ggplot2包简介

1 ggplot2绘图语法

1.1 案例绘图

• ggplot函数指定要绘图的数据（通常是数据框），并生成一个空的图形对象（不生成图形）

• aes(x,y,…)函数用于指定图形属性的映射，其中的x用于指定坐标轴x的变量或数值，y用于指定坐标轴y的变量或数值

• geom是几何的缩写，表示要绘制的几何对象，在下划线“_”后面指定要绘制的几何图形

• ggplot2的绘图语法是将各个部分用“+”连接起来

• 使用theme函数设置图形主题，用于控制或修改图形外观

df <- data2_1 |> gather(R语言,Python语言,key=课程,value=分数)

# 设置图形主题（可根据需要设置，省略时函数会根据默认设置绘图）
mytheme<-theme(plot.title=element_text(size="12"), # 设置主标题字体大小
    axis.title=element_text(size=10),              # 设置坐标轴标签字体大小
    axis.text=element_text(size=9),                # 设置坐标轴刻度字体大小
    legend.position="none")                        # 移除图例

# 绘制图形
p1<-ggplot(data=df,aes(x=性别,fill=性别))+ # 设置x轴，按性别填充颜色
     geom_bar()+                            # 绘制条形图
     ylab("人数")+                          # 设置y轴标签
     mytheme+                       # 使用设置的主题
     ggtitle("(a) 条形图")          # 添加标题

p2<-ggplot(data=df,aes(x=课程,y=分数,fill=性别))+
     geom_boxplot()+                # 绘制箱线图
     facet_wrap(~性别)+             # 按性别分面
     mytheme+ggtitle("(b) 分面箱线图")

p3<-ggplot(data=df,aes(x=分数,fill=课程,alpha=0.2))+ # 设置颜色透明度alpha的值
     geom_density()+                # 绘制核密度图
     xlim(50,105)+                  # 设置x轴值域（数值范围）
     ylim(0,0.1)+                  # 设置y轴值域（数值范围）
     annotate("text",x=68,y=0.015,label="Python语言",size=4)+# 添加注释文本
     annotate("text",x=85,y=0.015,label="R语言",size=4)+
     mytheme+ggtitle("(c) 分组核密度图")

p4<-ggplot(data=data2_1,aes(x=R语言,y=Python语言,fill=性别))+
     geom_point(size=3,shape=21,color="black")+ # 绘制散点图
     facet_wrap(~性别)+              # 按性别分面
     mytheme+ggtitle("(d) 分面散点图")

grid.arrange(p1,p2,p3,p4,ncol=2)       # 按2列组合图形p1、p2、p3、p4

1.2 思考与代码修改

• aes()函数的fill参数有什么用？将数据中的某个变量映射到图形元素的填充颜色（如柱状图的柱子、箱线图的箱体、面积图的区域等）

  aes()函数既可以嵌套在ggplot() 中作全局设定，也可以提取出外通过’+’连接作局部设定。

• 修改p1的代码中aes() 提取出ggplot()函数外通过’+’，看能不能运行。不能运行

• geom_bar/geom_boxplot/geom_density/geom_point分别代表绘制什么图形？

  分别代表绘制条形图/箱线图/概率密度曲线图/散点图

• facet_wrap()函数有什么用？在图p2代码中如果注释到这行会有什么后果。

  1、拆分数据：
  根据一个或多个离散型变量（因子或字符型）将数据分成若干子集，每个子集绘制独立的图形。

  2、统一比较：
  所有子图共享相同的坐标轴、比例尺和图形类型，便于横向对比。

  3、节省空间：
  自动排列子图（如网格布局），避免手动创建多个单独图形。

  若将该代码注释掉，所有数据会合并到单一图形中绘制，不再按分类变量分组显示，无法比较组间差异。

• aes(x=分数,fill=课程,alpha=0.2) 中fill参数代表填充颜色，试将图p3中的fill 参数改为color 看有什么效果？图形仅是线条的颜色，曲线面积没有填充颜色。

• geom_point(size=3,shape=21,color="black") 中shape参数代表点的形状，试将图p4中shape参数取值改为25看有什么效果？点的形状变成了三角形

• 代码grid.arrange(p1,p2,p3,p4,ncol=2)有什么用？相当于graphic包的什么代码？

  该代码将p1，p2，p3，p4，绘制的图形展示在两行两列的画布上，相当于graphic包的par(mfrow = c(2, 2))

  该代码可以改写为par(mfrow = c(2, 2)) plot(p1) plot(p2) plot(p3) plot(p4)

# 修改原绘图代码以满足要求
df <- data2_1 |> gather(R语言,Python语言,key=课程,value=分数)

# 设置图形主题（可根据需要设置，省略时函数会根据默认设置绘图）
mytheme<-theme(plot.title=element_text(size="12"), # 设置主标题字体大小
    axis.title=element_text(size=10),              # 设置坐标轴标签字体大小
    axis.text=element_text(size=9),                # 设置坐标轴刻度字体大小
    legend.position="none")                        # 移除图例

# 绘制图形
p1<-ggplot(data=df,aes(x=性别,fill=性别))+ # 设置x轴，按性别填充颜色
     geom_bar()+                            # 绘制条形图
     ylab("人数")+                          # 设置y轴标签
     mytheme+                       # 使用设置的主题
     ggtitle("(a) 条形图")          # 添加标题

p2<-ggplot(data=df,aes(x=课程,y=分数,fill=性别))+
     geom_boxplot()+                # 绘制箱线图
     #facet_wrap(~性别)+             # 按性别分面
     mytheme+ggtitle("(b) 分面箱线图")
p3<-ggplot(data=df,aes(x=分数,color=课程,alpha=0.2))+ # 设置颜色透明度alpha的值
     geom_density()+                # 绘制核密度图
     xlim(50,105)+                  # 设置x轴值域（数值范围）
     ylim(0,0.1)+                  # 设置y轴值域（数值范围）
     annotate("text",x=68,y=0.015,label="Python语言",size=4)+# 添加注释文本
     annotate("text",x=85,y=0.015,label="R语言",size=4)+
     mytheme+ggtitle("(c) 分组核密度图")

p4<-ggplot(data=data2_1,aes(x=R语言,y=Python语言,fill=性别))+
     geom_point(size=3,shape=25,color="black")+ # 绘制散点图
     facet_wrap(~性别)+              # 按性别分面
     mytheme+ggtitle("(d) 分面散点图")

grid.arrange(p1,p2,p3,p4,ncol=2)       # 按2列组合图形p1、p2、p3、p4

2 图形外观——设置坐标轴

2.1 案例绘图

• 图（a）是默认绘制的类别轴（本图为x轴）顺序是R语言、Python语言，使用scale_x_discrete(limits=c())可根据需改变类别顺序

• 图（b）是设置coord_flip()使坐标轴互换，同时，将x轴（类别轴）标签旋转90度

• 图（c）使用theme(axis.title.x=element_blank())移除y轴标签，要移除x轴标签使用类似的设置；设置theme(axis.ticks.y=element_blank())移除y轴的刻度线

• 图（d）使用theme(axis.ticks=element_blank())移除所有的刻度线，将坐标轴标签旋转是为了改变标签的角度。

• 当标签较多时，也可以设置scale_x_discrete(guide=guide_axis(n.dodge=2))使x轴标签排成为2行。使用xlim()可以数值x轴的数值范围。设置x轴数值范围时，函数会在该范围内设置坐标轴刻度，重新设置刻度线可以使用scale_x_continuous(limits=c(),breaks=c())

# 设置图形主题（可根据需要设置）
mytheme<-theme(plot.title=element_text(size="11"), # 设置主标题字体大小
   axis.title=element_text(size=10),               # 设置坐标轴标签字体大小
   axis.text=element_text(size=9),                 # 设置坐标轴刻度字体大小
   legend.position="none")                         # 移除图例

# 图（a）修改类别轴项目顺序
p1<-ggplot(data=df,aes(x=课程,y=分数,fill=课程))+
    geom_boxplot()+                                      # 绘制箱线图
    scale_x_discrete(limits=c("Python语言","R语言"))+    # 修改类别轴项目顺序
    mytheme+ggtitle("(a) 修改类别轴项目顺序\n默认顺序R语言、Python语言")

# 图（b）坐标轴互换，并反转x轴元素的顺序
p2<-ggplot(data=df,aes(x=课程,y=分数,fill=课程))+
    geom_boxplot()+
    coord_flip()+                                        # 坐标轴互换（或者设置y=分数,x=课程）
    ylim(54,101)+                                        # 设置y轴值域（数值范围）
    theme(axis.text.y=element_text(size=9,angle=90,hjust=0.5,vjust=0.5))+   # 设置y轴标角度，并进行水平和垂直位置调整
    scale_x_discrete(limits=rev(levels(df$课程)))+# 反转类别轴项目顺序
    mytheme+ggtitle("(b) 坐标轴互换\n反转x轴元素的顺序并旋转90度")

# 图（c）移除y轴刻度线和标签，删除x轴和y轴次网格线
p3<-ggplot(data=df,aes(x=分数,fill=课程,alpha=0.2))+
    geom_density()+                                         # 绘制核密度图
    xlim(50,105)+                                           # 设置x轴值域（数值范围）
    ylim(0,0.1)+                                           # 设置y轴值域（数值范围）
    theme(axis.title.y=element_blank(),                     # 移除y轴标签
          axis.ticks.y=element_blank(),                     # 移除y轴刻度线
          panel.grid.minor.x=element_blank(),               # 去掉x轴次网格线
          panel.grid.minor.y=element_blank())+              # 去掉y轴次网格线
    annotate("text",x=69,y=0.015,label="Python语言",size=3)+# 添加注释文本
    annotate("text",x=85,y=0.015,label="R语言",size=3)+
    mytheme+ggtitle("(c) 移除y轴刻度线和y轴标签\n去掉x轴和y轴次网格线")

# 图（d）移除所有刻度线，刻度标签旋转90度
p4<-ggplot(data=df,aes(x=分数,fill=课程,alpha=0.2))+
    geom_density()+                                       # 绘制核密度图
    scale_x_continuous(limits=c(50,100),
     breaks=c(50,55,60,65,70,75,80,85,90,95,100))+        # 设置x轴值域和刻度线位置
    scale_y_continuous(limits=c(0,0.1),
     breaks=c(0,0.01,0.02,0.03,0.04,0.05,0.06,0.07))+     # 设置y轴值域和刻度线位置
    ylab("密度")+                                         # 设置y轴标签
    theme(axis.ticks=element_blank(),                     # 移除所有刻度线
     axis.line=element_line(color="blue",linewidth=1.5),  # 添加坐标轴直线
     axis.text.x=element_text(size=9,angle=90,hjust=1,vjust=1))+      # 设置x轴标签角度
    annotate("text",x=69,y=0.015,label="Python语言",size=3)+          # 添加注释文本
    annotate("text",x=85,y=0.015,label="R语言",size=3)+
mytheme+ggtitle("(d) 移除所有刻度线\nx轴刻度标签旋转90度")

grid.arrange(p1,p2,p3,p4,ncol=2)       # 组合图形

2.2 思考与代码修改

• ggplot2 包通过theme() 函数设置主题要素参数，如何实现全局设定和局部设定？

  全局设定通过 theme_set() 函数设置全局主题，之后所有ggplot2 图形都会自动继承该主题

  局部设定在单个 ggplot() 调用中直接使用 theme() 函数，覆盖全局主题的某些参数。

• scale_x_discrete()函数有什么作用？如何将p1的横轴标题由“课程”改为“科目”。

  是 ggplot2 中用于调整 离散型（分类）变量 x 轴 的函数，主要功能包括：

  1、修改轴标题：调整横轴的显示名称（如将“课程”改为“科目”）。

  2、控制轴标签：自定义分类标签的显示内容或顺序（如 labels 参数）。

  3、限制显示范围：通过 limits 参数筛选或重新排序分类变量。

  4、调整美学映射：如颜色、大小等（需配合其他参数使用）。

  将p1的横轴标题由“课程”改为“科目”：scale_x_discrete(name = “科目”,limits=c(“Python语言”,“R语言”))

• 将图p2注释掉theme(axis.text.y=element_text(size=9,angle=90,hjust=0.5,vjust=0.5))有什么影响？纵坐标的元素呈水平放置，没有旋转90度

• annotate() 函数除了能在图中添加文本注释还能添加什么？将p3中“R语言”的文本注释放在蓝色区域的右边。

  annotate()函数在 ggplot2 中不仅可以添加文本注释，还支持多种几何对象（如线段、矩形、箭头、点等），用于在图形中插入非数据相关的标记或装饰元素。

• 将p4的x轴刻度标签角度改为45度

# 修改原绘图代码以满足要求
# 设置图形主题（可根据需要设置）
mytheme<-theme(plot.title=element_text(size="11"), # 设置主标题字体大小
   axis.title=element_text(size=10),               # 设置坐标轴标签字体大小
   axis.text=element_text(size=9),                 # 设置坐标轴刻度字体大小
   legend.position="none")                         # 移除图例

# 图（a）修改类别轴项目顺序
p1<-ggplot(data=df,aes(x=课程,y=分数,fill=课程))+
    geom_boxplot()+                                      # 绘制箱线图
    scale_x_discrete(name = "科目",limits=c("Python语言","R语言"))+    # 修改类别轴项目顺序
    mytheme+ggtitle("(a) 修改类别轴项目顺序\n默认顺序R语言、Python语言")

# 图（b）坐标轴互换，并反转x轴元素的顺序
p2<-ggplot(data=df,aes(x=课程,y=分数,fill=课程))+
    geom_boxplot()+
    coord_flip()+                                        # 坐标轴互换（或者设置y=分数,x=课程）
    ylim(54,101)+                                        # 设置y轴值域（数值范围）
    #theme(axis.text.y=element_text(size=9,angle=90,hjust=0.5,vjust=0.5))+   # 设置y轴标角度，并进行水平和垂直位置调整
    scale_x_discrete(limits=rev(levels(df$课程)))+# 反转类别轴项目顺序
    mytheme+ggtitle("(b) 坐标轴互换\n反转x轴元素的顺序并旋转90度")

# 图（c）移除y轴刻度线和标签，删除x轴和y轴次网格线
p3<-ggplot(data=df,aes(x=分数,fill=课程,alpha=0.2))+
    geom_density()+                                         # 绘制核密度图
    xlim(50,105)+                                           # 设置x轴值域（数值范围）
    ylim(0,0.1)+                                           # 设置y轴值域（数值范围）
    theme(axis.title.y=element_blank(),                     # 移除y轴标签
          axis.ticks.y=element_blank(),                     # 移除y轴刻度线
          panel.grid.minor.x=element_blank(),               # 去掉x轴次网格线
          panel.grid.minor.y=element_blank())+              # 去掉y轴次网格线
    annotate("text",x=69,y=0.015,label="Python语言",size=3)+# 添加注释文本
    annotate("text",x=100,y=0.015,label="R语言",size=3)+
    mytheme+ggtitle("(c) 移除y轴刻度线和y轴标签\n去掉x轴和y轴次网格线")

# 图（d）移除所有刻度线，刻度标签旋转90度
p4<-ggplot(data=df,aes(x=分数,fill=课程,alpha=0.2))+
    geom_density()+                                       # 绘制核密度图
    scale_x_continuous(limits=c(50,100),
     breaks=c(50,55,60,65,70,75,80,85,90,95,100))+        # 设置x轴值域和刻度线位置
    scale_y_continuous(limits=c(0,0.1),
     breaks=c(0,0.01,0.02,0.03,0.04,0.05,0.06,0.07))+     # 设置y轴值域和刻度线位置
    ylab("密度")+                                         # 设置y轴标签
    theme(axis.ticks=element_blank(),                     # 移除所有刻度线
     axis.line=element_line(color="blue",linewidth=1.5),  # 添加坐标轴直线
     axis.text.x=element_text(size=9,angle=45,hjust=1,vjust=1))+      # 设置x轴标签角度
    annotate("text",x=69,y=0.015,label="Python语言",size=3)+          # 添加注释文本
    annotate("text",x=85,y=0.015,label="R语言",size=3)+
mytheme+ggtitle("(d) 移除所有刻度线\nx轴刻度标签旋转90度")

grid.arrange(p1,p2,p3,p4,ncol=2)       # 组合图形

3 图形外观——设置图形标题

3.1 案例绘图

# 初始图形，所有设置均为默认
p<-ggplot(data=df)+aes(x=课程,y=分数,fill=性别)+
    geom_boxplot()    # 绘制箱线图

# 设置标题
p1<-p+ggtitle("(a) 这里是标题(默认设置)")   # 添加标题

p2<-p+ggtitle("(b) 这里是标题(设置字体大小,粗体字)")+
theme(plot.title=element_text(size=10,face="bold"))# 设置标题字体大小

p3<-p+labs(title=("(c) 这里是标题(标题位置居中)\n(标题换行)"))+  # 标题换行（在\n处断行）
theme(plot.title=element_text(size=12,hjust=0.5))   # 调整标题位置（居中）

p4<-p+ggtitle("(d) 这里是主标题(蓝色粗斜体)","(这里是副标题)")+ # 添加副标题
theme(plot.title=element_text(size=12,face="bold.italic",color="blue3"))  # 设置标题为粗斜体字，蓝色

gridExtra::grid.arrange(p1,p2,p3,p4,ncol=2)       # 组合图形

3.2 思考

• ggtitle() 中第一个参数为主标题，第二个参数为副标题；再通过主题函数theme(plot.title=element_text()) 设置标题的具体属性

• element_text() 为文本属性设定函数，一共有多少个参数可以设定？一共有20个参数可以设定

• element_text(size=10,face="bold") 代表什么意思？

  是一个常用的文本样式设定函数，用于自定义图形中的文本元素（如标题、坐标轴标签、图例文字等）。

  1. size = 10

     设置文本大小为 10 磅（pt），适用于控制字体物理尺寸。

     示例：调整坐标轴标签字体大小。

  2. face = "bold"

     置文本样式为 粗体，其他可选值包括：

     "plain"（常规，默认）

     "italic"（斜体）

     "bold.italic"（粗斜体）

     示例：强调图形标题。

• ement_text(size=12,hjust=0.5)代表什么意思？

  是 ggplot2 中用于自定义文本样式的函数参数组合，具体含义如下：

  1、size = 12

  设置文本的字体大小为 12 磅（pt），属于中等偏大的字号，适合标题或重点标注。

  2、hjust = 0.5

  控制文本的 水平对齐方式，0.5 表示 居中对齐。

  hjust = 0：左对齐

  hjust = 1：右对齐

  hjust = 0.5：居中（默认值，通常用于标题或对称布局）

• element_text(size=12,face="bold.italic",color="blue3") 代表什么意思？

   ggplot2 中用于深度自定义文本样式的函数参数组合，具体含义如下：

  1、size = 12

  设置文本字号为 12磅（pt），属于中等偏大的字体尺寸，适合标题或重点标注。

  face = "bold.italic"

  定义字体样式为 加粗且斜体，其他可选值：

  "plain"（常规）

  "bold"（仅加粗）

  "italic"（仅斜体）

  效果：文本同时具备粗体的强调性和斜体的动态感。

  2、color = "blue3"

  指定文本颜色为 R内置的深蓝色（"blue3"对应十六进制值#0000CD）。

  支持颜色名称（如"red"）

4 图形外观——设置图例

4.1 案例绘图

# 初始图形，所有设置均为默认
p<-ggplot(data=df)+aes(x=课程,y=分数,fill=性别)+
  geom_boxplot() # 绘制箱线图

# 设置图例
p1<-p+ggtitle("(a) 默认图例")
p2<-p+ggtitle("(b) 移除图例")+
    theme(legend.position="none")              # 移除图例(或设置guides(fill="none"))
p3<-p+ggtitle("(c) 设置图例位置、字体、背景和边框颜色")+
    theme(legend.text=element_text(size=8,color="blue"), # 设置图例字体大小和颜色
          legend.position="top",               # 设置图例位置（顶部）
          legend.background=element_rect(fill="grey85",color="grey"),
                                               # 设置图例背景色和边框颜色
          legend.key=element_rect(color="blue",linewidth=0.25))
                                               # 设置图例键的颜色和线宽

p4<-p+ggtitle("(d) 设置图例位置、摆放方式和顺序")+
    theme(legend.position=c(0.75,0.9),         # 设置图例位置
          legend.background=element_blank(),  # 移除图例整体边框
          legend.text=element_text(size=8))+  # 设置图例字体大小
    guides(fill=guide_legend(nrow=1,title=NULL))+
                                   # 设置图例摆放方式(1行，去掉图例标题)
    scale_fill_discrete(limits=c("女","男"))   # 修改图例顺序

Warning: A numeric `legend.position` argument in `theme()` was deprecated in ggplot2
3.5.0.
ℹ Please use the `legend.position.inside` argument of `theme()` instead.

gridExtra::grid.arrange(p1,p2,p3,p4,ncol=2)    # 组合图形

4.2 思考与代码修改

• theme() 函数中legend.text/legend.position/legend.background/legend.key 四个参数分别设定什么方面的内容？

  1、legend.text

  作用：控制图例中文字（标签）的样式。

  可调整属性：字体大小、颜色、字体族、角度等。

  2、legend.position

  作用：设置图例的显示位置。

  常用值：

  "right"（默认）、"left"、"top"、"bottom"：指定图例位于图形的某一侧。

  "none"：隐藏图例。

  c(x, y)：通过坐标（0-1相对位置）精确放置图例（如 c(0.8, 0.2)）。

  3、legend.background

  作用：设置图例的背景样式（矩形区域）。

  可调整属性：填充色、边框颜色、边框线型等。

  4、legend.key

  作用：控制图例中每个标签对应的标识（key，即颜色/形状的示例框）的样式。

  可调整属性：填充色、边框颜色、大小、形状等。

• element_rect() 矩形对象属性设定函数，legend.background/legend.key 两个参数为什么需要用它设定？

  element_rect() 是专门用于定义矩形对象样式的函数，而 legend.background 和 legend.key 这两个参数之所以需要通过 element_rect() 来设定，是因为它们控制的图例组成部分（图例整体背景和图例标识框）本质上都是矩形区域。

  1、legend.background图例背景是一个矩形框，需要通过 element_rect() 定义其填充色（fill）、边框颜色（color）、边框线型（linetype）等属性。

  2、legend.key这些标识框本质上是小矩形，需要通过 element_rect() 控制其填充色、边框、大小等。

• 修改图p3的代码，将图例位置改为图形下方，将图例标题legend.title”性别“的字体颜色也改为蓝色。

• 修改图p4的代码，将图例位置改为图中的右下方，图例中男左女右。

# 修改原绘图代码以满足要求
p<-ggplot(data=df)+aes(x=课程,y=分数,fill=性别)+
  geom_boxplot() # 绘制箱线图

# 设置图例
p1<-p+ggtitle("(a) 默认图例")
p2<-p+ggtitle("(b) 移除图例")+
    theme(legend.position="none")              # 移除图例(或设置guides(fill="none"))
p3<-p+ggtitle("(c) 设置图例位置、字体、背景和边框颜色")+
    theme(legend.text=element_text(size=8,color="blue"), # 设置图例字体大小和颜色
          legend.title = element_text(color = "blue"),# 图例标题（"性别"）颜色
          legend.position="top",               # 设置图例位置（顶部）
          legend.background=element_rect(fill="grey85",color="grey"),
                                               # 设置图例背景色和边框颜色
          legend.key=element_rect(color="blue",linewidth=0.25))
                                               # 设置图例键的颜色和线宽
         

p4<-p+ggtitle("(d) 设置图例位置、摆放方式和顺序")+
    theme(legend.position=c(0.9,0.1),         # 设置图例位置
          legend.background=element_blank(),  # 移除图例整体边框
          legend.text=element_text(size=8))+  # 设置图例字体大小
    guides(fill=guide_legend(nrow=1,title=NULL))+
                                   # 设置图例摆放方式(1行，去掉图例标题)
    scale_fill_discrete(limits=c("女","男"))   # 修改图例顺序

gridExtra::grid.arrange(p1,p2,p3,p4,ncol=2)    # 组合图形

5 图形外观——长标签处理

5.1 案例绘图

df<-data.frame(
  专业=c("流行病和卫生统计","数据科学与大数据技术","数理统计"),
  课程=c("Python机器学习原理与实践","数据建模","数据科学统计基础"),
  平均分数=c(76,88,82))

# 绘制条形图
p<-ggplot(df)+aes(x=课程,y=平均分数,fill=专业)+
  geom_col(width=0.8,color="grey50")

# 图（a）默认绘制
p1<-p+theme(panel.background=element_rect(fill="lightyellow"),# 设置图形面板背景色
            plot.background=element_rect(fill="lightblue"))+# 设置图形整体背景色
ggtitle("(a) 默认绘制")

# 图（b）在适当位置折行
p2<-p+scale_x_discrete(labels=c("Python\n机器学习\n原理与实践","数据建模","数据科学\n统计基础"))+                    # 将x轴的长标签折行
  theme(axis.text=element_text(lineheight=1))+ # 设置x轴标签文本的高度
  scale_fill_discrete(labels=c("流行病和\n卫生统计","数据科学\n与大数据\n技术","数理统计"))+                              # 将图例标签折行
theme(legend.text=element_text(lineheight=1),
      legend.key.height=unit(1,"cm"))+            # 设置图例文本和色键高度
  ggtitle("(b) 在适当位置折行")

# 图（c）设置标签文本宽度
p3<-p+scale_x_discrete(labels=function(x) str_wrap(x,width=8))+  # 设置x轴标签宽度
  theme(axis.text=element_text(lineheight=1))+                   # 设置x轴标签文本的高度
  scale_fill_discrete(labels=function(x) str_wrap(x,width=8))+   # 设置图例标签宽度
  theme(legend.text=element_text(lineheight=1),
        legend.key.height=unit(1,"cm"))+
  ggtitle("(c) 设置标签文本宽度")

grid.arrange(p1,p2,p3,layout_matrix=rbind(c(1,1),c(2,3))) 

5.2 思考

• R语言的”\“为转义符，"Python\n机器学习\n原理与实践" 中的\n表示什么意思？

  在 R语言 中，\n 是一个转义字符，表示换行符（Newline）。当字符串中包含 \n 时，R 会将其解析为换行，使得后续文本从新的一行开始显示。

• grid.arrange()函数中参数设定layout_matrix=rbind(c(1,1),c(2,3)) 表示什么意思？

  在 grid.arrange() 函数（来自 gridExtra 包）中，layout_matrix 参数用于自定义多图形的排列布局。通过 rbind(c(1,1), c(2,3)) 这样的矩阵，可以精确控制每个子图的位置和占位比例。

6 图形外观——使用已有图形主题

6.1 案例代码

df <- data2_1 |> gather(R语言,Python语言,key=课程,value=分数)

p<-ggplot(data=df)+aes(x=课程,y=分数,fill=性别)+
    geom_boxplot()    # 绘制箱线图

p1<-p+theme_grey()+ggtitle("(a)+theme_grey")         # 默认主题
p2<-p+theme_bw()+ggtitle("(b) theme_bw")             # 黑白主题
p3<-p+theme_minimal()+ggtitle("(c) theme_minimal")   # 最小主题
p4<-p+theme_classic()+ggtitle("(d) theme_classic")   # 经典主题


gridExtra::grid.arrange(p1,p2,p3,p4,ncol=2)       # 组合图形

除了ggplot2包自带的主题函数外，还有很多包提供主题函数。

library(ggthemes)

p1<-p+theme_economist_white()+ggtitle("(a) theme_economist_white")  # 《经济学人》杂志白色主题
p2<-p+theme_excel()+ggtitle("(b) theme_excel")   # Excel主题
p3<-p+theme_few()+ggtitle("(c) theme_few")       # 少数人使用的图形主题
p4<-p+theme_stata()+ggtitle("(d) theme_stata")   # 基于Stata图形方案的主题

gridExtra::grid.arrange(p1,p2,p3,p4,ncol=2)      # 组合图形

6.2 思考与代码修改

• 试在Deepseek中提问”R语言中针对ggpolt函数绘图，有哪些主题包和主题函数？“

  1、ggplot2 自带了一些基础主题函数，可以直接通过 theme_*() 调用：

  theme_gray()	默认主题（灰色背景，白色网格线）	ggplot(...) + theme_gray()
  theme_bw()	黑白主题（白色背景，黑色边框）	ggplot(...) + theme_bw()
  theme_minimal()	极简风格（无背景、无边框）	ggplot(...) + theme_minimal()
  theme_classic()	经典风格（无网格线，简洁坐标轴）	ggplot(...) + theme_classic()
  theme_void()	完全空白（只保留图形，无坐标轴）	ggplot(...) + theme_void()
  theme_dark()	暗黑风格（深色背景）	ggplot(...) + theme_dark()

2、除了 ggplot2 自带的主题，还有一些扩展包提供更多风格：

	提供多种出版级主题（如经济学人、华尔街日报等）	theme_economist(), theme_wsj()
cowplot	优化科研绘图，适合论文发表	theme_cowplot(), theme_half_open()
hrbrthemes	现代风格，适合数据可视化	theme_ipsum(), theme_ft_rc()
ggsci	提供科学期刊配色（如 Nature、Science 风格）	theme_sci(), scale_color_npg()
ggpubr	适合医学和生物统计绘图	theme_pubr(), theme_pubclean()

• ggthemes/hrbrthemes/ggpubr等包提供多种商业化绘图主题。选择四种你喜欢的主题设置，应用于案例绘图中。

library(ggthemes)
library(hrbrthemes)
#library(ggpubr)

#
p <- ggplot(mtcars, aes(x = mpg, y = wt, color = factor(cyl))) +
  geom_point(size = 3) +
  labs(title = "汽车油耗与车重的关系", x = "每加仑英里数 (mpg)", y = "车重 (wt)", color = "气缸数")
library(ggpubr)
p + 
  theme_pubr() +                       # 简洁科研主题
  scale_color_manual(values = c("#E69F00", "#56B4E9", "#009E73"))  # 自定义颜色

7 添加注释

7.1 案例绘图

d <- data2_1
p<-ggplot(data=d)+aes(x=R语言,y=Python语言)+
    geom_point(size=3,shape=21,color="black",fill="red2")+ # 绘制点
    scale_x_continuous(breaks=c(70,75,80,85,90,95))+   # 设置x轴值域和刻度线位置
    geom_smooth(method = lm)          # 添加线性回归线和置信带

# 添加注释
p+geom_vline(xintercept=mean(d$R语言),linetype="twodash",color="grey50",size=0.5)+  # 添加x的均值线（垂直线）
  geom_hline(yintercept=mean(d$Python语言),linetype="twodash",color="grey50",size=0.5)+ # 添加y的均值线（水平线）
  geom_point(x=mean(d$R语言),y=mean(d$Python语言),shape=21,size=5,fill="yellow")+# 添加均值点
  annotate("text",x=72,y=81,label="相关系数: r = ",size=5,color="red3")+  # 添加注释文本
  annotate("text",x=77.2,y=81,label=round(cor(d$R语言,d$Python语言),4),size=5,color="red3")+  # 添加相关系数
  geom_rect(xmin=87, xmax=97, ymin=56.5,ymax=63,fill=NA)+# 添加矩形
  annotate("text",x=92,y=60,parse=TRUE,size=5,color="red3",label="r==frac(cor(xy),sqrt(var(x)*var(y)))")+  # 添加相关系数的数学表达式
  annotate("text",x=84,y=81,label="回归线:",size=5,color="blue3")+  # 添加注释文本
  annotate("text",x=88.8,y=81.3,parse=TRUE,size=4.5,color="blue3",label="hat(y)==hat(beta)[0]+hat(beta)[1]*x")+  # 添加回归方程数学表达式
  annotate("segment",x=68.5,xend=79,y=79.8,yend=79.8,color="red4",size=0.5)+ # 添加直线
  annotate("segment",x=88,xend=92,y=80,yend=78,color="blue",size=1,arrow=arrow(angle=15,length=unit(0.2,"inches")))  # 添加带箭头的线

Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
ℹ Please use `linewidth` instead.

`geom_smooth()` using formula = 'y ~ x'

7.2 思考

• annotate()函数中参数parse=TRUE 有什么用，尝试将其删除观测结果变化。

  parse = TRUE 的作用是将文本标签解析为数学表达式或符号（类似于 LaTeX 语法），从而支持数学公式、上下标、希腊字母等高级格式。如果删除 parse = TRUE，文本将按普通字符串显示，不再解析数学表达式。

• 如何将相关性公式的背景框颜色去掉？

  geom_rect(xmin=87, xmax=97, ymin=56.5,ymax=63,fill=NA)+# 添加矩形，将该代码的fill后的颜色改为NA。

8 图形分面

案例绘图

df <- data2_1 |> gather(R语言,Python语言,key=课程,value=分数)

p1<-ggplot(data=df)+aes(x=课程,y=分数,fill=性别)+geom_boxplot()+
    facet_wrap(~性别,ncol=2)+              # 按性别2列分面
    ggtitle("(a) 按性别2列分面")

p2<-ggplot(data=df)+aes(x=课程,y=分数,fill=性别)+geom_boxplot()+
    facet_grid(性别~.)+                   # 按性别2行分面
    ggtitle("(b) 按性别2行分面")

p3<-ggplot(data=df)+aes(x=课程,y=分数,fill=性别)+geom_boxplot()+
    facet_wrap(~课程,ncol=3) +             # 按专业3列分面
    ggtitle("(c) 按专业3列分面")

p4<-ggplot(data=df)+aes(x=课程,y=分数,fill=性别)+geom_boxplot()+
    facet_grid(课程~性别)+              # 按课程（行）和性别（列）分面
    theme(panel.spacing.x=unit(0.2,"lines"),   # 设置子图的x轴间距
          panel.spacing.y=unit(0.1,"lines"),   # 设置子图的y轴间距
          strip.text=element_text(size=10),    # 设置分面字体大小
          strip.background=element_rect(fill="skyblue",color="blue4"))+
                                        # 设置分面背景颜色和边框颜色
    ggtitle("(d) 按课程（行）和性别（列）分面")

gridExtra::grid.arrange(p1,p2,p3,p4,ncol=2)       # 组合图形

8.1 思考

• 分面函数facet_grid()如何使用？

  基本语法：facet_grid(rows = vars(行变量), cols = vars(列变量), …)

  rows：垂直方向的分面变量（每个水平生成一行子图）

  cols：水平方向的分面变量（每个水平生成一列子图）

  vars()：用于指定分面变量（也可直接用 ~ 公式语法）

• 在主题函数theme() 中，以什么开头的参数控制绘图分面要素的属性？

  在 ggplot2 的 theme() 函数中，控制分面要素（facet）属性的参数均以 strip. 开头，这些参数专门用于调整分面标签（facet label）和分面背景的样式。

9 图形组合

9.1 案例绘图

# 设置图形主题（可根据需要设置）
mytheme<-theme(plot.title=element_text(size="11"), # 设置主标题字体大小
   axis.title=element_text(size=10),               # 设置坐标轴标签字体大小
   axis.text=element_text(size=9),                 # 设置坐标轴刻度字体大小
   legend.position="none")

p1<-ggplot(data=df)+aes(x=性别,fill=性别)+
     geom_bar(width=0.8)+ylab("人数")+           # 绘制条形图
     mytheme+ggtitle("(a) 条形图")

p2<-ggplot(data=df)+aes(x=分数)+
geom_histogram(binwidth=5,fill="lightgreen",color="gray50")+# 绘制直方图
     mytheme+ggtitle("(b) 直方图")

p3<-ggplot(data=df)+aes(x=课程,y=分数,fill=课程)+
     geom_boxplot()+                # 绘制箱线图
     mytheme+ggtitle("(c) 箱线图")

p4<-ggplot(data=df,aes(x=课程,y=分数,fill=课程))+
     geom_violin()+                 # 绘制小提琴图
     mytheme+ggtitle("(d) 小提琴图")

p5<-ggplot(data=df)+aes(x=分数,fill=课程,alpha=0.2)+
    geom_density()+                # 绘制核密度图
    xlim(50,105)+ylim(0,0.1)+
    mytheme+ggtitle("(e) 核密度图")

9.2 页面布局1

# 按行填充子图,行高比为1:2
grid.arrange(p1,p2,p3,p5,            # 组合图形p1、p2、p3、p5
    heights=c(1,2),                  # 设置行高为1:2
    layout_matrix=rbind(c(1,2,3),c(5,5,5))) # 2行3列的矩阵布局

9.3 页面布局2

# 按行填充子图，行高比为1:2:1
grid.arrange(p1,p2,p3,p4,p5,            # 组合图形p1、p2、p3、p4、p5
    heights=c(1,2,1),                   # 设置行高为1:2:1
    layout_matrix=rbind(c(1,2,2),c(5,5,5),c(3,3,4))) # 3行3列矩阵布局

9.4 页面布局3

# 按列填充子图,列宽比为1:2
grid.arrange(p1,p2,p3,p4,p5,                # 组合图形p1、p2、p3、p4、p5
    widths=c(1,2),                          # 设置列宽为1:2
    layout_matrix=cbind(c(1,4,3),c(2,5,5))) #  3行2列矩阵布局