使用 ggplot2 进行数据可视化

  • Published on 2023-12-26
  • Modified on 2024-01-18
  • Word count ≈ 600
  • Reading time ≈ 3 min
1
2

# 准备需要用到的包
library(ggplot2)

分面

facet_wrap(~ class) 按 class 单个变量分面；facet_grid(drv ~ cyl) 按 drv 和 cyl 两个变量分面

几何对象

几何对象是图中用来表示数据的几何图形对象。我们经常根据图中使用的几何对象类型来描述相应的图。例如,条形图使用了条形几何对象,折线图使用了直线几何对象,箱线图 使用了矩形和直线几何对象。散点图打破了这种趋势,它们使用点几何对象。

要想改变图中的几何对象,需要修改添加在 ggplot() 函数中的几何对象函数，如 geom_point()、geom_smooth()。ggplot2 中的每个几何对象函数都有一个 mapping 参数，通过 aes() 函数生成参数，如 mapping = aes(x = displ, y = hwy)。

分类变量

通过分配分类变量（如下面的 linetype = drv），可以对一个几何对象进行分组：

1
2

ggplot(data = mpg) +
    geom_smooth(mapping = aes(x = displ, y = hwy, linetype = drv))
unnamed-chunk-1

常用的分类变量包括 linetype、color、shape、group 等。

使用多个几何对象函数

使用全局映射可以方便修改映射，避免遗漏；使用局部映射则可对单个几何对象函数进行修改，实现更细致的操作。

1
2
3

ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
    geom_point(mapping = aes(color = class)) +
    geom_smooth()
unnamed-chunk-2

甚至可以为不同的几何对象函数指定不同的数据：

1
2
3
4
5
6

ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
    geom_point(mapping = aes(color = class), show.legend = FALSE) +
    geom_smooth(
        data = dplyr::filter(mpg, class == "subcompact"),
        se = FALSE
    )
unnamed-chunk-3

统计变换statstatistical transformation

有些几何对象函数可以计算并绘制出新数据，比如 geom_bar()。

1
2

ggplot(data = diamonds) +
    geom_bar(mapping = aes(x = cut))
unnamed-chunk-4

Y 轴的 count 即为计算出的新变量，而这里使用的统计变换仅是简单的计算数量。查看 ?geom_bar，可以看到 stat 参数的默认值为 "count"；而查看 ?stat_count 会发现，显示的页面即为 ?geom_bar 的页面，且 stat_count() 的 geom 默认参数为 bar，其实两者是等价的，所以你还可以这样写：

1
2

ggplot(data = diamonds) +
    stat_count(mapping = aes(x = cut))
unnamed-chunk-5

有些 stat 函数没有对应的几何对象函数，如 stat_summary()：

1
2
3
4
5
6
7

ggplot(data = diamonds) +
    stat_summary(
        mapping = aes(x = cut, y = depth),
        fun.min = min,
        fun.max = max,
        fun = median
    )
unnamed-chunk-6

位置调整

为 geom_bar() 的 fill 参数指定不同的变量可以让条形会自动分块堆叠起来：

1
2

ggplot(data = diamonds) +
    geom_bar(mapping = aes(x = cut, fill = clarity))
unnamed-chunk-7

这种堆叠是由 position 参数设定的位置调整功能自动完成的，即 position 的默认值 "stack"。此外，还可以为 position 指定其他值，包括 "identity"、"fill"、"dodge"。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

ggplot(
    data = diamonds,
    mapping = aes(x = cut, fill = clarity)
) +
    geom_bar(alpha = 1 / 5, position = "identity")

ggplot(data = diamonds) +
    geom_bar(
        mapping = aes(x = cut, fill = clarity),
        position = "fill"
    )

ggplot(data = diamonds) +
    geom_bar(
        mapping = aes(x = cut, fill = clarity),
        position = "dodge"
    )

unnamed-chunk-8
unnamed-chunk-8
unnamed-chunk-8

还有一种位置调整方式——"jitter"（抖动）：

1
2
3
4
5

ggplot(data = diamonds) +
    geom_bar(
        mapping = aes(x = cut, fill = clarity),
        position = "jitter"
    )
unnamed-chunk-9

这种位置调整方式更适用于散点图，可以为每一个点添加一个随机的“抖动”避免存在过多点时，点彼此重叠，影响对分布密度的直观判断。

1
2
3
4
5

ggplot(data = mpg) +
    geom_point(
        mapping = aes(x = displ, y = hwy),
        position = "jitter"
    )
unnamed-chunk-10

尽管添加随机性会损失图形的精确性，但可以大大提高图形的启发性。对比下面两张图：

1
2
3
4
5

ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
    geom_point()

ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
    geom_point(position = "jitter")

unnamed-chunk-11
unnamed-chunk-11

可以使用 geom_jitter() 函数代替 position 参数来对抖动进行更详细的设置。

1
2
3
4
5

ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
    geom_point() + geom_jitter(width = 0, height = 0)

ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
    geom_point() + geom_jitter(width = 0.5, height = 0.5)

jitter
jitter

坐标系

  • coord_flip() 函数可以交换 x 轴和 y 轴。
  • coord_quickmap() 函数可以为地图设置合适的纵横比。
  • coord_polar() 函数使用极坐标系。
1
2
3
4
5

ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
    geom_boxplot()
ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
    geom_boxplot() +
    coord_flip()

unnamed-chunk-12
unnamed-chunk-12

1
2
3
4
5
6
7

nz <- map_data("nz")

ggplot(nz, aes(long, lat, group = group)) +
    geom_polygon(fill = "white", color = "black")
ggplot(nz, aes(long, lat, group = group)) +
    geom_polygon(fill = "white", color = "black") +
    coord_quickmap()

unnamed-chunk-13
unnamed-chunk-13

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

bar <- ggplot(data = diamonds) +
    geom_bar(
        mapping = aes(x = cut, fill = cut),
        show.legend = FALSE,
        width = 1
    ) +
    theme(aspect.ratio = 1) +
    labs(x = NULL, y = NULL)

bar + coord_flip()
bar + coord_polar()

unnamed-chunk-14
unnamed-chunk-14

总结：图形分层语法

可以将任何图形精确地描述为数据集、几何对象、映射集合、统计变换、位置调整、坐标系和分面模式的一个组合，图形语法正是基于这样的深刻理解构建出来的：

1
2
3
4
5
6
7
8

ggplot(data = <DATA>) +
    <GEOM_FUNCTION>(
        mapping = aes(<MAPPINGS>),
        stat = <STAT>,
        position = <POSITION>
    ) +
    <COORDINATE_FUNCTION> +
    <FACET_FUNCTION>
R 数据科学