ggplot2的简单实用

「爱情、让人受尽委屈。」 2022-08-20 07:25 284阅读 0赞

# ggplot2的简单实用 #

本文参考了《ggplot2作图详解》[http://www.plob.org/2014/01/24/7452.html][http_www.plob.org_2014_01_24_7452.html], 这篇文章比较详细介绍ggplot2的绘图过程，本文只是一个简单使用的总结，能满足数据分析过程的大部分图标要求。

ggplot2包有两个绘图方法，一个是qplot，一个是ggplot方法。

qplot()函数即 quick plot(快速绘图),是R语言的plot过渡到ggplot而存在的，怕用户直接使用ggplot不习惯，当然qplot也包含了ggplot的很多思想，在使用qplot会慢慢理解ggplot的映射，分组，图层等的概念。虽然使用qplot函数也能实现大部分ggplot的功能，但是只是用qplot就没办法体现ggplot的强大了。

ggplot()函数是ggplot2包的核心函数，也是我们要重点学习的。但是也不难，因为我们只是使用它的绘图接口，常用的图形也就是那几个，从学以致用的角度来说是很容易的。

# 1.qplot函数的使用 #

qplot(x, y = NULL, ..., data, facets = NULL,
          margins = FALSE, geom = "auto", stat = list(NULL),
          position = list(NULL), xlim = c(NA, NA),
          ylim = c(NA, NA), log = "", main = NULL,
          xlab = deparse(substitute(x)),
          ylab = deparse(substitute(y)), asp = NA)

*  x, y： 告诉qplot应该使用什么数据作为x轴和y轴。
 *  data： 这个可以有，为数据框（data.frame）类型；如果有这个参数，那么x，y的名称必需对应数据框中某列变量的名称。
 *  facets： 图形/数据的分面。这是ggplot2作图比较特殊的一个概念，它把数据按某种规则进行分类，每一类数据做一个图形，所以最终效果就是一页多图。
 *  margins： 是否显示边界
 *  geom： 图形的几何类型（geometry），这又是ggplot2的作图概念。ggplot2用几何类型表示图形类别，比如point表示散点图、line表示曲线图、bar表示柱形图等。
 *  stat： 统计类型（statistics），这个更加特殊。直接将数据统计和图形结合，这是ggplot2强大和受欢迎的原因之一。
 *  position： 图形或者数据的位置调整，这不算太特殊，但对于图形但外观很重要
 *  xlim, ylim, xlab, ylab, main： 可以按照plot函数的相应参数来理解，x,y轴的范围，标签，主标题
 *  其他参数：color：指定颜色，size：指定大小，shape：指定形状。如果是因子型变量，则会分组绘图。

## 1.1 散点图(默认) ##

str(diamonds)
    set.seed(1000) # 设置随机种子
    datax<- diamonds[sample(53940, 100), seq(1,7)] #抽100条数据绘图
    qplot(x=carat, y=price, data=datax, xlab="Carat", ylab="Price", main="这是散点图")

## 1.2 分组绘图 ##

这个概念可以理解为不同因子水平的数据用不同颜色，大小，形状来标记。  
color：颜色  
shape：形状  
size：大小

qplot(x=carat, y=price, data=datax, color=cut, shape=cut, main="分组绘图")

## 1.3 其他图形 ##

使用qplot绘制其他图形通过 geom 参数指定。  
\- point：散点图  
\- line：曲线图  
\- smooth：平滑曲线，拟合曲线  
\- jitter：另一种散点图  
\- boxplot：箱线图  
\- histogram：直方图  
\- density：密度分布图  
\- bar：柱状图

# 曲线图
    qplot(x=carat, y=price, data=datax, color=cut, geom="line", main="曲线图")
    
    # 曲线图+散点图
    qplot(x=carat, y=price, data=datax, color=cut, geom=c("line", "point"), main="曲线图+散点图")
    
    # 拟合曲线（平滑曲线）
    qplot(carat, price, data = diamonds, color=cut, geom = "smooth", main = "拟合曲线")
    
    # 箱线图
    qplot(cut, price, data = diamonds, fill=cut, geom = "boxplot", main = "箱线图")
    
    # 直方图
    qplot(price, data = diamonds, fill=cut, geom = "histogram", main = "直方图")
    
    # 密度分布图
    qplot(price, data = diamonds, color=cut, geom = "density", main = "密度分布图")

## 1.4 柱状图 ##

做柱形图很少直接用原始数据，一般都要通过计算变换如求平均值，计数后再做。这其实是一个统计过程，所以多数柱形图应该也是统计类型的图。ggplot2对柱形图的处理体现了这一思想：柱形图是一种特殊的直方图。所以ggplot2可以直接用原始数据做出柱形图，这是它的优点之一。  
通过 stat 和 fun.y 和指定统计函数

# 柱状图
    qplot(x=cut, y=price, data = diamonds, fill=cut, geom = "histogram",stat="summary", fun.y="mean")

# 2 ggplot的简单使用 #

ggplot绘图使用类似PS图层的概念，底层是一个空的图层，但是指定了x,y轴的数据映射，颜色，形状，大小等映射也可以指定。然后在底层图层上面不断添加的点图，曲线图等的其他图层，在添加图层的时候也可以指定和底层图层不同的颜色，形状等的映射。

下面是一个简单的但是比较全的ggplot的使用过程。

# 1.选择500条记录画图
    library(ggplot2)
    set.seed(100)
    d.sub <- diamonds[sample(nrow(diamonds), 500), ]
    
    # 2.作图首先要指定x和y数据，即建立数据框变量和x/y之间的映射：
    p  <- ggplot(data=d.sub, aes(x=carat, y=price))
    
    # 3.作出散点图
    p  + geom_point()
    
    # 4.如果还要建立其他映射，比如用钻石颜色（color），形状（cut）分类数据确定点的颜色，图形外观就会发生变化
    
    p  + geom_point() + aes(color=color, shape=cut)
    #或者
    p  + geom_point(aes(color=color, shape=cut))

## 2.1 ggplot支持的geom\_绘图类型 ##

ls("package:ggplot2", pattern="^geom_.+")

<table> 
 <thead> 
  <tr> 
   <th align="right">函数</th> 
   <th align="right">说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="right">geom_abline</td> 
   <td align="right">Lines: horizontal, vertical, and specified by slope and intercept.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_bar</td> 
   <td align="right">Bars, rectangles with bases on x-axis</td> 
  </tr> 
  <tr> 
   <td align="right">geom_bin2d</td> 
   <td align="right">Add heatmap of 2d bin counts.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_blank</td> 
   <td align="right">Blank, draws nothing.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_boxplot</td> 
   <td align="right">Box and whiskers plot.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_contour</td> 
   <td align="right">Display contours of a 3d surface in 2d.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_count</td> 
   <td align="right">Count the number of observations at each location.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_density</td> 
   <td align="right">Display a smooth density estimate.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_density2d</td> 
   <td align="right">Contours from a 2d density estimate.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_dotplot</td> 
   <td align="right">Dot plot</td> 
  </tr> 
  <tr> 
   <td align="right">geom_errorbarh</td> 
   <td align="right">Horizontal error bars</td> 
  </tr> 
  <tr> 
   <td align="right">geom_hex</td> 
   <td align="right">Hexagon binning.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_freqpoly</td> 
   <td align="right">Histograms and frequency polygons.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_jitter</td> 
   <td align="right">Points, jittered to reduce overplotting.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_crossbar</td> 
   <td align="right">Vertical intervals: lines, crossbars &amp; errorbars.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_map</td> 
   <td align="right">Polygons from a reference map.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_line</td> 
   <td align="right">Connect observations.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_point</td> 
   <td align="right">Points, as for a scatterplot</td> 
  </tr> 
  <tr> 
   <td align="right">geom_polygon</td> 
   <td align="right">Polygon, a filled path.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_quantile</td> 
   <td align="right">Add quantile lines from a quantile regression.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_area</td> 
   <td align="right">Ribbons and area plots.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_rug</td> 
   <td align="right">Marginal rug plots.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_curve</td> 
   <td align="right">Line segments and curves.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_smooth</td> 
   <td align="right">Add a smoothed conditional mean.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_spoke</td> 
   <td align="right">A line segment parameterised by location, direction and distance.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_label</td> 
   <td align="right">Textual annotations.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_raster</td> 
   <td align="right">Draw rectangles.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_violin</td> 
   <td align="right">Violin plot.</td> 
  </tr> 
  <tr> 
   <td align="right">geom_qq</td> 
   <td align="right">Calculation for quantile-quantile plot.</td> 
  </tr> 
  <tr> 
   <td align="right">update_geom_defaults</td> 
   <td align="right">Modify geom/stat aesthetic defaults for future plots</td> 
  </tr> 
 </tbody> 
</table>

## 2.2 ggplot支持的 stat\_ 统计函函数 ##

ls("package:ggplot2", pattern="^stat_.+")
    [1] "stat_bin"         "stat_bin_2d"      "stat_bin_hex"     "stat_bin2d" 
    [5] "stat_binhex"      "stat_boxplot"     "stat_contour"     "stat_count" 
    [9] "stat_density"     "stat_density_2d"  "stat_density2d"   "stat_ecdf"  
    [13] "stat_ellipse"     "stat_function"    "stat_identity"    "stat_qq"   
    [17] "stat_quantile"    "stat_smooth"      "stat_spoke"       "stat_sum"  
    [21] "stat_summary"     "stat_summary_2d"  "stat_summary_bin" "stat_summary_hex"
    [25] "stat_summary2d"   "stat_unique"      "stat_ydensity"

[http_www.plob.org_2014_01_24_7452.html]: http://www.plob.org/2014/01/24/7452.html