本节课内容

这节课讲二维数据可视化的核心内容：

• 什么是二维图形
• 为什么不同问题要用不同的图
• base R 的 plot() 系统怎么理解
• ggplot2 的图层结构怎么理解
• 条形图、饼图、直方图、密度图、箱线图、散点图、折线图、分面图
• 每一种图要看什么
• 每一种图最常见的误区是什么

为什么可视化重要？

数据分析不是只会“算”。

更重要的是：

• 发现结构
• 展示关系
• 比较差异
• 观察分布
• 解释结果

表格擅长展示精确值， 图形擅长展示整体模式。

所以可视化既是展示工具，也是分析工具。

什么叫二维图形？

二维图形，就是在一个平面中表达信息。

通常包含两个基本方向：

• 横轴（x）
• 纵轴（y）

有些图虽然还能映射颜色、形状、大小， 但它们的主要结构仍然是二维的。

二维图最常见的任务包括：

• 比较类别
• 观察分布
• 分析两个变量关系
• 看时间趋势
• 看分组差异

本节课用到的数据

主要使用 R 自带数据集：

• mtcars：汽车数据，适合讲散点图、条形图、箱线图
• iris：分类数据，适合讲分组概念
• airquality：连续变量，适合讲分布
• economics：时间序列，适合讲折线图

先看数据

head(mtcars)

                   mpg cyl disp  hp drat    wt  qsec vs am gear carb
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

head(iris)

  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa

head(airquality)

  Ozone Solar.R Wind Temp Month Day
1    41     190  7.4   67     5   1
2    36     118  8.0   72     5   2
3    12     149 12.6   74     5   3
4    18     313 11.5   62     5   4
5    NA      NA 14.3   56     5   5
6    28      NA 14.9   66     5   6

变量类型必须先看清楚

str(mtcars)

'data.frame':   32 obs. of  11 variables:
 $ mpg : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
 $ cyl : num  6 6 4 6 8 6 8 4 4 6 ...
 $ disp: num  160 160 108 258 360 ...
 $ hp  : num  110 110 93 110 175 105 245 62 95 123 ...
 $ drat: num  3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
 $ wt  : num  2.62 2.88 2.32 3.21 3.44 ...
 $ qsec: num  16.5 17 18.6 19.4 17 ...
 $ vs  : num  0 0 1 1 0 1 0 1 1 1 ...
 $ am  : num  1 1 1 0 0 0 0 0 0 0 ...
 $ gear: num  4 4 4 3 3 3 3 4 4 4 ...
 $ carb: num  4 4 1 1 2 1 4 2 2 4 ...

一个初学者非常容易犯的错是：

看到数字，就默认它是连续变量。

但其实有些数字只是“编码”，更适合当类别处理。

例如：

• cyl：4、6、8，表示不同气缸类别
• am：0、1，表示不同变速箱类型
• gear：3、4、5，表示档位类别

这些变量在很多图里最好转成 factor。

先做一份适合画图的数据

mtcars2 <- mtcars |>
  mutate(
    cyl = factor(cyl),
    am = factor(am, labels = c("Automatic", "Manual")),
    gear = factor(gear)
  )

str(mtcars2)

'data.frame':   32 obs. of  11 variables:
 $ mpg : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
 $ cyl : Factor w/ 3 levels "4","6","8": 2 2 1 2 3 2 3 1 1 2 ...
 $ disp: num  160 160 108 258 360 ...
 $ hp  : num  110 110 93 110 175 105 245 62 95 123 ...
 $ drat: num  3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
 $ wt  : num  2.62 2.88 2.32 3.21 3.44 ...
 $ qsec: num  16.5 17 18.6 19.4 17 ...
 $ vs  : num  0 0 1 1 0 1 0 1 1 1 ...
 $ am  : Factor w/ 2 levels "Automatic","Manual": 2 2 2 1 1 1 1 1 1 1 ...
 $ gear: Factor w/ 3 levels "3","4","5": 2 2 2 1 1 1 1 2 2 2 ...
 $ carb: num  4 4 1 1 2 1 4 2 2 4 ...

一、base R 图形系统：plot() 怎么理解

plot() 不是“只有一种图”

很多人一开始会以为 plot() 就是“画散点图”。

更准确地说，plot() 是 base R 中最基础的通用绘图入口。 它会根据你传入的数据类型和参数，画出不同图形。

最基本形式是：

plot(x, y)

当 x 和 y 都是数值向量时， 它通常会画出散点图。

plot() 的最基本含义

plot(mtcars$wt, mtcars$mpg)

这句代码的含义是：

• 横轴使用 wt
• 纵轴使用 mpg

图中的每一个点代表一个观测值，也就是一辆车。

这是最基本的二维关系图。

plot() 常见参数总览

plot(x, y,
     main = "title",
     xlab = "x label",
     ylab = "y label",
     col = "blue",
     pch = 19,
     cex = 1.2,
     lwd = 2,
     type = "p",
     xlim = c(...),
     ylim = c(...))

这些参数分别控制不同部分。

main、xlab、ylab

plot(
  mtcars$wt, mtcars$mpg,
  main = "Weight vs MPG",
  xlab = "Weight",
  ylab = "MPG"
)

含义：

• main：图标题
• xlab：x轴标签
• ylab：y轴标签

这三个参数几乎是最基本的标注。

如果不写，图可以画出来； 但如果拿去上课或做报告，图往往不够完整。

col、pch、cex

plot(
  mtcars$wt, mtcars$mpg,
  main = "Weight vs MPG",
  xlab = "Weight",
  ylab = "MPG",
  col = "steelblue",
  pch = 19,
  cex = 1.3
)

含义：

• col：颜色
• pch：点的形状
• cex：点的大小倍数

其中：

• pch = 1 常见为空心圆
• pch = 16、19 常见为实心点
• cex > 1 表示点变大
• cex < 1 表示点变小

type 参数：决定图形呈现方式

plot() 很重要的一个参数是 type。

常见取值：

• "p"：points，点图
• "l"：line，线图
• "b"：both，点和线
• "h"：vertical lines，垂直线
• "n"：先建立坐标系但不真正画图

type = "l"：折线图

plot(
  AirPassengers,
  type = "l",
  main = "AirPassengers",
  ylab = "Passengers"
)

当 type = "l" 时， plot() 会把相邻观测用线连起来。

这就特别适合时间序列或有顺序的数据。

lwd、xlim、ylim

plot(
  mtcars$wt, mtcars$mpg,
  main = "Weight vs MPG",
  xlab = "Weight",
  ylab = "MPG",
  col = "steelblue",
  pch = 19,
  cex = 1.2,
  xlim = c(1.5, 5.8),
  ylim = c(10, 35)
)

含义：

• lwd：线宽，在线图中最明显
• xlim：x轴显示范围
• ylim：y轴显示范围

坐标范围的设置会影响图的视觉效果， 所以要谨慎，不要人为制造夸张差异。

一个较完整的 plot() 示例

plot(
  mtcars$wt, mtcars$mpg,
  main = "Weight vs MPG",
  xlab = "Weight",
  ylab = "Miles Per Gallon",
  col = "steelblue",
  pch = 19,
  cex = 1.2
)

这张图已经包含：

• 数据映射
• 标题
• 坐标标签
• 点样式

它是一张完整的基础散点图。

在 plot() 后继续加元素

base R 的一个重要特点是：

先画一张图，再往上加东西。

例如可以加：

• 回归线：abline()
• 新的点：points()
• 文字：text()
• 图例：legend()

给 plot() 加回归线

plot(
  mtcars$wt, mtcars$mpg,
  main = "Weight vs MPG",
  xlab = "Weight",
  ylab = "MPG",
  col = "steelblue",
  pch = 19
)

abline(lm(mpg ~ wt, data = mtcars), col = "red", lwd = 2)

这里：

• lm(mpg ~ wt, data = mtcars) 是拟合线性模型
• abline() 把这条回归直线画上去
• col 控制回归线颜色
• lwd 控制回归线粗细

二、ggplot2 图形系统：整体结构

ggplot2 的核心思想

ggplot2 和 base R 最大的区别是：

• base R 更像“直接下命令画图”
• ggplot2 更像“先搭图，再叠图层”

它的基本逻辑是：

图 = 数据 + 映射 + 几何对象 + 标签 + 主题

ggplot2 的基本模板

ggplot(data = 数据框, aes(x = 变量1, y = 变量2)) +
  geom_某种图形() +
  labs(...) +
  theme(...)

这是理解 ggplot2 的核心模板。

ggplot()：指定数据

ggplot(mtcars, aes(x = wt, y = mpg))

这句本身不会完整生成最终图， 它更像是在告诉 R：

• 我要用 mtcars 这个数据集
• 我要把 wt 放到 x 轴
• 我要把 mpg 放到 y 轴

也就是说，它先建立“绘图框架”。

aes()：美学映射

aes() 是 aesthetics 的缩写。 通常翻译为“美学映射”或“图形映射”。

它的意思是：

把变量映射到视觉属性上。

最常见的是：

• x
• y
• color
• fill
• shape
• size
• alpha

aes(x = wt, y = mpg) 的含义

ggplot(mtcars, aes(x = wt, y = mpg)) +
  geom_point()

这里表示：

• wt 映射到 x 轴
• mpg 映射到 y 轴

再加上 geom_point()， 就表示把这些点画成散点图。

aes() 里和外的区别

这是 ggplot2 最重要也最容易混淆的地方之一。

写在 aes() 里面

表示“映射”

例如：

aes(color = cyl)

表示颜色随着 cyl 不同而变化。

写在 aes() 外面

表示“固定设置”

例如：

color = "red"

表示所有点都用红色。

例子：映射颜色

ggplot(mtcars2, aes(x = wt, y = mpg, color = cyl)) +
  geom_point(size = 3)

这里：

• 颜色是变量 cyl 的视觉映射
• 不同气缸数组会显示不同颜色

因此，颜色在这里携带信息。

例子：固定颜色

ggplot(mtcars2, aes(x = wt, y = mpg)) +
  geom_point(size = 3, color = "steelblue")

这里：

• 颜色只是样式设置
• 它不代表任何变量信息

所以你要让学生分清楚：

映射是“数据驱动”，固定是“样式设置”。

geom_*()：几何对象

geom 是 geometry 的缩写。 它表示：要把数据画成什么图形。

常见的 geom 包括：

• geom_bar()：条形图
• geom_point()：散点图
• geom_line()：折线图
• geom_histogram()：直方图
• geom_boxplot()：箱线图
• geom_density()：密度图
• geom_smooth()：拟合线

labs()：标签系统

labs() 用来设置：

• 标题 title
• 副标题 subtitle
• x轴名 x
• y轴名 y
• 图例标题 color / fill 等

例如：

labs(
  title = "Weight vs MPG",
  subtitle = "Scatter plot",
  x = "Weight",
  y = "MPG",
  color = "Cylinder"
)

theme()：整体样式

theme() 用来控制图的非数据部分外观， 例如：

• 字体
• 网格线
• 图例位置
• 标题样式
• 背景

而 theme_minimal()、theme_classic()、theme_bw() 等是预设主题。

一个完整的 ggplot 示例

ggplot(mtcars2, aes(x = wt, y = mpg, color = cyl)) +
  geom_point(size = 3) +
  labs(
    title = "Weight vs MPG",
    subtitle = "Color represents cylinder categories",
    x = "Weight",
    y = "MPG",
    color = "Cylinders"
  )

这个例子里：

• ggplot()：指定数据与映射
• geom_point()：决定画成散点图
• labs()：补全标题和标签
• 颜色映射表达第三个变量

三、条形图 Bar Chart

条形图的用途

条形图最适合展示：

类别之间的比较

它擅长回答：

• 哪一类最多？
• 哪一类最少？
• 类别之间差距大不大？

它不适合表达连续变量的细致分布。

什么时候用条形图？

典型场景：

• 不同专业人数
• 不同政党席位数
• 不同地区样本量
• 问卷选项频数

条形图的核心是：比较离散类别。

先统计不同 cyl 的数量

table(mtcars2$cyl)

 4  6  8 
11  7 14 

这一步不是画图， 而是先看清楚频数结构。

base R：条形图

barplot(
  table(mtcars2$cyl),
  main = "Number of Cars by Cylinder",
  xlab = "Cylinder",
  ylab = "Count",
  col = c("#a8dadc", "#457b9d", "#1d3557")
)

base R barplot() 代码解释

这里的组成是：

• table(mtcars2$cyl)：先统计每个类别的数量
• main：图标题
• xlab：横轴名称
• ylab：纵轴名称
• col：柱子的颜色

也就是说，barplot() 本身通常需要一个已经统计好的向量或表。

ggplot2：条形图

ggplot(mtcars2, aes(x = cyl, fill = cyl)) +
  geom_bar(width = 0.7, alpha = 0.9) +
  labs(
    title = "不同气缸数汽车的数量比较",
    subtitle = "条形图用于展示类别频数差异",
    x = "气缸数",
    y = "数量"
  ) +
  guides(fill = "none")

geom_bar() 的语法解释

这里：

• ggplot(mtcars2, aes(x = cyl, fill = cyl))

  • 数据是 mtcars2
  • 横轴是 cyl
  • 填充颜色也根据 cyl 变化

• geom_bar()

  • 默认会自动统计每个类别的数量
  • 所以这里不需要提前 table()

• width = 0.7

  • 控制柱子宽度

• alpha = 0.9

  • 控制透明度

条形图应该怎么看？

看到条形图，重点看：

1. 哪个柱子最高
2. 哪个柱子最低
3. 组间差距是否明显
4. 某些类别是否样本过少

它表达的是“类别之间的差异”， 而不是变量的连续变化过程。

条形图最容易和什么混淆？

最容易和直方图混淆。

条形图

• 横轴是类别
• 柱子彼此分开
• 看类别比较

直方图

• 横轴是连续区间
• 柱子通常连在一起
• 看分布

这点一定要专门讲。

四、饼图 Pie Chart

饼图的用途

饼图用来展示：

整体中各部分所占比例

整个圆代表 100%， 每一个扇形代表某一类占整体的份额。

什么时候适合用饼图？

饼图适合：

• 类别较少
• 强调整体构成
• 强调比例而不是精确比较

例如：

• 各专业占比
• 市场份额
• 支出结构
• 投票比例

什么时候不适合用饼图？

饼图不适合：

• 类别太多
• 需要精确比较
• 各组差异很小
• 想表达时间趋势

如果你想做精确比较， 条形图通常比饼图更清楚。

base R：饼图

counts <- c(15, 25, 30, 20)
labels <- c("Economics", "Finance", "CS", "Math")

pie(
  counts,
  labels = labels,
  col = c("#8ecae6", "#219ebc", "#023047", "#ffb703"),
  main = "Major Distribution"
)

pie() 代码解释

这里：

• counts

  • 每一类的数量

• labels

  • 每个扇形的标签

• col

  • 每个扇形的颜色

• main

  • 图标题

pie() 会自动把数量换算成比例面积。

带百分比的饼图

counts <- c(15, 25, 30, 20)
pct <- round(counts / sum(counts) * 100)
labels_pct <- paste(c("Economics", "Finance", "CS", "Math"), pct, "%")

pie(
  counts,
  labels = labels_pct,
  col = c("#8ecae6", "#219ebc", "#023047", "#ffb703"),
  main = "Major Distribution with Percentages"
)

这段代码为什么这样写？

这里的关键步骤是：

• sum(counts)：计算总数
• counts / sum(counts)：得到比例
• * 100：转为百分比
• round()：四舍五入
• paste(...)：把类别名和百分比拼成标签

这样画出来的饼图更容易直接读。

ggplot2：饼图的原理

ggplot2 没有单独的“饼图函数”。

它的思路是：

先画条形图，再把坐标系转成极坐标

也就是说，饼图本质上是“条形图的极坐标版本”。

ggplot2：饼图代码

df_pie <- data.frame(
  category = c("A", "B", "C", "D"),
  value = c(10, 20, 30, 40)
)

ggplot(df_pie, aes(x = "", y = value, fill = category)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y") +
  theme_void() +
  labs(
    title = "Pie Chart with ggplot2",
    fill = "Category"
  )

ggplot2 饼图逐行解释

• aes(x = "", y = value, fill = category)

  • x 写成空字符串，表示所有柱子堆叠在同一位置
  • y 是真实数值
  • fill 决定不同类别颜色

• geom_bar(stat = "identity", width = 1)

  • stat = "identity" 表示使用数据本身的数值
  • width = 1 让柱子填满整个圆周

• coord_polar("y")

  • 把直角坐标变成极坐标
  • 条形图因此变成饼图

• theme_void()

  • 去掉背景和坐标轴

饼图应该怎么看？

重点看：

1. 哪个扇区最大
2. 哪个扇区最小
3. 是否存在主导类别
4. 整体是否相对均衡

它强调的是“整体构成”， 而不是非常精细的数值差别。

五、直方图 Histogram

直方图的用途

直方图用来展示：

一个连续变量在不同区间中的分布情况

它回答的问题包括：

• 数据集中在哪？
• 分布宽不宽？
• 是否对称？
• 是否偏斜？
• 是否可能有多个峰？

为什么直方图重要？

因为在做数据分析时， 你经常要先问：

这个变量长什么样？

直方图就是最经典的单变量分布观察工具之一。

base R：直方图

hist(
  mtcars2$mpg,
  breaks = 8,
  main = "Distribution of MPG",
  xlab = "Miles Per Gallon",
  col = "#8ecae6",
  border = "white"
)

hist() 代码解释

• mtcars2$mpg

  • 要观察分布的连续变量

• breaks = 8

  • 把数据分成 8 组区间

• main

  • 标题

• xlab

  • 横轴名称

• col

  • 柱子填充色

• border

  • 柱子边框颜色

直方图怎么看？

横轴表示：

• 连续变量的区间

纵轴表示：

• 落在该区间内的观测数量

所以它看的不是“类别多少”， 而是“数据集中在哪些范围”。

读直方图时看什么？

重点看五件事：

1. 集中位置：大多数数据在哪个区间
2. 离散程度：分布宽还是窄
3. 对称性：左右是否平衡
4. 偏态：左尾长还是右尾长
5. 峰数：单峰还是多峰

这几乎就是认识一个变量分布的基本框架。

ggplot2：直方图

ggplot(mtcars2, aes(x = mpg)) +
  geom_histogram(
    binwidth = 2,
    fill = "#48bfe3",
    color = "white",
    linewidth = 0.6
  ) +
  labs(
    title = "MPG 的分布",
    subtitle = "直方图用于展示连续变量在区间上的频数分布",
    x = "MPG",
    y = "频数"
  )

geom_histogram() 代码解释

这里：

• aes(x = mpg)：指定要观察分布的连续变量
• geom_histogram()：画直方图
• binwidth = 2：每个区间宽度为 2
• fill：柱子颜色
• color：边框颜色
• linewidth：边框线粗细

和 base R 的 breaks 类似， binwidth 也会直接影响图的样子。

为什么 binwidth 很重要？

如果 binwidth 太小：

• 图会过碎
• 噪声会变多

如果 binwidth 太大：

• 图会太粗
• 细节会消失

所以直方图并不是“唯一客观”的， 它会受到分组方式影响。

六、密度图 Density Plot

密度图的用途

密度图也用于观察连续变量分布。

和直方图相比：

• 直方图强调区间频数
• 密度图强调平滑后的整体形状

它更适合看：

• 分布峰的位置
• 分布是否平滑
• 两组分布是否不同

ggplot2：单变量密度图

ggplot(mtcars2, aes(x = mpg)) +
  geom_density(
    fill = "#b7e4c7",
    alpha = 0.7,
    linewidth = 1
  ) +
  labs(
    title = "MPG 的密度分布",
    subtitle = "密度图展示连续变量的平滑分布形状",
    x = "MPG",
    y = "Density"
  )

geom_density() 代码解释

• aes(x = mpg)：指定连续变量
• geom_density()：画密度曲线
• fill：曲线下面填充颜色
• alpha：透明度
• linewidth：曲线线宽

与直方图不同，这里不需要指定区间数量， 因为它用的是平滑估计。

密度图应该怎么读？

密度图的纵轴不是“人数”或“频数”， 而是“密度”。

初学阶段不用把它讲得太数学化。 只需要记住：

• 曲线越高，数据在该区域越集中
• 曲线越低，数据在该区域越少
• 峰值位置代表常见数值区域

分组密度图

ggplot(mtcars2, aes(x = mpg, fill = am)) +
  geom_density(alpha = 0.4, linewidth = 1) +
  labs(
    title = "不同变速箱类型下 MPG 的分布",
    subtitle = "分组密度图适合比较不同类别的连续变量分布",
    x = "MPG",
    y = "Density",
    fill = "Transmission"
  )

分组密度图怎么看？

你可以看：

1. 哪一组整体更靠左或更靠右
2. 哪一组更宽，说明组内差异更大
3. 是否有多峰，说明内部可能有子结构

这比只比较平均值更丰富， 因为它展示的是“整个分布”。

七、箱线图 Boxplot

箱线图的用途

箱线图是一种压缩型分布图。 它特别适合做组间比较。

它能够同时展示：

• 中心位置
• 离散程度
• 偏态
• 异常值

为什么箱线图重要？

如果你只用条形图比较均值， 很多分布信息都会丢失。

箱线图能让你看到：

• 组内是否稳定
• 组间差异来自哪里
• 是否存在异常值

所以它在正式分析中很常见。

base R：单变量箱线图

boxplot(
  mtcars2$mpg,
  main = "Boxplot of MPG",
  ylab = "MPG",
  col = "#ffd166"
)

boxplot() 这张图怎么看？

箱线图里最重要的几部分：

• 中间那条线：中位数
• 箱体下边：第一四分位数
• 箱体上边：第三四分位数
• 箱体本身：中间 50% 数据范围
• 须：正常范围内更远的数据
• 单独的小点：可能的异常值

ggplot2：分组箱线图

ggplot(mtcars2, aes(x = am, y = mpg, fill = am)) +
  geom_boxplot(width = 0.6, alpha = 0.85) +
  labs(
    title = "不同变速箱类型的 MPG 分布",
    subtitle = "箱线图适合比较组间中心位置、离散程度与异常值",
    x = "变速箱类型",
    y = "MPG",
    fill = "Transmission"
  )

geom_boxplot() 代码解释

• x = am

  • 表示按变速箱类型分组

• y = mpg

  • 表示每组内观察 mpg 分布

• fill = am

  • 不同组用不同填充色

• width = 0.6

  • 箱体宽度

• alpha = 0.85

  • 透明度

分组箱线图要看什么？

重点看：

1. 中位数谁更高
2. 哪组箱体更高，说明更分散
3. 哪组须更长，说明总体波动更大
4. 是否有异常值

所以箱线图不是单纯比较“高低”， 而是在比较“分布结构”。

八、散点图 Scatter Plot

散点图的用途

散点图用于分析：

两个连续变量之间的关系

它擅长回答：

• 是否相关？
• 是正相关还是负相关？
• 关系强不强？
• 是否接近线性？
• 是否有异常点？
• 是否可能有不同群组？

为什么散点图很基础？

只要你开始关心：

X 和 Y 之间有什么关系？

散点图通常就是第一张图。 它是理解相关结构最基础的工具。

base R：散点图

plot(
  mtcars2$wt, mtcars2$mpg,
  main = "Weight vs MPG",
  xlab = "Weight",
  ylab = "MPG",
  pch = 19,
  col = "#1d3557"
)

这张散点图怎么读？

• 每个点代表一辆车
• 横轴是重量 wt
• 纵轴是油耗 mpg

所以每个点表示：

某辆车同时有某个重量和某个油耗值。

读散点图时看什么？

按这个顺序看：

1. 整体方向：右上还是右下
2. 关系强弱：点很紧还是很散
3. 形状：线性、弯曲还是无规律
4. 异常值：是否有特别远的点
5. 分组结构：是否分成几个簇

ggplot2：散点图

ggplot(mtcars2, aes(x = wt, y = mpg)) +
  geom_point(size = 3, color = "#1d3557", alpha = 0.85) +
  labs(
    title = "汽车重量与油耗的关系",
    subtitle = "散点图用于研究两个连续变量之间的关联结构",
    x = "重量（wt）",
    y = "油耗（mpg）"
  )

geom_point() 代码解释

• aes(x = wt, y = mpg)

  • 指定两个连续变量

• geom_point()

  • 把观测画成点

• size

  • 点大小

• color

  • 固定颜色

• alpha

  • 透明度

散点图中加入拟合线

ggplot(mtcars2, aes(x = wt, y = mpg)) +
  geom_point(size = 3, color = "#1d3557", alpha = 0.85) +
  geom_smooth(method = "lm", se = TRUE, color = "#e63946", linewidth = 1.2) +
  labs(
    title = "汽车重量与油耗：带线性拟合线",
    subtitle = "拟合线帮助我们更清楚地看整体趋势",
    x = "重量（wt）",
    y = "油耗（mpg）"
  )

geom_smooth() 代码解释

• method = "lm"

  • 使用线性回归拟合

• se = TRUE

  • 显示置信区间阴影

• color

  • 线颜色

• linewidth

  • 线宽

这层的作用是帮助我们更清楚地看整体趋势。

用颜色映射第三个变量

ggplot(mtcars2, aes(x = wt, y = mpg, color = cyl)) +
  geom_point(size = 3.2, alpha = 0.9) +
  labs(
    title = "重量、油耗与气缸数",
    subtitle = "颜色映射让一张二维图同时表达第三个变量",
    x = "重量（wt）",
    y = "油耗（mpg）",
    color = "气缸数"
  )

这张图为什么信息更多？

因为它同时表达了：

• x轴：重量
• y轴：油耗
• 颜色：气缸类别

所以你不仅看到两个变量关系， 还看到不同类别是否聚在不同区域。

这就是二维图中的多变量表达。

九、折线图 Line Chart

折线图的用途

折线图最适合展示：

一个变量随时间或顺序的变化

它擅长表达：

• 趋势
• 波动
• 转折点
• 周期性

为什么时间数据常用折线图？

因为折线图强调“连续过程”。

当相邻点被线连接时， 读者会自然把它理解成一个变化轨迹。

因此只要横轴是时间， 折线图往往是首选。

载入时间序列数据

data(economics, package = "ggplot2")
head(economics)

# A tibble: 6 × 6
  date         pce    pop psavert uempmed unemploy
  <date>     <dbl>  <dbl>   <dbl>   <dbl>    <dbl>
1 1967-07-01  507. 198712    12.6     4.5     2944
2 1967-08-01  510. 198911    12.6     4.7     2945
3 1967-09-01  516. 199113    11.9     4.6     2958
4 1967-10-01  512. 199311    12.9     4.9     3143
5 1967-11-01  517. 199498    12.8     4.7     3066
6 1967-12-01  525. 199657    11.8     4.8     3018

ggplot2：折线图

ggplot(economics, aes(x = date, y = unemploy)) +
  geom_line(color = "#264653", linewidth = 1) +
  labs(
    title = "失业人数随时间的变化",
    subtitle = "折线图适合展示趋势、波动与转折",
    x = "日期",
    y = "失业人数"
  )

geom_line() 代码解释

• aes(x = date, y = unemploy)

  • 横轴是时间
  • 纵轴是失业人数

• geom_line()

  • 用线连接相邻时间点

• color

  • 线颜色

• linewidth

  • 线宽

折线图怎么读？

看四件事：

1. 总体趋势：上升还是下降
2. 波动大小：平稳还是起伏大
3. 转折点：哪段变化明显
4. 周期性：是否有重复模式

折线图最擅长讲“过程”。

base R：基础折线图

plot(
  AirPassengers,
  type = "l",
  lwd = 2,
  col = "#2a9d8f",
  main = "AirPassengers Time Series",
  ylab = "Passengers"
)

这段 base R 折线图代码解释

• AirPassengers

  • 时间序列对象

• type = "l"

  • 指定为线图

• lwd = 2

  • 线宽

• col

  • 线颜色

• main

  • 标题

• ylab

  • y轴名称

十、分面图 Facet Plot

分面图是什么？

分面图不是新的图种， 而是一种展示方式。

它的作用是：

把不同组拆成多个小图， 让你在相同坐标框架下比较它们。

为什么分面图很有用？

有些图如果所有组放在一张图里，会出现：

• 颜色太多
• 点重叠严重
• 组别互相干扰

分面图能让每个组单独显示， 同时又保持可比性。

ggplot2：分面散点图

ggplot(mtcars2, aes(x = wt, y = mpg)) +
  geom_point(color = "#457b9d", size = 2.8, alpha = 0.85) +
  geom_smooth(method = "lm", se = FALSE, color = "#e63946") +
  facet_wrap(~ cyl) +
  labs(
    title = "不同气缸数组中的重量与油耗关系",
    subtitle = "分面图帮助我们比较不同组的内部模式",
    x = "重量（wt）",
    y = "MPG"
  )

facet_wrap(~ cyl) 代码解释

• facet_wrap(~ cyl)

  • 按 cyl 分组
  • 每个类别生成一个小图

这里的小图共用统一逻辑， 所以组间比较会更清楚。

分面图应该怎么看？

重点看：

1. 每组内部趋势是否一致
2. 哪组点更分散
3. 哪组关系更明显
4. 哪组是否有异常值

分面图的好处是把“组内结构”和“组间比较”放在一起。

十一、可视化选择逻辑

看到问题，先想图形

十二、初学者常见错误

错误一：图选错了

例如：

• 用条形图看连续变量分布
• 用折线图画没有顺序的类别
• 用散点图画两个类别变量

错误二：变量类型没处理好

例如：

• 把 0/1 编码直接当连续变量
• 没把类别变量转成 factor
• 把类别变量拿去画直方图

错误三：标签不完整

一张图至少要清楚说明：

• 图标题
• 横轴是什么
• 纵轴是什么
• 图例表示什么

如果这些都不写， 读者只能猜。

错误四：把相关说成因果

特别是在散点图里， 学生很容易看到趋势就说“X 导致 Y”。

图可以告诉你：

• 是否存在关联
• 方向如何
• 关系强弱如何

但图本身通常不能直接证明因果。

十三、怎么口头解释一张图？

一个标准框架

1. 先说这张图展示了什么变量
2. 再说为什么选这种图
3. 再说图中观察到的模式
4. 最后说图不能说明什么

这是最稳妥、最像学术表达的方式。

例子：怎么解释散点图

这张散点图展示了汽车重量与油耗之间的关系。横轴是重量，纵轴是每加仑英里数。点整体呈现向右下分布，说明较重的汽车通常对应较低的 mpg，即油耗表现相对较差。加入拟合线后，这种负向关系更加清楚。但需要注意，这张图只能说明相关结构，不能单凭图本身证明因果关系。

例子：怎么解释箱线图

这张箱线图比较了不同变速箱类型下 mpg 的分布。它不仅展示了两组的中位数差异，也展示了组内离散程度以及可能存在的异常值。因此，箱线图比只比较均值更完整地反映了分布差异。

本节课总结

今天我们讲了：

• base R 的 plot() 结构
• ggplot2 的图层结构
• 条形图
• 饼图
• 直方图
• 密度图
• 箱线图
• 散点图
• 折线图
• 分面图
• 图形解释方式
• 常见错误

总结

• 条形图：看类别比较
• 饼图：看整体占比
• 直方图：看连续变量分布
• 密度图：看平滑分布形态
• 箱线图：看中心、离散与异常值
• 散点图：看两个连续变量关系
• 折线图：看趋势和变化过程
• 分面图：看不同组内部模式

谢谢大家

下一节课：更进一步的可视化表达（三维，地图，动态图）