend.key = element_blank(),

             legend.background = element_blank(),

             strip.background = element_blank(),

             plot.background = element_rect(fill = myPink, color = "black", size = 3),

             panel.grid = element_blank(),

             axis.line = element_line(color = "black"),

             axis.ticks = element_line(color = "black"),

             strip.text = element_text(size = 16, color = myRed),

             axis.title.y = element_text(color = myRed, hjust = 0, face = "italic"),

             axis.title.x = element_text(color = myRed, hjust = 0, face = "italic"),

             axis.text = element_text(color = "black"),

             legend.position = "none")

# Display the plot z2

z2

# Restore the old plot

theme_set(old) 

•