ggplot2是一个用来绘制统计图形的R语言包
- 基于《Grammar of Graphics》（Wilkinson，2005）一书的图形语法支持，采用图层的设计方式，从原始图层开始，首先绘制原始数据，然后不断添加图形注释和统计汇总结果，逻辑清晰，功能强大
- 精心挑选了一系列预设图形，可以快速绘出高质量图形
- 如果对格式有额外要求，可以使用主题系统进行定制，不需要花费时间调整外观
2017年10月19日
ggplot2
安装和载入ggplot2
安装ggplot2
install.packages("ggplot2")
载入ggplot2
library(ggplot2)
数据集——diamonds
- 约54000颗钻石的价格和质量信息，数据已经包含在ggplot2包中。
- 数据涵盖了反映钻石质量的四“C”：克拉重量(carat)、切工(cut)、颜色(color)、净度(clarity)，以及五个物理指标：深度(depth)、钻面宽度(table)、x、y、z。
读入数据
data("diamonds")
head(diamonds, 10) # tail(diamonds)
# A tibble: 10 x 10 carat cut color clarity depth table price x y z <dbl> <ord> <ord> <ord> <dbl> <dbl> <int> <dbl> <dbl> <dbl> 1 0.23 Ideal E SI2 61.5 55 326 3.95 3.98 2.43 2 0.21 Premium E SI1 59.8 61 326 3.89 3.84 2.31 3 0.23 Good E VS1 56.9 65 327 4.05 4.07 2.31 4 0.29 Premium I VS2 62.4 58 334 4.20 4.23 2.63 5 0.31 Good J SI2 63.3 58 335 4.34 4.35 2.75 6 0.24 Very Good J VVS2 62.8 57 336 3.94 3.96 2.48 7 0.24 Very Good I VVS1 62.3 57 336 3.95 3.98 2.47 8 0.26 Very Good H SI1 61.9 55 337 4.07 4.11 2.53 9 0.22 Fair E VS2 65.1 61 337 3.87 3.78 2.49 10 0.23 Very Good H VS1 59.4 61 338 4.00 4.05 2.39
str(diamonds)
Classes 'tbl_df', 'tbl' and 'data.frame': 53940 obs. of 10 variables: $ carat : num 0.23 0.21 0.23 0.29 0.31 0.24 0.24 0.26 0.22 0.23 ... $ cut : Ord.factor w/ 5 levels "Fair"<"Good"<..: 5 4 2 4 2 3 3 3 1 3 ... $ color : Ord.factor w/ 7 levels "D"<"E"<"F"<"G"<..: 2 2 2 6 7 7 6 5 2 5 ... $ clarity: Ord.factor w/ 8 levels "I1"<"SI2"<"SI1"<..: 2 3 5 4 2 6 7 3 4 5 ... $ depth : num 61.5 59.8 56.9 62.4 63.3 62.8 62.3 61.9 65.1 59.4 ... $ table : num 55 61 65 58 58 57 57 55 61 61 ... $ price : int 326 326 327 334 335 336 336 337 337 338 ... $ x : num 3.95 3.89 4.05 4.2 4.34 3.94 3.95 4.07 3.87 4 ... $ y : num 3.98 3.84 4.07 4.23 4.35 3.96 3.98 4.11 3.78 4.05 ... $ z : num 2.43 2.31 2.31 2.63 2.75 2.48 2.47 2.53 2.49 2.39 ...
summary(diamonds)
carat cut color clarity
Min. :0.2000 Fair : 1610 D: 6775 SI1 :13065
1st Qu.:0.4000 Good : 4906 E: 9797 VS2 :12258
Median :0.7000 Very Good:12082 F: 9542 SI2 : 9194
Mean :0.7979 Premium :13791 G:11292 VS1 : 8171
3rd Qu.:1.0400 Ideal :21551 H: 8304 VVS2 : 5066
Max. :5.0100 I: 5422 VVS1 : 3655
J: 2808 (Other): 2531
depth table price x
Min. :43.00 Min. :43.00 Min. : 326 Min. : 0.000
1st Qu.:61.00 1st Qu.:56.00 1st Qu.: 950 1st Qu.: 4.710
Median :61.80 Median :57.00 Median : 2401 Median : 5.700
Mean :61.75 Mean :57.46 Mean : 3933 Mean : 5.731
3rd Qu.:62.50 3rd Qu.:59.00 3rd Qu.: 5324 3rd Qu.: 6.540
Max. :79.00 Max. :95.00 Max. :18823 Max. :10.740
y z
Min. : 0.000 Min. : 0.000
1st Qu.: 4.720 1st Qu.: 2.910
Median : 5.710 Median : 3.530
Mean : 5.735 Mean : 3.539
3rd Qu.: 6.540 3rd Qu.: 4.040
Max. :58.900 Max. :31.800
为了分析和展示的方便，选取容量为100的原始数据随机样本。
set.seed(1410) dsmall <- diamonds[sample(nrow(diamonds), 100), ] head(dsmall)
# A tibble: 6 x 10 carat cut color clarity depth table price x y z <dbl> <ord> <ord> <ord> <dbl> <dbl> <int> <dbl> <dbl> <dbl> 1 1.35 Ideal J VS2 61.4 57 5862 7.10 7.13 4.37 2 0.30 Good G VVS1 64.0 57 678 4.23 4.27 2.72 3 0.75 Ideal F SI2 59.2 60 2248 5.87 5.92 3.49 4 0.26 Ideal F VS1 60.9 57 580 4.13 4.11 2.51 5 0.33 Premium H VVS1 61.4 59 752 4.42 4.44 2.72 6 1.52 Ideal G VVS1 62.4 55 15959 7.30 7.39 4.58
qplot绘图
qplot()：ggplot包中的快速绘图函数。
钻石价格和重量的关系
qplot(carat, price, data = dsmall)
变量间有很强的相关关系，以及一些明显的异常值。竖直方向上有一些有趣的条纹，相关关系似乎是指数型的，对变量进行变换。
qplot(log(carat), log(price), data = dsmall)
此时关系接近线性
钻石体积和重量的关系
qplot(carat, x * y * z, data = dsmall)
钻石的密度（质量除以体积）应该是一个常数，因此体积与重量应该是线性关系，但仍存在异常点。
向重量和价格的散点图添加颜色信息
qplot(carat, price, data = dsmall, color = color)
向重量和价格的散点图添加切工信息
qplot(carat, price, data = dsmall, shape = cut)
大数据时，使用半透明的颜色减轻图形元素的重叠，0完全透明，1完全不透明，一般用分数，分母表示10次重叠后完全不透明。
qplot(carat, price, data = diamonds, alpha = I(1/10))
qplot(carat, price, data = diamonds, alpha = I(1/100))
几何对象——geom
几何对象geom描述了应该用何种对象展示数据。
通过改变几何对象geom可以画出任何一种类型的图形。geom = point 绘制散点图，为qplot的默认设置。geom = smooth 绘制平滑曲线图。
qplot(carat, price, data = dsmall, geom = "smooth")
利用 c() 函数将多个几何对象组成一个向量传递给geom，几何对象会按照指定的顺序进行堆叠。
qplot(carat, price, data = dsmall, geom = c("point", "smooth"))
span 调整曲线的平滑程度，取值范围从0（很不平滑）到1（很平滑）。
qplot(carat, price, data = dsmall, geom = c("point", "smooth"),
span = 0.8)
geom = jitter 绘制扰动点图
qplot(color, price / carat, data = diamonds, geom = "jitter")
alpha 参数改变透明图
qplot(color, price / carat, data = diamonds, geom = "jitter",
alpha = I(1 / 5))
qplot(color, price / carat, data = diamonds, geom = "jitter",
alpha = I(1 / 50))
geom = boxplot 绘制箱型图
qplot(color, price / carat, data = diamonds, geom = "boxplot")
geom = histogram 绘制直方图
qplot(carat, data = diamonds, geom = "histogram")
分组绘制直方图
qplot(carat, data = diamonds, geom = "histogram", fill = color)
binwidth 参数设定组距xlim 参数设定x轴范围
qplot(carat, data = diamonds, geom = "histogram", binwidth = 1,
xlim = c(0, 3))
geom = density 绘制密度曲线图，adjust 参数控制曲线的平滑程度。
qplot(carat, data = diamonds, geom = "density")
要在不同组之间对分布进行对比，只需另外加上一个图形映射。
qplot(carat, data = diamonds, geom = "density", color = color)
条形（柱状）图
条形（柱状）图适用于离散变量的情形，采用 geom = bar 绘制。
qplot(color, data = diamonds, geom = "bar")
时间序列中的线条图和路径图
线条图和路径图常用语可视化时间序列数据。
线条图将点从左到右进行连接，路径图则按照点在数剧集中的顺序对其进行连接。
线条图的x轴一般是时间，展示了单个变量随时间变化的情况，路径图则展示了两个变量随时间联动的情况，时间反映在点的顺序上。
economics数据集包含了美国过去40年的经济数据。
str(economics)
Classes 'tbl_df', 'tbl' and 'data.frame': 574 obs. of 6 variables: $ date : Date, format: "1967-07-01" "1967-08-01" ... $ pce : num 507 510 516 513 518 ... $ pop : int 198712 198911 199113 199311 199498 199657 199808 199920 200056 200208 ... $ psavert : num 12.5 12.5 11.7 12.5 12.5 12.1 11.7 12.2 11.6 12.2 ... $ uempmed : num 4.5 4.7 4.6 4.9 4.7 4.8 5.1 4.5 4.1 4.6 ... $ unemploy: int 2944 2945 2958 3143 3066 3018 2878 3001 2877 2709 ...
- date：数据采集月份
- pce：个人消费支出（10亿美元）
- pop：人口数（千人）
- psavert：个人储蓄率
- uempmed：失业时长（星期，中位数）
- unmeploy：失业人数（千人）
summary(economics)
date pce pop psavert
Min. :1967-07-01 Min. : 507.4 Min. :198712 Min. : 1.900
1st Qu.:1979-06-08 1st Qu.: 1582.2 1st Qu.:224896 1st Qu.: 5.500
Median :1991-05-16 Median : 3953.6 Median :253060 Median : 7.700
Mean :1991-05-17 Mean : 4843.5 Mean :257189 Mean : 7.937
3rd Qu.:2003-04-23 3rd Qu.: 7667.3 3rd Qu.:290291 3rd Qu.:10.500
Max. :2015-04-01 Max. :12161.5 Max. :320887 Max. :17.000
uempmed unemploy
Min. : 4.00 Min. : 2685
1st Qu.: 6.00 1st Qu.: 6284
Median : 7.50 Median : 7494
Mean : 8.61 Mean : 7772
3rd Qu.: 9.10 3rd Qu.: 8691
Max. :25.20 Max. :15352
失业率的月变化
qplot(date, unemploy / pop, data = economics, geom = "line")
失业时长的月变化
qplot(date, uempmed, data = economics, geom = "line")
失业率和失业时长随时间的变化路径
qplot(unemploy / pop, uempmed, data = economics,
geom = c("point", "path"))
其他选项
qplot中还有一其他的选项用于控制图形的外观。
- xlim，ylim：设置x轴和Y轴的显示区间，它们的取值都是一个长度为2的数值向量，例如
xlim = c(0, 20)或ylim = c(0.9, 0.5)。 - log：说明哪一个坐标轴应该取对数。例如
log = "x"表示对x轴取对数，log = "xy"表示对x轴和y轴都取对数。 - main：图形的主标题，放置在图形的顶端，以大字号显示，参数的取值可以是一个字符串或一个表达式。
- xlab，ylab：设置x轴和y轴的标签文字，参数的取值可以是字符串或表达式。
qplot(carat, price, data = dsmall, xlab = "Weight (carats)",
ylab = "Price ($)", main = "Price-weight relationship")
qplot(carat, price, data = dsmall, log = "xy")
