ggplot的作者和原理
ggplot2的作者Hadley Wickham
Hadely对ggplot2的图形总结：“一张图就是从数据到几何对象(geometric object, 缩写为geom, 包括点、线、条形等)的图形属性(aesthetic attributes, 缩写为aes, 包括颜色、形状、大小等)的一个映射(mapping)。此外,图形中还可能包含数据的统计变换(statistical transformation, 缩写为stats), 最后绘制在某个特定的坐标系(coordinate system, 缩写为coord)中, 而分面(facet,指将绘图窗口划分为若干个子窗口)则可以用来生成数据中不同子集的图形。”
ggplot的特点
采用图层设计方式，图层之间的叠加用+，后面的图层在前面图层上方。
将表征数据和图形细节分开，能快速将图形表现出来。
扩展包丰富，有专门调整颜色、字体和主题等的辅助包。
> library(ggplot2)
> ggplot(mtcars,aes(x=wt, y=mpg))+geom_point()
ggplot基本语法
数据(变量)映射到几何对象(geom，包括点、线、面等)的图形属性(aes，包括颜色、形状、大小等)。此外还包括数据的统计变换(stats)、绘制特定坐标系(coord)、形成分面(facet)等过程
Plot = data + Aesthetics + Geometry
在ggplot()函数中制定数据集data
在aes()函数中制定图形属性的映射变量，aes()函数必须嵌套在ggplot()中，或嵌套在geom_xxx()函数中
在geom_xxx()函数中制定数据绘图类型
– geom_point（）绘制散点图
– geom_bar（）绘制条形图
– geom_line（）绘制线图
– geom_histogram（）绘制直方图
– geom_boxplot（） 绘制箱式图
– geom_density（）绘制概率密度函数
– geom函数约有40种
- 其他函数可以以图层的方式对图形进行修饰
> ggplot(mtcars, aes(x=wt, y=mpg, color=cyl, size=cyl)) +
+ geom_point() 
> #可以把上面的图分解
> p <-ggplot(mtcars, aes(x=wt, y=mpg, color=cyl, size=cyl))
> p#只生成底图和框架
> p+geom_point()#加散点图图层
> #其实geom_point()只是图层包装函数，背后隐藏的是layer()
> p+layer(
+ mapping = NULL,
+ data = NULL,
+ geom = "point",
+ stat = "identity",
+ position = "identity"
+ )
layer()图层组成
1.映射（mapping）：绘图中图形属性与数据中的对应关系,在aes() 函数中指定，未制定的话从ggplot()函数继承
2.数据（data）：需要可视化的数据集，多数据集以图层形式叠加
3.几何对象（geom）：如bar条形图，point散点图
4.统计变换（stats）：对数据进行统计变换的方式。To keep the data as is, use the “identity” stat.
5.位置（position）：图形位置的形式，jittering（扰动，避免重合）， stacking（堆积），dodging（并列 ）等
ggplot 其他图形调整组成
标度（scale）：变量以什么形状、颜色映射到图形上
分面（facet）：将数据拆开，进行分层画图
主题（theme）：主题设定，与数据无关的图层可以通过这个函数实现
注释(annotate):对图形增加文字类的注释
ggplot实战
- Scatterplot 以mtcars数据集为例，绘制wt（横轴）和mpg（纵轴）的散点图，以am变量为颜色选项
选中单击查看
```{.r .watch-out}
> ggplot(mtcars, aes(x=wt, y=mpg, color=am))+geom_point()
```
在上面的代码中，颜色用as.factor(am)会有何不同？
比较以下两种绘图颜色的差别及原因
> ggplot(mtcars, aes(x=wt, y=mpg, color="blue"))+geom_point()
> ggplot(mtcars, aes(x=wt, y=mpg ),color="blue")+geom_point()
> ggplot(mtcars, aes(x=wt, y=mpg ))+geom_point(color="blue")
> ggplot(mtcars, aes(x=wt, y=mpg ))+geom_point(aes(color="blue"))
> ggplot(mtcars, aes(x=wt, y=mpg ))+geom_point(aes(color="blue"))+scale_colour_identity()
- boxplot
> ggplot(data=iris,aes(x=Species, y=Sepal.Length)) + geom_boxplot(aes(fill=Species)) 
- Histogram
> ggplot(data=iris, aes(x=Sepal.Width)) + geom_histogram(binwidth=0.2, color="black", aes(fill=Species)) 
- Barplot
> ggplot(data=iris, aes(x=Species)) + geom_bar() 
- lineplot
> ggplot(data=iris, aes(x=Sepal.Length,y=Sepal.Width,group=Species,color=Species)) + geom_line(aes(linetype=Species)) 
- 图形修饰
> ggplot(data=iris, aes(x=Sepal.Length,y=Sepal.Width,group=Species,color=Species)) + geom_line(aes(linetype=Species), size = 1.2) +
+ geom_point(aes(shape=Species), size = 3) +
+ scale_shape_manual(values=c(6, 5, 4)) +
+ scale_linetype_manual(values=c("dotdash", "solid", "dotted")) +
+ xlab("Sepal Length") + ylab("Sepal Width") + ggtitle("Line plot of sepal length and width")
- 分面功能
> ggplot(data=iris, aes(x=Sepal.Length,y=Sepal.Width,color=Species)) +
+ geom_point(aes(shape=Species), size = 3) +
+ facet_wrap(~Species)
ggplot()的两个分面函数facet_wrap() 和facet_grid()
这两个函数的区别： 
ggplot统计功能与绘图
- 描述统计图 stat_summary()
stat_summary() operates on unique x or y;stat_summary_bin() operates on binned x or y. They are more flexible versions of stat_bin(): instead of just counting, they can compute any aggregate.
> ggplot(data=iris, aes(x=Species,y=Sepal.Width,color=Species)) +
+ geom_point(size = 3) 
> ggplot(data=iris, aes(x=Species,y=Sepal.Width,color=Species)) +
+ geom_point(position="jitter", size = 3) 
> ggplot(data=iris, aes(x=Species,y=Sepal.Width,color=Species)) +
+ geom_point(position="jitter", size = 3)+
+ stat_summary(
+ fun.y="mean",
+ geom='errorbar',
+ aes(ymin=..y.., ymax=..y..),
+ width=0.6,
+ size=1.5,
+ colour="grey25"
+ ) 
- 直方图 geom_histogram()
Visualise the distribution of a single continuous variable by dividing the x axis into bins and counting the number of observations in each bin. Histograms (geom_histogram) display the count with bars
> ggplot(data=iris, aes(x=Sepal.Width))+ geom_histogram(binwidth=0.2, color="black", fill="blue", aes(y=..density..))#两个.. 是ggplot的标识符，不是ggplot自定义的，而是需要计算的变量
- 分布密度函数 geom_density()
Computes and draws kernel density estimate, which is a smoothed version of the histogram.
> ggplot(data=iris, aes(x=Sepal.Width, fill=Species))+ geom_density(stat="density", alpha=I(0.2))
- 散点+平滑 geom_smooth()
Aids the eye in seeing patterns in the presence of overplotting. geom_smooth() and stat_smooth() are effectively aliases: they both use the same arguments. Use stat_smooth() if you want to display the results with a non-standard geom.
> ggplot(data=iris, aes(x=Sepal.Length, y=Sepal.Width, color=Species)) + geom_point(aes(shape=Species), size=1.5) +geom_smooth(method="lm")## `geom_smooth()` using formula 'y ~ x'
> ggplot(data=iris, aes(x=Sepal.Length, y=Sepal.Width, color=Species)) + geom_point(aes(shape=Species), size=1.5) +geom_smooth(method="loess")## `geom_smooth()` using formula 'y ~ x'