跟我一起ggplot2（1）

ggplot2

R的作图工具包，可以使用非常简单的语句实现非常复杂漂亮的效果。

qplot

加载qplot

library(ggplot2)

# 测试数据集，ggplot2内置的钻石数据
qplot(carat, price, data = diamonds)
dsmall <- diamonds[sample(nrow(diamonds), 100), ] #对diamonds数据集进行抽样

#1. 按color,size,shape的基本分类可视化
#1.1 简单的散点图（利用color分类，不同颜色的钻石由不同颜色的点代表）

#1.2. 简单的散点图（利用shape分类，不同的切割方式由不同形状的点代表）

#2. 绘制不同类型的图表：geom参数

qplot(x,y,data=data,geom="")中的geom=""用来控制输出的图形类型
     I. 两变量图
     (1) geom="points"，默认参数，绘制散点图(x,y)
     (2) geom="smooth" 绘制平滑曲线（基于loess, gam, lm ,rlm,glm）
     (3) geom="boxplot" 绘制箱线图，当x为属性变量(factor)，y为数值变量时
     II.单变量图
     (4) geom="histogram"，直方图
     (5) geom="density"，核密度估计图
     (6) geom="bar"，条形图barchart
     III.时间序列
     (7) geom="line"，折线图，可用于时间序列（当x=date)
     (8) geom="path"，路径图（参见后文）

# 2.1 同时绘制散点图+平滑直线

qplot(carat, price, data = dsmall, geom=c("point","smooth"))

#参数调整：method=""等
#(a). method = "loess", 默认平滑算法, 通过span=调整窗宽， span=0(波动) 到 span=1（光滑）

qplot(carat, price, data = dsmall, geom = c("point", "smooth"),
      method = "loess",span=0.2)

# (b). method = "gam": GAM 在大数据时比loess高效，需要载入 mgcv 包

library(mgcv)
qplot(carat, price, data = dsmall, geom = c("point", "smooth"),
      method="gam", formula = y ~ s(x))

# (c). method="lm", 线性平滑

qplot(carat, price, data = dsmall, geom = c("point", "smooth"),
     method = "lm")

# method="lm",formula = y ~ ns(x, 3)，三次自然样条，需要载入splines包

library(splines)
qplot(carat, price, data = dsmall, geom = c("point", "smooth"),
      method = "lm", formula = y ~ ns(x, 3))

# method = "rlm", robust linear model, 受异常值影响小，需要载入MASS包

library(MASS)
qplot(carat, price, data = dsmall, geom = c("point", "smooth"),
      method = "rlm")

# 2.2：x为属性变量，y为连续变量，绘制boxplot

qplot(color, price/carat, data=diamonds,geom="boxplot")

# 2.3：单变量，直方图

qplot(carat, data = diamonds, geom = "histogram")

#2.4: 单变量，核密度估计图

qplot(carat, data = diamonds, geom = "density")

# 按不同颜色绘制的density图

qplot(carat, data = diamonds, geom = "density",colour=color)

# 2.5 条形图（柱状图）

#计数，求count(color)
qplot(color, data = diamonds, geom = "bar")

#加权,对每个求sum(carat)，类似于excel里的数据透视图，按不同的color计算carat的总和
qplot(color, data = diamonds, geom = "bar", weight = carat)

#2.6. Time-series
qplot(date, unemploy / pop, data = economics, geom = "line")

#2.7. Path plot
#如果要查看失业率(unemploy / pop)与平均失业时间(uempmed)之间的关系，一个方法是利用散点图，但是这样做就会导致无法观察到随时间变化的趋势了，path plot利用颜色深浅来代表年份，随着颜色从浅蓝变成深蓝，可以观察到失业率与失业时间的关系的变化趋势。

#具体实现：先自定义函数year(),将字符串格式的时间转化为年
year <- function(x) as.POSIXlt(x)$year + 1900


#画出path plot,颜色按年份由浅到深
qplot(unemploy / pop, uempmed, data = economics,
      geom = "path", colour = year(date))

我们已经讨论了如何利用外观参数在同一图中比较不同分类的差异。而分面可以将不同的亚类放在不同的图中进行比较：

qplot(carat, data = diamonds, facets = color ~ .,geom = "histogram", binwidth = 0.1, xlim = c(0, 3))

qplot(carat, data = diamonds, facets = color ~ .,geom = "histogram", binwidth = 0.1, xlim = c(0, 3))

下面的图形在一开始的基础上添加了新的元素：分面，多个图层以及统计数据。分面和图层扩展了上面提到的数据结构：每一个分面的每一个图层都有属于自己的数据集。你可以将它想象成是一个三维的数组：分面构成了二维平面，然后图层给予其在新的维度上的扩展。在这个例子中，不同图层上的数据是一样的，但是从理论上来讲，不同的图层中可以有不同的数据。

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

ggplot

基本绘图类型：

这些几何元素是ggplot的基础。他们彼此结合可以构成复杂的图像。他们中的绝大多数对应特定的绘图类型。

geom_area()

geom_bar()

geom_line()

geom_point()

geom_polygon()

geom_text()

geom_tile()

> library("ggplot2")
> head(mpg)
  manufacturer model displ year cyl      trans drv cty
1         audi    a4   1.8 1999   4   auto(l5)   f  18
2         audi    a4   1.8 1999   4 manual(m5)   f  21
3         audi    a4   2.0 2008   4 manual(m6)   f  20
4         audi    a4   2.0 2008   4   auto(av)   f  21
5         audi    a4   2.8 1999   6   auto(l5)   f  16
6         audi    a4   2.8 1999   6 manual(m5)   f  18
  hwy fl   class
1  29  p compact
2  29  p compact
3  31  p compact
4  30  p compact
5  26  p compact
6  26  p compact
> p <- ggplot(mpg, aes(x = cty, y = hwy, colour = factor(year)))
> summary(p)
data: manufacturer, model, displ, year, cyl,
  trans, drv, cty, hwy, fl, class [234x11]
mapping:  x = cty, y = hwy, colour = factor(year)
faceting: facet_null()

然后就是几何对象和统计，简单的理解就是通过统计变换把前面的元素表现出来，因为统计变换的函数stat开头的默认有包含自己的几何图形，而几何图形函数geom又带有自己的统计变换，通常都能达到目的。

p + geom_point()  #散点图

ggplot(mpg, aes(x = displ)) + geom_histogram(aes(y = (..count..)), fill = "steelblue", colour = "#808080", bin = 0.1)  #直方图

ggplot(mpg, aes(y = displ, x = factor(cyl), fill = factor(cyl))) + geom_boxplot()  #盒图

ggplot(diamonds, aes(carat, price)) + stat_bin2d()  #二维密度图

p + geom_point() + stat_smooth(method = "lm", se = F)

ggplot(mpg, aes(x = cty, y = hwy)) + geom_point(aes(colour = factor(year))) + stat_smooth(method = "lm", se = F)  #请注意两种方式的区别

ggplot(mpg, aes(y = hwy, x = class, colour = class)) + geom_boxplot() + geom_jitter(alpha = 0.3) + 
    theme(panel.grid = element_blank(), panel.background = element_rect(fill = NA, colour = "black"))

ggplot(mpg, aes(x = displ)) + stat_bin(aes(y = ..density.., fill = factor(year)), 
    colour = "#909090") + stat_density(aes(ymax = "density", colour = factor(year)), 
    geom = "line", size = 1.2) + facet_wrap(~year, ncol = 1)