使用ggplot2进行高级绘图--分组、添加光滑曲线

 

使用ggplot2进行高级绘图--分组 

为了理解数据，在一个图中画出两个或更多组的观察值通常是很有帮助的。在R中，组通常用分类变量的水平（因子）来定义。分组是通过ggplot2图将一个或多个带有诸如形状、颜色、填充、尺寸和线类型的视觉特征的分组变量来完成的。ggplot()声明中的aes()函数负责分配变量（图形的视觉特征），所以这是一个分配分组变量的自然的地方。

用分组来探讨Salaries数据集。数据框包含的信息是在2008~2009学年大学教授的薪水。变量包括rank（助理教授、副教授、教授）、sex（女性、男性）、yrs.since.phd（获得博士学位年数）、yrs.service（工龄）和salary（以美元计的九个月薪水）。

首先查看薪水是如何随学术等级变化的。代码： 

?

1 2 3 4 5 6 7

data(Salaries, package="car")   library(ggplot2)   ggplot(data=Salaries, aes(x=salary, fill=rank)) +     geom_density(alpha=.3)

 

结果分析：在同一幅图中画出了三条密度曲线（每条曲线代表一个学术等级）并用不同的颜色来区分。填充的设置有些透明度（alpha），使重叠曲线不掩盖彼此。颜色也相互结合来提高加入地区的可视化。薪水随着等级的增长而增长，但是重叠比较明显，比如一些助理教授与副教授或教授的薪水相同。随着学术等级的增长，薪水的范围也在扩大。对于教授而言尤其如此，他们的收入差距很大。把这三个分布放在同一幅图上方便了组间的比较。

接下来，我们通过性别和学术等级分组，绘制获得博士学位年数与薪水的关系：

?

1 2 3

ggplot(Salaries, aes(x=yrs.since.phd, y=salary, color=rank,                        shape=sex)) + geom_point()

结果分析：学术等级用点的颜色来表示（红色代表助理教授，绿色代表副教授，蓝色代表教授）。性别用点的形状来表示（圆形代表女性，三角形代表男性）。从图中可以看出，薪水随着毕业年数的增加而增加，但是它们之间的关系绝对不是线性的。

你可以用一个分组的条形图按学术等级和性别来可视化教授的人数：

?

1 2 3

ggplot(Salaries, aes(x=rank, fill=sex)) +     geom_bar(position="stack") + labs(title='position="stack"')

 

?

1 2 3

ggplot(Salaries, aes(x=rank, fill=sex)) +     geom_bar(position="dodge") + labs(title='position="dodge"')

 

?

1 2 3

ggplot(Salaries, aes(x=rank, fill=sex)) +     geom_bar(position="fill") + labs(title='position="fill"')

 

结果分析：从前两个图中可以明显看出教授的人数大于其他学术等级的人数。除此之外，女性教授的人数比女性助理教授和副教授的人数要多。第三个图表示即使女性的总数更大，但是女性教授在教授中的比重远远小于其他两组。

 

使用ggplot2进行高级绘图--添加光滑曲线

我们可以使用geom_smooth()函数来添加一系列的平滑曲线和和置信区域。函数的参数参见下表。

geom_smooth()函数

 

使用Salaries数据集，我们先检验博士毕业年数和薪水之间的关系。在这个例子中，我们可以使用带有95%置信区间的非参数光滑曲线（loess）。暂时忽略性别和学术等级。代码如下：

?

1 2 3 4 5

library(ggplot2)   ggplot(data=Salaries, aes(x=yrs.since.phd, y=salary)) +     geom_smooth() + geom_point()

 

结果分析：图形显示经验和薪水之间不是线性的关系，至少在毕业时间很长的时候是这样。

按性别拟合一个二次多项式回归（一个弯曲）：

?

1 2 3 4 5 6 7 8 9

ggplot(data=Salaries, aes(x=yrs.since.phd, y=salary,                             linetype=sex, shape=sex, color=sex)) +     geom_smooth(method=lm, formula=y~poly(x,2),                 se=FALSE, size=1) +     geom_point(size=2)

 

结果分析：置信界限被抑制（se=FALSE）来简化图。性别由颜色、符号形状和线条类型来区分。对男性来说，曲线从0增加至约30年然后下降。对女性来说，拟合曲线从0到40年一直呈上升趋势。在数据集中没有女性获得博士学位超过40年。对于数据集中的大部分范围，男性能拿到更高的薪水。