分析數(shù)據(jù)要做的第一件事情，就是觀察它。對(duì)于每個(gè)變量，哪些值是最常見的？值域是大是??？是否有異常觀測(cè)？

ggplot2圖形之基本語法：

ggplot2的核心理念是將繪圖與數(shù)據(jù)分離，數(shù)據(jù)相關(guān)的繪圖與數(shù)據(jù)無關(guān)的繪圖分離
ggplot2是按圖層作圖
ggplot2保有命令式作圖的調(diào)整函數(shù)，使其更具靈活性
ggplot2將常見的統(tǒng)計(jì)變換融入到了繪圖中。
ggplot的繪圖有以下幾個(gè)特點(diǎn)：第一，有明確的起始（以ggplot函數(shù)開始）與終止（一句語句一幅圖）；其二，圖層之間的疊加是靠“+”號(hào)實(shí)現(xiàn)的，越后面其圖層越高。
ggplot圖的元素可以主要可以概括如下：最大的是plot（指整張圖，包括background和title），其次是axis（包括stick，text，title和stick）、legend（包括backgroud、text、title）、facet這是第二層次，其中facet可以分為外部strip部分（包括backgroud和text）和內(nèi)部panel部分（包括backgroud、boder和網(wǎng)格線grid，其中粗的叫g(shù)rid.major，細(xì)的叫g(shù)rid.minor）。
ggplot2里的所有函數(shù)可以分為以下幾類：
用于運(yùn)算（我們?cè)诖瞬恢v，如fortify_，mean_等）
初始化、展示繪圖等命令（ggplot，plot，print等）
按變量組圖（facet_等）
真正的繪圖命令（stat_，geom_，annotate），這三類就是實(shí)現(xiàn)一個(gè)函數(shù)一個(gè)圖層的核心函數(shù)。
微調(diào)圖型：嚴(yán)格意義上說，這一類函數(shù)不是再實(shí)現(xiàn)圖層，而是在做局部調(diào)整。
aes : 同樣適用于修改geom_XXX() aes參數(shù)控制了對(duì)哪些變量進(jìn)行圖形映射，以及映射方式
圖形屬性（aes） 橫縱坐標(biāo)、點(diǎn)的大小、顏色，填充色等

完整公式總結(jié)：

ggplot(data = , aes(x = , y = )) +
geom_XXX(...) + ... + stat_XXX(...) + ... +
annotate(...) + ... + labs(...) +
scale_XXX(...) + coord_XXX(...) + guides(...) + theme(...) +
facet_XXX(...)
#完整ggplot2繪圖示意：
library(ggplot2)
attach(iris)
p <- ggplot(data=iris,aes(x = Sepal.Length,y = Sepal.Width))
p + geom_point(aes(colour = Species)) + stat_smooth() + 
labs(title = "Iris of Sepal.length \n According to the Sepal.Width") +
theme_classic() + theme_bw() +annotate("text",x=7,y=4,parse = T,label = "x[1]==x[2]",size=6, family="serif",fontface="italic", colour="darkred")

geom :表示幾何對(duì)象，它是ggplot中重要的圖層控制對(duì)象，因?yàn)樗?fù)責(zé)圖形渲染的類型。
幾何對(duì)象（geom_） 上面指定的圖形屬性需要呈現(xiàn)在一定的幾何對(duì)象上才能被我們看到，這些承載圖形屬性的對(duì)象可能是點(diǎn)，可能是線，可能是bar

stat :統(tǒng)計(jì)變換 比如求均值，求方差等，當(dāng)我們需要展示出某個(gè)變量的某種統(tǒng)計(jì)特征的時(shí)候，需要用到統(tǒng)計(jì)變換

annotate：添加注釋 #由于設(shè)置的文本會(huì)覆蓋原來的圖中對(duì)應(yīng)的位置，可以改變文本的透明度或者顏色 例： annotate(geom='text')會(huì)向圖形添加一個(gè)單獨(dú)的文本對(duì)象 annotate("text",x=23,y=200,parse=T,label = "x[1]==x[2]")

labs : labs(x = "這是 X 軸", y = "這是 Y 軸", title = "這是標(biāo)題") ## 修改文字

scale_: 標(biāo)度是一種函數(shù)，它控制了數(shù)學(xué)空間到圖形元素空間的映射。一組連續(xù)數(shù)據(jù)可以映射到X軸坐標(biāo)，也可以映射到一組連續(xù)的漸變色彩。一組分類數(shù)據(jù)可以映射成為不同的形狀，也可以映射成為不同的大小，這就是與aes內(nèi)的各種美學(xué)（shape、color、fill、alpha）調(diào)整有關(guān)的函數(shù)。

coord_：調(diào)整坐標(biāo)，控制了圖形的坐標(biāo)軸并影響所有圖形元素. 調(diào)整坐標(biāo) coord_flip()來翻轉(zhuǎn)坐標(biāo)軸。使用xlim()和ylim()來設(shè)置連續(xù)型坐標(biāo)軸的最小值和最大值 coord_cartesian(xlim=c(0,100),ylim=c(0,100))

guides：調(diào)整所有的text。

theme：調(diào)整不與數(shù)據(jù)有關(guān)的圖的元素的函數(shù)。theme函數(shù)采用了四個(gè)簡(jiǎn)單地函數(shù)來調(diào)整所有的主題特征：element_text調(diào)整字體，element_line調(diào)整主題內(nèi)的所有線，element_rect調(diào)整所有的塊，element_blank清空。theme(panel.grid =element_blank()) ## 刪去網(wǎng)格線

facet :控制分組繪圖的方法和排列形式
# 不指定數(shù)據(jù)集時(shí)，data = NULL
一個(gè)圖形對(duì)象就是一個(gè)包含數(shù)據(jù)，映射，圖層，標(biāo)度，坐標(biāo)和分面的列表，外加組件options
ggplot(數(shù)據(jù), 映射) geom_xxx(映射, 數(shù)據(jù)) stat_xxx(映射, 數(shù)據(jù))

# 通過“+”實(shí)現(xiàn)不同圖層的相應(yīng)累加，且越往后的圖層表現(xiàn)在上方
點(diǎn)（point, text）：往往只有x、y指定位置，有shape但沒有fill
線(line,vline,abline,hline,stat_function等)：一般是基于函數(shù)來處理位置
射(segment)：特征是指定位置有xend和yend，表示射線方向
面(tile, rect)：這類一般有xmax,xmin,ymax,ymin指定位置
棒(boxplot,bin,bar,histogram)：往往是二維或一維變量，具有width屬性
帶(ribbon,smooth):透明是特征是透明的fill
補(bǔ)：包括rug圖，誤差棒(errorbar,errorbarh)
然后，就是按照你的需要一步步加圖層了（使用“+”）。

＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊

基本語法：

數(shù)據(jù)（data）：將要展示的數(shù)據(jù)；

映射（mapping）：數(shù)據(jù)中的變量到圖形成分的映射；

幾何對(duì)象（geom）：用來展示數(shù)據(jù)的幾何對(duì)象，如geom_point,geom_bar,geom_abline；

圖形屬性（aes）：圖形屬性決定了圖形的外觀，如字體大小、標(biāo)簽位置及刻度線；

標(biāo)度（scale）：決定了變量如何被映射到圖形屬性上；

坐標(biāo)（coordinate）：數(shù)據(jù)如何被映射到圖中。如coord_cartesian:笛卡爾坐標(biāo)、coord_polar:極坐標(biāo)、coord_map:地理投影；

統(tǒng)計(jì)變換（stat）：對(duì)數(shù)據(jù)進(jìn)行匯總，如箱線圖：stat_boxplot、線圖：stat_abline、直方圖：stat_bin

分面（facet）：用來描述數(shù)據(jù)如何被拆分為子集，以及對(duì)不同子集是如何繪制的。

位置調(diào)整（position）：對(duì)圖形位置做精細(xì)控制。

創(chuàng)建ggplot對(duì)象：使用ggplot函數(shù)：

ggplot(data,mapping=aes(),...,environment=globalenv())

幾何對(duì)象：

為了指定圖形類型，必須加入圖層，可采用layer()函數(shù)?？梢允褂谩皃oint”等短名稱來指定幾何對(duì)象。layer函數(shù)允許將幾何對(duì)象作為名稱和值的配對(duì)，這樣就不需要指出函數(shù)全名，而只需要geom_后面的部分。幾何對(duì)象如下：

統(tǒng)計(jì)變換

標(biāo)度函數(shù)

坐標(biāo)系

分面

位置

Chap1. R 基礎(chǔ)

## 加載文件

1. 默認(rèn)情況下，數(shù)據(jù)集中的字符串（String）會(huì)被視為因子（Factor）處理，此時(shí)可以設(shè)置stringAsFactors = FALSE,將文本變量視為字符串表示。
2. 讀取xlsx和xls文件：packagexlsx(Java)和gdata(Perl)
3. foreign:read.spss;read.octave;read.systat;read.xport;read.dta

Chap2. 快速探索數(shù)據(jù)（略）

## 概述 qplot()函數(shù)的語法與基礎(chǔ)繪圖系統(tǒng)類似，簡(jiǎn)短易輸入，通常用于探索性數(shù)據(jù)分析。qplot(x,y,data,geom=c(xx,xx))

條形圖

1. barplot()第一個(gè)向量用來設(shè)定條形的高度，第二個(gè)向量用來設(shè)定每個(gè)條形對(duì)應(yīng)的標(biāo)簽（可選）。
2. 變量值條形圖： 兩個(gè)輸入變量，x為分類變量，y表示變量值
3. 頻數(shù)條形圖：一個(gè)輸入變量，需要注意連續(xù)x軸和離散x軸的差異。

直方圖

與條形圖不同的地方在于，x為連續(xù)型變量

箱線圖

1. 需要傳遞兩個(gè)向量：x和y
2. 在x軸上引入兩變量的交互：interaction()
3. Question:基礎(chǔ)繪圖系統(tǒng)和ggplot2的箱線圖略有不同。

繪制函數(shù)圖像

ggplot(data.frame(x=c(0,20)), aes(x=x)) + stat_function(fun=myfun, geom = "line")

Chap3. 條形圖

重要細(xì)節(jié)：條形圖的高度表示的是數(shù)據(jù)集中變量的頻數(shù)，還是表示變量取值本身

## 概述 條形圖通常用來展示不同的分類下（x軸）某個(gè)數(shù)值型變量的取值（y軸），其條形高度既可以表示數(shù)據(jù)集中變量的頻數(shù)，也可以表示變量取值本身。

參數(shù)

1. fill:改變條形圖的填充色；colour:添加邊框線；position:改變條形圖的類型；linetype:線型
2. scale_fill_brewer()和scale_fill_manual()設(shè)置顏色
3. scale_fill_brewer(palette="Pastell")

條形圖

1. 頻數(shù)條形圖：只需要一個(gè)輸入變量，當(dāng)變量為連續(xù)型變量時(shí)，等價(jià)于直方圖。
2. 顏色映射在aes()內(nèi)部完成，而顏色的重新設(shè)定在aes()外部完成。
3. 排序：ggplot(upc, aes=(x=reorder(Abb, Change)), y =Change, fill = Region)
4. 正負(fù)條形圖著色：首先，創(chuàng)建一個(gè)對(duì)取值正負(fù)情況進(jìn)行標(biāo)示的變量，然后參數(shù)設(shè)定為position='identity',這可以避免系統(tǒng)因?qū)ω?fù)值繪制堆積條形而發(fā)出的警告信息。
5. guide=FALSE刪除圖例
6. width調(diào)整條形圖的條形寬度；position_dodge(0.7)調(diào)整條形間距（中心距離）
7. 堆積條形圖：geom_bar(stat='identity')默認(rèn)情況
8. 更改圖例顏色順序:guides(fill = guide_legend(reverse=TRUE))
9. 調(diào)用調(diào)色板 scale_fill_brewer(palette='Pastell')和手動(dòng)：scale_fill_manual()
10. 百分比堆積圖：首先利用plyr包種的ddply()轉(zhuǎn)化數(shù)據(jù)，然后再繪圖.
11. 添加 數(shù)據(jù)標(biāo)簽：geom_text(aes(y = label_y, label=Weight),vjust=xxx)其中y用來控制標(biāo)簽的位置
12. 繪制Cleveland點(diǎn)圖：通常都會(huì)設(shè)置成根據(jù)x軸對(duì)應(yīng)的連續(xù)變量的大小取值對(duì)數(shù)據(jù)進(jìn)行排序。
13. reorder(x,y)：先將x轉(zhuǎn)化為因子，然后根據(jù)y對(duì)其進(jìn)行排序。
14. 主題系統(tǒng)（Theming System）:theme(panel.grid.major.x = element_blank(),panel.grid.minor.x = element_blank())

匯總好的數(shù)據(jù)集繪制條形圖：

1. x <- c('A','B','C','D','E')
2. y <- c(13,22,16,31,8)
3. df <- data.frame(x= x, y = y)
4. ggplot(data = df, mapping = aes(x = x, y = y)) + geom_bar(stat= 'identity')

對(duì)于條形圖的y軸就是數(shù)據(jù)框中原本的數(shù)值時(shí)，必須將geom_bar()函數(shù)中stat(統(tǒng)計(jì)轉(zhuǎn)換)參數(shù)設(shè)置為’identity’，即對(duì)原始數(shù)據(jù)集不作任何統(tǒng)計(jì)變換，而該參數(shù)的默認(rèn)值為’count’，即觀測(cè)數(shù)量。

使用明細(xì)數(shù)據(jù)集繪制條形圖：

1. set.seed(1234)
   x <- sample(c('A','B','C','D'), size = 1000, replace= TRUE, prob = c(0.2,0.3,0.3,0.2))
   y <- rnorm(1000) * 1000
   df = data.frame(x= x, y = y)
   ggplot(data = x = x, mapping = aes(x = factor(x), y = ..count..))+ geom_bar(stat = 'count')

數(shù)據(jù)集本身是明細(xì)數(shù)據(jù)，而對(duì)于統(tǒng)計(jì)某個(gè)離散變量出現(xiàn)的頻次時(shí)，geom_bar()函數(shù)中stat(統(tǒng)計(jì)轉(zhuǎn)換)參數(shù)只能設(shè)置為默認(rèn)，即’count’。

當(dāng)然，如果需要對(duì)明細(xì)數(shù)據(jù)中的某個(gè)離散變量進(jìn)行聚合(均值、求和、最大、最小、方差等)后再繪制條形圖的話，建議先使用dplyr包中的group_by()函數(shù)和summarize()函數(shù)實(shí)現(xiàn)數(shù)據(jù)匯總，具體可參見：

http://mp.weixin.qq.com/s?__biz=MzIxNjA2ODUzNg==&mid=402687811&idx=1&sn=fb4ada05aef7bf34b9fc35f97221d55f#rd

從x軸的數(shù)據(jù)類型來看：有字符型的x值也有數(shù)值型的x值

上面的兩幅圖對(duì)應(yīng)的x軸均為離散的字符型值，如果x值是數(shù)值型時(shí)，該如何正確繪制條形圖？

1. set.seed(1234)
2. x <- sample(c(1,2,4,6,7), size = 1000, replace = TRUE,prob = c(0.1,0.2,0.2,0.3,0.2))
3. ggplot(data = data.frame(x = x), mapping= aes(x = x, y = ..count..)) + geom_bar(stat = 'count')

如果直接使用數(shù)值型變量作為條形圖的x軸，我們會(huì)發(fā)現(xiàn)條形圖之間產(chǎn)生空缺，這個(gè)空缺其實(shí)對(duì)應(yīng)的是3和5兩個(gè)值，這樣的圖形并不美觀。為了能夠使條形圖之間不存在類似的空缺，需要將數(shù)值型的x轉(zhuǎn)換為因子，即factor(x)，如下圖所示：

1. ggplot(data = data.frame(x = x), mapping = aes(x = factor(x), y = ..count..))+ geom_bar(stat = 'count')

上面幾幅圖的顏色均為灰色的，顯得并不是那么亮眼，為了使顏色更加豐富多彩，可以在geom_bar()函數(shù)內(nèi)通過fill參數(shù)可colour參數(shù)設(shè)置條形圖的填充色和邊框色，例如：

1. ggplot(data = data.frame(x = x), mapping = aes(x = factor(x), y = ..count..))+ geom_bar(stat = 'count', fill = 'steelblue', colour = 'darkred')

關(guān)于顏色的選擇可以在R控制臺(tái)中輸入colours()，將返回657種顏色的字符。如果想查看所有含紅色的顏色值，可以輸入colours()[grep(‘red’,
colours())]返回27種紅色。

繪制簇條形圖

以上繪制的條形圖均是基于一個(gè)離散變量作為x軸，如果想繪制兩個(gè)離散變量的條形圖即簇條形圖該如何處理呢？具體見下方例子：

1. x <- rep(1:5, each = 3)
2. y <- rep(c('A','B','C'),times = 5)
3. set.seed(1234)
4. z <- round(runif(min = 10, max = 20, n = 15)) df <- data.frame(x= x, y = y, z = z)
6. ggplot(data = df, mapping = aes(x = factor(x), y = z,fill = y)) + geom_bar(stat = 'identity', position = 'dodge')

對(duì)于簇條形圖只需在ggplot()函數(shù)的aes()參數(shù)中將其他離散變量賦給fill參數(shù)即可。這里的position參數(shù)表示條形圖的擺放形式，默認(rèn)為堆疊式(stack)，還可以是百分比的堆疊式。下面分別設(shè)置這兩種參數(shù)，查看一下條形圖的擺放形式。

堆疊式：

1. ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat= 'identity', position = 'stack')

發(fā)現(xiàn)一個(gè)問題，條形圖的堆疊順序(A,B,C)與圖例順序(C,B,A)恰好相反，這個(gè)問題該如何處理呢？很簡(jiǎn)單，只需再添加guides()函數(shù)進(jìn)行設(shè)置即可，如下所示：

1. ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat= 'identity', position = 'stack') + guides(fill = guide_legend(reverse= TRUE))

guides()函數(shù)將圖例引到fill屬性中，再使圖例反轉(zhuǎn)即可。

百分比堆疊式：

1. ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat= 'identity', position = 'fill')

顏色配置：

同樣，如果覺得R自動(dòng)配置的填充色不好看，還可以根據(jù)自定義的形式更改條形圖的填充色，具體使用scale_fill_brewer()和scale_fill_manual()函數(shù)進(jìn)行顏色設(shè)置。

scale_fill_brewer()函數(shù)使用R自帶的ColorBrewer畫板

ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat= 'identity', position = 'dodge') + scale_fill_brewer(palette = 'Accent')

具體的調(diào)色板顏色可以查看scale_fill_brewer()函數(shù)的幫助。

scale_fill_manual()函數(shù)允許用戶給指定的分類水平設(shè)置響應(yīng)的色彩，個(gè)人覺得這個(gè)比較方便

1. col <- c('darkred','skyblue','purple')
2. ggplot(data = df, mapping =aes(x = factor(x), y = z, fill = y)) + geom_bar(stat = 'identity', colour= 'black', position = 'dodge') + scale_fill_manual(values = col, limits= c('B','C','A')) + xlab('x')

a <- ggplot(mpg, aes(x=hwy))
a + stat_bin(aes(fill=..count.., color=-1*..ndensity..), binwidth = 1)

1. #不經(jīng)排序的條形圖，默認(rèn)按x值的順序產(chǎn)生條形圖
2. x <- c('A','B','C','D','E','F','G')
3. y <-c('xx','yy','yy','xx','xx','xx','yy')
4. z <- c(10,33,12,9,16,23,11) 
5. df<- data.frame(x = x, y = y, z = z)
6. ggplot(data = df, mapping = aes(x= x, y = z, fill = y)) + geom_bar(stat = 'identity')

按z值的大小，重新排列條形圖的順序，只需將aes()中x的屬性用reorder()函數(shù)更改即可。

1. ggplot(data = df, mapping = aes(x = reorder(x, z), y = z, fill = y)) +geom_bar(stat = 'identity') + xlab('x')

關(guān)于條形圖的微調(diào)

如何y軸的正負(fù)值區(qū)分開來，并去除圖例

1. set.seed(12)
   x <- 1980 + 1:35
   y <- round(100*rnorm(35))
   df <- data.frame(x = x,y = y)
   # 判斷y是否為正值
   df <- transform(df,judge = ifelse(y>0,"YES","NO"))
   # 去除圖例用theme()主題函數(shù)
   ggplot(df,aes(x = x,y = y,fill = judge))+
   geom_bar(stat = "identity")+
   theme(legend.position= "")+
   xlab("Year")+
   scale_fill_manual(values = c("darkred","blue"))

stat參數(shù)和position參數(shù)均設(shè)置為identity，目的是圖形繪制不要求對(duì)原始數(shù)據(jù)做任何的變換，包括統(tǒng)計(jì)變換和圖形變換，排除圖例可以通過scale_fill_manual()函數(shù)將參數(shù)guide設(shè)置為FALSE，同時(shí)該函數(shù)還可以自定義填充色，一舉兩得。

ggplot(data = df, mapping = aes(x = x, y = y, fill = judge))+
geom_bar(stat = 'identity', position = 'identity')+
scale_fill_manual(values = c('blue','red'), guide = FALSE)+
xlab('Year')

調(diào)整條形圖的條形寬度和條形間距

geom_bar()函數(shù)可以非常靈活的將條形圖的條形寬度進(jìn)行變寬或變窄設(shè)置,具體通過函數(shù)的width參數(shù)實(shí)現(xiàn)，width的最大值為1，默認(rèn)為0.9。

x <- c("A","B","C","D","E")
y <- c(10,20,15,22,18)
df <- data.frame(x = x,y = y)
# 不作任何條形寬度的調(diào)整
ggplot(df,aes(x = x,y = y))+
geom_bar(stat = "identity",fill = "steelblue",colour = "black") 

# 使條形寬度變寬
ggplot(df,aes(x = x,y = y))+geom_bar(stat = "identity",fill = "steelblue",colour = "black",width = 1)

對(duì)于簇條形圖來說，還可以調(diào)整條形之間的距離，默認(rèn)情況下，條形圖的組內(nèi)條形間隔為0，具體可通過函數(shù)的position_dodge參數(shù)實(shí)現(xiàn)條形距離的調(diào)整，為了美觀，一般將條形距離設(shè)置的比條形寬度大一點(diǎn)。

1. x <- rep(1:5,each = 3)
   y <- rep(c("A","B","C"),times = 5)
   set.seed(12)
   z <- round(runif(min = 10,max = 20,n = 15))
   df <- data.frame(x = x,y = y,z = z)
   # 不做任何條形寬度和條形距離的調(diào)整
   ggplot(df,aes(x = factor(x),y = z,fill = y))+
   geom_bar(stat = "identity",position = "dodge")

調(diào)整條形寬度和條形距離

1. ggplot(data = df, mapping = aes(x = factor(x), y = z, fill = y)) + geom_bar(stat= 'identity', width = 0.5, position = position_dodge(0.7))

添加數(shù)據(jù)標(biāo)簽

geom_text()函數(shù)可以方便的在圖形中添加數(shù)值標(biāo)簽，具體微調(diào)從幾個(gè)案例開始：

1. # 添加標(biāo)簽
   ggplot(df,aes(x = interaction(x,y),y = z,fill = y))+
   geom_bar(stat = "identity")+
   geom_text(aes(label = z))

   

除此之外，還可以調(diào)整標(biāo)簽的大小、顏色、位置等。

1. ggplot(data = df, mapping = aes(x = interaction(x,y), y = z, fill = y))+ geom_bar(stat = 'identity') + ylim(0,max(z)+1) + geom_text(mapping =aes(label = z), size = 8, colour = 'orange', vjust = 1)

ylim設(shè)置條形圖中y軸的范圍；size調(diào)整標(biāo)簽字體大小，默認(rèn)值為5號(hào)；colour更換標(biāo)簽顏色；vjust調(diào)整標(biāo)簽位置，1為分界線，越大于1，標(biāo)簽越在條形圖上界下方，反之則越在條形圖上上界上方。

# vjust 調(diào)整標(biāo)簽豎直位置,越大,標(biāo)簽越在條形圖的上界下方；0.5時(shí)，則在中間。
# hjust 調(diào)整標(biāo)簽水平位置，越大,標(biāo)簽越在條形圖的上界左邊；0.5時(shí)，則在中間。

對(duì)于水平交錯(cuò)的簇條形圖，必須通過geom_text()函數(shù)中的position_dodge()參數(shù)來調(diào)整標(biāo)簽位置，hjust=0.5將標(biāo)簽水平居中放置。

1. ggplot(data = df, mapping = aes(x = x, y = z, fill = y)) + geom_bar(stat
2. = 'identity', position = 'dodge') + geom_text(mapping = aes(label = z),
3. size = 5, colour = 'black', vjust = 1, hjust = .5, position = position_dodge(0.9))

這里的圖形位置與標(biāo)簽位置擺放必須一致，即圖形位置geom_bar()函數(shù)中的position = 'dodge'參數(shù)，標(biāo)簽位置geom_text()函數(shù)中的position
= position_dodge(0.9)參數(shù)。

對(duì)于堆疊的簇條形圖，必須通過geom_text()函數(shù)中的position_stack()參數(shù)來調(diào)整標(biāo)簽位置，hjust將標(biāo)簽水平居中放置。

1. ggplot(data = df, mapping = aes(x = x, y = z, fill = y)) + geom_bar(stat
2. = 'identity', position = 'stack') + geom_text(mapping = aes(label = z),
3. size = 5, colour = 'black', vjust = 3.5, hjust = .5, position = position_stack())

這里的圖形位置與標(biāo)簽位置擺放必須一致，即圖形位置geom_bar()函數(shù)中的position = 'stack'參數(shù)，標(biāo)簽位置geom_text()函數(shù)中的position
= position_stack()參數(shù)。

補(bǔ)充:統(tǒng)計(jì)變換 
若x軸變量為連續(xù)的，則用sta = bin； 
若離散型的,可用stat = “count”或stat = “identity”

參考資料

R數(shù)據(jù)可視化手冊(cè)

R語言_ggplot2：數(shù)據(jù)分析與圖形藝術(shù)

Chap4. 折線圖

概述

折線圖可以反映某種現(xiàn)象的趨勢(shì)。通常折線圖的橫坐標(biāo)是時(shí)間變量，縱坐標(biāo)則是一般的數(shù)值型變量。當(dāng)然，折線圖也允許橫縱坐標(biāo)為離散型和數(shù)值型。

折線圖通常用來對(duì)兩個(gè)連續(xù)變量之間的相互依存關(guān)系進(jìn)行可視化。其中x也可以是因子型變量。

簡(jiǎn)單折線圖

geom_line()

1. 對(duì)于因子型變量，必須使用aes(group=1)以確保ggplot()知道這些數(shù)據(jù)點(diǎn)屬于同一個(gè)分組，從而應(yīng)該用一條折線連在一起。
2. 數(shù)據(jù)標(biāo)記相互重疊：需要相應(yīng)地左移或者右移連接線以避免點(diǎn)線偏離。geom_line(position=position_dodge(0.2))
3. 參數(shù)：線型(linetype),線寬（size）,顏色（colour）:邊框線
4. 在aes()函數(shù)外部設(shè)定顏色、線寬、線型和點(diǎn)型等參數(shù)會(huì)將所有目標(biāo)對(duì)象設(shè)定為同樣的參數(shù)值。
5. 面積圖：geom_area(),alpha調(diào)節(jié)透明度
6. 堆積面積圖：geom_area()基礎(chǔ)上，映射一個(gè)因子型比那里給填充色（fill）即可
7. 添加置信域：geom_ribbon(),然后分貝映射一個(gè)變量給ymin和ymax。geom_ribbon(aes(ymin=xx,ymax=xx), alpha = 0.2)

一、繪制單條折線圖

library(ggplot2)
library(lubridate) #處理日期時(shí)間相關(guān)的R包，非常有用，強(qiáng)烈推薦
Year <- year(seq(from = as.Date('2006-01-01'), to = as.Date('2015-01-01'), by = 'year'))
Weight <- c(23,35,43,57,60,62,63,66,61,62)
df <- data.frame(Year = Year, Weight = Weight)
ggplot(data = df, mapping = aes(x = factor(Year), y = Weight, group = 1)) + geom_line() + xlab('Year')

有關(guān)離散變量的折線圖 

type <- c('A','B','C','D','E')
quanlity <- c(1,1.1,2.1,1.5,1.7)
df <- data.frame(type = type, quanlity = quanlity)
ggplot(data = df, mapping = aes(x = type, y = quanlity, group = 1)) + geom_line()

有關(guān)連續(xù)變量的折線圖 

set.seed(1234)

times <- 1:15

value <- runif(15,min = 5,max = 15)

df <- data.frame(times = times, value = value)

ggplot(data = df, mapping = aes(x = times, y = value)) + geom_line()

善于發(fā)現(xiàn)的你，可能會(huì)注意到上面三段代碼有一個(gè)重要的不同之處，那就是第一段和第二段代碼中含有‘group = 1’的設(shè)置。這樣做是因?yàn)闄M坐標(biāo)的屬性設(shè)置為了因子，即將連續(xù)型的年份和離散型的字符轉(zhuǎn)換為因子，如果不添加‘group = 1’這樣的條件，繪圖將會(huì)報(bào)錯(cuò)。故務(wù)必需要記住這里的易犯錯(cuò)誤的點(diǎn)！

往折線圖中添加標(biāo)記（點(diǎn)） 當(dāng)數(shù)據(jù)點(diǎn)密度比較小或采集分布(間隔)不均勻時(shí)，為折線圖做上標(biāo)記將會(huì)產(chǎn)生非常好的效果。處理的方法非常簡(jiǎn)單，只需在折線圖的基礎(chǔ)上再加上geom_point()函數(shù)即可。

set.seed(1234)

year <- c(1990,1995,2000,2003,2005,2006,2007,2008,2009,2010,2011,2012,2013,2014,2015)

value <- runif(15, min = 10, max = 50)

df <- data.frame(year = year, value = vlaue)

ggplot(data = df, mapping = aes(x = year, y = value)) + geom_line() + geom_point()

從圖中就可以非常明顯的看出，剛開始采集的點(diǎn)分布非常散，而后面采集的點(diǎn)就比較密集，這也有助于對(duì)圖的理解和應(yīng)用。

二、繪制多條折線圖 上面繪制的都是單條這折線圖，對(duì)于兩個(gè)或兩個(gè)以上的折線圖該如何繪制呢？也很簡(jiǎn)單，只需將其他離散變量賦給諸如colour(線條顏色)和linetype(線條形狀)的屬性即可，具體參見下文例子。

基于顏色的多條折線圖

set.seed(1234)
year <- rep(1990:2015, times = 2)
type <- rep(c('A','B'),each = 26)
value <- c(runif(26),runif(26, min = 1,max = 1.5))
df <- data.frame(year = year, type = type, value = value)
ggplot(data = df, mapping = aes(x = year, y = value, colour = type)) + geom_line()

基于形狀的多條折線圖

ggplot(data = df, mapping = aes(x = year, y = value, linetype= type)) + geom_line()

同樣需要注意的是，在繪制多條折線圖時(shí)，如果橫坐標(biāo)為因子，必須還得加上‘group=分組變量’的參數(shù)，否則報(bào)錯(cuò)或繪制出錯(cuò)誤的圖形。

以上繪制的折線圖，均采用默認(rèn)格式，不論是顏色、形狀、大小還是透明度，均沒有給出自定義的格式。其實(shí)ggplot2包也是允許用戶根據(jù)自己的想法設(shè)置這些屬性的。

自定義線條或點(diǎn)的顏色—scale_color_manual()

自定義線條類型—scale_linetype_manual()

自定義點(diǎn)的形狀—scale_shape__manual()

自定義點(diǎn)的大小或線條的寬度—scale_size__manual()

自定義透明度—scale_alpha__manual()

綜合的例子：

ggplot(data = df, mapping = aes(x = year, y = value, linetype = type, colour = type, shape = type, fill = type))

+ geom_line() + geom_point() #繪制線圖和點(diǎn)圖

+ scale_linetype_manual(values = c(1,2)) #自定義線條類型

+ scale_color_manual(values = c('steelblue','darkred')) #自定義顏色

+ scale_shape_manual(values = c(21,23)) #自定義點(diǎn)形狀

+ scale_fill_manual(values = c('red','black')) #自定義點(diǎn)的填充色

雖然這幅圖畫的優(yōu)點(diǎn)夸張，目的是想說明可以通過自定義的方式，想怎么改就可以怎么改。前提是aes()屬性的內(nèi)容與自定義的內(nèi)容對(duì)應(yīng)上。

三、繪制堆積面積圖

繪制堆疊的面積圖只需要geom_area()函數(shù)再加上一個(gè)離散變量映射到fill就可以輕松實(shí)現(xiàn)，先忙咱小試牛刀一下。

set.seed(1234)
year <- rep(1990:2015, times = 2)
type <- rep(c('A','B'),each = 26)
value <- c(runif(26),runif(26, min = 1,max = 1.5))
df <- data.frame(year = year, type = type, value = value)
ggplot(data = df, mapping = aes(x = year, y = value, fill = type)) + geom_area()

一幅堆疊的面積圖就輕松繪制成功，但我們發(fā)現(xiàn)，堆疊的順序與圖例的順序恰好相反，不用急，只需要加一句命令即可：

ggplot(data = df, mapping = aes(x = year, y = value, fill = type)) + geom_area() + guides(fill = guide_legend(reverse = TRUE))

如果需要為每一塊面積圖的頂部加上一條直線，可以通過如下兩種方式：

ggplot(data = df, mapping = aes(x = year, y = value, fill = type)) + geom_area(colour = 'black', size =1, alpha = .7) + guides(fill = guide_legend(reverse = TRUE))

其中，colour設(shè)置面積圖邊框的顏色；size設(shè)置邊框線的粗細(xì)；alpha設(shè)置面積圖和邊框線的透明度。

ggplot(data = df, mapping = aes(x = year, y = value, fill = type)) + geom_area(alpha = 0.6) + geom_line(colour = 'black', size = 1, position = 'stack', alpha = 0.6) + guides(fill = guide_legend(reverse = TRUE))

該方法是通過添加堆疊線條（必須設(shè)置geom_line()中position參數(shù)為‘stack’，否則只是添加了兩條線，無法與面積圖的頂部重合）。這兩幅圖的區(qū)別在于第二種方式?jīng)]有繪制面積圖左右邊框和底邊框。在實(shí)際應(yīng)用中，建議不要在面積圖中繪制邊框線，因?yàn)檫吙虻拇嬖诳赡墚a(chǎn)生誤導(dǎo)。

四、繪制百分比堆積面積圖

在面積圖中，也可以方便快捷的繪制出百分比堆積面積圖，具體操作如下：

set.seed(1234)
year <- rep(1990:2015, times = 4)
type <- rep(c('A','B','C','D'),each = 26)
value <- c(runif(26),runif(26, min = 1,max = 1.5), runif(26, min = 1.5,max = 2), runif(26, min = 2,max = 2.5))
df <- data.frame(year = year, type = type, value = value)
ggplot(data = df, mapping = aes(x = year, y = value, fill = type)) + geom_area(position = 'fill', alpha = 0.6) + guides(fill = guide_legend(reverse = TRUE))

但通過這種方式（設(shè)置面積圖的positon='fill'）存在一點(diǎn)點(diǎn)小缺陷，即無法繪制出百分比堆積面積圖頂部的線條，該如何實(shí)現(xiàn)呢？這里只需要對(duì)原始數(shù)據(jù)集做一步匯總工作，讓后按部就班的繪制面積圖即可。

 library(dplyr)

df_by_type <- group_by(.data = df, year)

df_summarize <- mutate(.data = df_by_type, value2 = value/sum(value))

有關(guān)dplyr包的用法可參考： 

強(qiáng)大的dplyr包實(shí)現(xiàn)數(shù)據(jù)預(yù)處理

ggplot(data = df_summarize, mapping = aes(x = year, y = value2, fill = type)) + geom_area(alpha = 0.6) + geom_line(colour = 'black', size = 1, position = 'stack', alpha = 0.6) + guides(fill = guide_legend(reverse = TRUE))

哈哈，大功告成，就這么簡(jiǎn)單。

Chap5. 散點(diǎn)圖

概述

散點(diǎn)圖通常用來刻畫兩個(gè)連續(xù)型變量之間的關(guān)系。

散點(diǎn)圖

geom_point()

1. 參數(shù)值：shape(),size=2,colour()
2. 更改配色與點(diǎn)形：scale_colour/shape_brewer/manual()
3. 盡量將不需要高精度的變量映射給圖形的大小和顏色屬性。
4. 調(diào)用scale_size_area()函數(shù)使數(shù)據(jù)點(diǎn)的面積正比于變量值。
5. 處理圖形重疊問題（overplotting）:
   • 使用半透明的點(diǎn)
   • 將數(shù)據(jù)分箱(bin)，并用矩形表示（適用于量化分析）stat_bin2d()
   • 將數(shù)據(jù)分箱(bin)，并用六邊形表示stat_binhex(packages:”hexbin”)
   • 使用箱線圖
   • 離散x：調(diào)用geom_point(position_jitter())函數(shù)給數(shù)據(jù)點(diǎn)增加隨機(jī)擾動(dòng)。
6. 添加回歸模型擬合線：stat_smooth(method=lm,level=0.95)
7. 添加自己構(gòu)建的模型擬合線：geom_line(data=predicted,size=1)
8. dlply()和ldply()函數(shù)：切分?jǐn)?shù)據(jù)，對(duì)各個(gè)部分執(zhí)行某一函數(shù)，并對(duì)執(zhí)行結(jié)果進(jìn)行重組。
9. 散點(diǎn)圖中添加模型系數(shù)：+ annotate(parse = TRUE)函數(shù)添加文本。利用expression()檢驗(yàn)輸出結(jié)果
10. 添加邊際地毯(Marginal rugs)：geom_rug()
11. 添加標(biāo)簽：geom_text(aes(label=xxx),size=xx,x=xx+0.1)
    • vjust=1:標(biāo)簽文本的頂部與數(shù)據(jù)點(diǎn)對(duì)齊
    • vjust=0:標(biāo)簽文本的底部與數(shù)據(jù)點(diǎn)對(duì)齊
    • hjust=1/0:右對(duì)齊/左對(duì)齊
    • 通常先設(shè)定hjust()和vjust()的值為0或1，然后再調(diào)整x或y的值來調(diào)整文本標(biāo)簽的位置.
    • 對(duì)數(shù)坐標(biāo)軸：需令x或者y乘以一個(gè)數(shù)值才可以。
    • 去掉不需要的標(biāo)簽：將不需要刻畫出來的標(biāo)簽賦值為NA
12. 繪制氣泡圖:geom_point()和scale_size_area(max_size=15)
13. 散點(diǎn)圖矩陣：base基礎(chǔ)繪圖系統(tǒng)，pairs()

散點(diǎn)圖通常用來刻畫兩個(gè)連續(xù)型變量之間的關(guān)系，數(shù)據(jù)集中的每一條觀測(cè)都由散點(diǎn)圖中的一個(gè)點(diǎn)來表示。在散點(diǎn)圖中也可以加入一些直線或曲線，用來表示基于統(tǒng)計(jì)模型的擬合。當(dāng)數(shù)據(jù)集記錄很多時(shí)，散點(diǎn)圖可能會(huì)彼此重疊，這種情況往往需要一些預(yù)處理操作。

1 基本散點(diǎn)圖

散點(diǎn)圖可以用來描述兩個(gè)連續(xù)變量之間的關(guān)系,一般在做數(shù)據(jù)探索分析時(shí)會(huì)使用到,通過散點(diǎn)圖發(fā)現(xiàn)變量之間的相關(guān)性強(qiáng)度、是否線性關(guān)系等。 

使用geom_point()繪制散點(diǎn)圖，并分別映射一個(gè)變量到x和y。

可以使用shape和size分別指定點(diǎn)型和點(diǎn)的大小，如果點(diǎn)型包括填充和描邊的話，可用fill和color分別指定填充色和描邊色。

2 基于類別型變量分組

可將分組變量(因子或字符變量)賦值給顏色或形狀屬性,實(shí)現(xiàn)分組散點(diǎn)圖的繪制

可以將因子和字符串等類別型變量映射到散點(diǎn)的顏色或形狀。

set.seed(112)
x <- rnorm(100,mean = 2,sd = 3)
y <- 1.5+2*x+rnorm(100)
z <- sample(c(0,1),size = 100,replace = TRUE)
df <- data.frame(x = x,y = y,z = z)
# 將數(shù)值型變量轉(zhuǎn)換為因子型變量
df$z <- factor(df$z)

#分組變量賦值給顏色屬性
ggplot(df,aes(x = x,y = y,colour = z))+
geom_point(size = 3)

#分組變量賦值給形狀屬性
ggplot(df,aes(x = x,y = y,shape = z))+
geom_point(size = 3)

# 分組變量同時(shí)賦給顏色屬性和形狀屬性
ggplot(df,aes(x = x,y = y,shape = z,colour = z))+
geom_point(size = 3)+
scale_color_brewer(palette = "Accent")+
scale_shape_manual(values = c(2,16))

注意點(diǎn)的形狀,21-25之間的點(diǎn)的形狀,既可以賦值邊框顏色,又可以賦值填充色。

將離散型變量或因子映射給顏色屬性或形狀屬性

x <- c(10,13,11,15,18,20,21,22,24,26)
y <- c(76,60,70,58,55,48,44,40,26,18)
z <- c(100,120,300,180,80,210,30,95,145,420)
df <- data.frame(x = x,y = y,z = z)
# 將連續(xù)型變量映射給顏色屬性
ggplot(df,aes(x = x,y = y,colour = z))+
  geom_point(size = 3)

圖例上,顏色越深而對(duì)應(yīng)的值越小,如何將值的大小與顏色的深淺保持一致？只需要人為的設(shè)置色階,從低到高設(shè)置不同的顏色即可

3 基于連續(xù)型變量映射

當(dāng)然，還可以將連續(xù)型變量映射到散點(diǎn)的顏色或大小等存在漸變的屬性上，從而呈現(xiàn)三個(gè)連續(xù)型變量之間的關(guān)系。其中人眼對(duì)于x軸和y軸所對(duì)應(yīng)變量的變化更為敏感，而對(duì)顏色和大小的變化則不那么敏感。 

同時(shí)映射類別型變量和連續(xù)型變量，并設(shè)置散點(diǎn)的面積正比于連續(xù)型變量的大小，默認(rèn)為非線性映射。

# 將連續(xù)型變量映射給顏色屬性,同時(shí)設(shè)置雙色梯度
ggplot(df,aes(x = x,y = y,colour = z))+geom_point(size = 3)+scale_colour_gradient(low = "lightblue",high = "darkblue")

# 將連續(xù)變量映射給大小屬性
ggplot(df,aes(x = x,y = y,size = z))+ geom_point()

# 將連續(xù)型變量賦給顏色屬性或大小屬性,自定義雙色梯度,色階間隔順序由低到高
ggplot(df,aes(x = x,y = y,fill = z))+ geom_point(shape = 21,size = 3)+
scale_fill_gradient(low = "lightblue",high = "darkblue",breaks = c(100,150,200,300,350,400))

# 自定義球大小的間隔
ggplot(df,aes(x = x,y = y,size = z))+geom_point()+
scale_size_continuous(breaks = c(100,150,200,250,300,350,400),guide = guide_legend())
# scale_size(breaks = c(100,150,200,250,300,350,400))結(jié)果一樣

# 將連續(xù)變量值的大小與球的大小成比例
ggplot(df,aes(x = x,y = y,size = z))+geom_point()+scale_size_area(max_size = 10)
# scale_size_area()可以確保數(shù)值0映射為0,max_size保證映射最大的點(diǎn)的大小

 4 處理散點(diǎn)重合

以下為六邊形分箱的結(jié)果。

當(dāng)x軸和y軸對(duì)應(yīng)一個(gè)或兩個(gè)離散型變量時(shí)，例如雖然對(duì)應(yīng)數(shù)值，但是數(shù)值僅取某些離散點(diǎn)，可以給散點(diǎn)圖添加擾動(dòng)，使得散點(diǎn)分離開來。 

 5 添加擬合線

使用stat_smooth()或geom_smooth()添加擬合線和置信域。 

以下使用Logistic回歸擬合一個(gè)二分類的樣本，可以看出V1和classn具有二分類關(guān)系，Logistic回歸曲線也說明了這一點(diǎn)。 

如果已經(jīng)將類別型變量映射到散點(diǎn)的顏色或形狀，則在添加擬合線時(shí)會(huì)分別為每一組添加一條擬合線?？梢钥吹缴砀唠S著年齡增長(zhǎng)而增加，到一定年齡后停止增長(zhǎng)，且男性比女性平均身高更高。

散點(diǎn)圖矩陣

散點(diǎn)圖矩陣用于展示多幅散點(diǎn)圖，pairs()函數(shù)可以創(chuàng)建基礎(chǔ)的散點(diǎn)圖矩陣，以下代碼包含mpg、disp、drat和wt中任意兩者的散點(diǎn)圖。

car包的scatterplotMatrix()函數(shù)也可以生成散點(diǎn)圖矩陣，并支持以下操作：

• 以某個(gè)因子為條件繪制散點(diǎn)圖矩陣；
• 包含線型和平滑擬合曲線；
• 在主對(duì)角線放置箱線圖、密度圖或者直方圖；
• 在各單元格的邊界添加軸須圖。

spread=FALSE選項(xiàng)表示不添加展示分散度和對(duì)稱信息的直線。

再來一個(gè)scatterplotMatrix()函數(shù)的使用例子，主對(duì)角線的核密度曲線改為了直方圖，并且直方圖以汽車氣缸數(shù)為條件繪制。 

gclus包中的cpairs()函數(shù)提供了一個(gè)有趣的散點(diǎn)圖矩陣變種，支持重排矩陣中變量的位置，讓相關(guān)性更高的變量更靠近主對(duì)角線，還可以對(duì)各單元格進(jìn)行顏色編碼來展示變量間的相關(guān)性大小。

首先查看各個(gè)變量之間相關(guān)性的大小：

可以發(fā)現(xiàn)相關(guān)性最高（0.89）的是車重（wt）和排量（disp），以及車重（wt）和每加侖英里數(shù)（mpg）。相關(guān)性最低（0.68）的是每加侖英里數(shù)（mpg）和后軸比（drat）。以下代碼根據(jù)相關(guān)性大小，對(duì)散點(diǎn)圖矩陣中的這些變量重新排序并著色。

高密度散點(diǎn)圖

當(dāng)散點(diǎn)圖中點(diǎn)數(shù)量過大時(shí)，數(shù)據(jù)點(diǎn)的重疊將會(huì)導(dǎo)致繪圖效果顯著變差。對(duì)于這種情況，可以使用封箱、顏色和透明度等來指定圖中任意點(diǎn)上重疊點(diǎn)的數(shù)目。

smoothScatter()函數(shù)可利用核密度估計(jì)生成用顏色密度來表示點(diǎn)分布的散點(diǎn)圖。

hexbin包中的hexbin()函數(shù)將二元變量的封箱放到六邊形單元格中。

IDPmisc包中的iplot()函數(shù)也可以通過顏色來展示點(diǎn)的密度。 

三維散點(diǎn)圖

如果想一次性對(duì)三個(gè)定量變量的交互進(jìn)行可視化，那么可以使用scatterplot3d中的scatterplot3d()函數(shù)進(jìn)行繪制。

scatterplot3d()函數(shù)提供了許多選項(xiàng)，包括設(shè)置圖形符號(hào)、軸、顏色、線條、網(wǎng)格線、突出顯示和角度等功能。例如以下代碼生成一幅突出顯示效果的三維散點(diǎn)圖，增強(qiáng)了縱深感并添加了連接點(diǎn)與水平面的垂直線。

還可以再加上一個(gè)回歸面。

使用rgl包中的plot3d()函數(shù)可創(chuàng)建交互式的三維散點(diǎn)圖，通過鼠標(biāo)即可對(duì)圖形進(jìn)行旋轉(zhuǎn)。

Rcmdr包中的scatter3d()函數(shù)可以實(shí)現(xiàn)類似功能。

7 添加文本標(biāo)注

使用geom_text()為散點(diǎn)圖添加標(biāo)注，vjust為0時(shí)表示豎直方向上基線對(duì)齊，為1時(shí)表示頂部對(duì)齊，hjust為0時(shí)表示水平方向上左對(duì)齊，為1時(shí)表示右對(duì)齊，以下設(shè)置對(duì)齊方式并適當(dāng)添加偏移，以改善顯示效果。 

8 使用氣泡圖繪制二維統(tǒng)計(jì)

以下使用散點(diǎn)圖繪制氣泡圖，對(duì)兩個(gè)類別型變量進(jìn)行統(tǒng)計(jì)。

value1 <- rep(c('高價(jià)值','中價(jià)值','低價(jià)值'), each = 3)
value2 <- rep(c('高價(jià)值','中價(jià)值','低價(jià)值'), times = 3)
nums <- c(500,287,123,156,720,390,80,468,1200)
df <- data.frame(value1 = value1, value2 = value2, nums = nums)
df$value1 <- factor(df$value1, levels = c('高價(jià)值','中價(jià)值','低價(jià)值'), order = TRUE)
df$value2 <- factor(df$value2, levels = c('低價(jià)值','中價(jià)值','高價(jià)值'), order = TRUE)
ggplot(df,aes(x = value1, y = value2, size = nums)) +geom_point(colour = 'steelblue') +
scale_size_area(max_size = 30, guide = FALSE) +geom_text(aes(label = nums), vjust = 0, colour = 'black', size = 5) + theme(text = element_text(family = 'SimSun'))

繪制氣泡圖也可使用函數(shù)symbols(x,y,circle=r).當(dāng)中x、y是坐標(biāo)軸，r是每一個(gè)點(diǎn)的半徑。
x<-rnorm(6)
y<-rnorm(6)
r<-abs(rnorm(6))
symbols(x,y,circle = r, bg=rainbow(6))

###############氣泡圖例子2
attach(mtcars) # 激活或掛接數(shù)據(jù)集 
#attach( )函數(shù)是將數(shù)據(jù)框添加到R的搜索路徑中 # mtcars為R語言內(nèi)置數(shù)據(jù)集
r<-sqrt(disp/pi)
symbols(wt,mpg,circle=r, inches=0.3, bg="lightblue")
text(wt,mpg,row.names(mtcars), cex=0.5) #給每一個(gè)氣泡加上文字。

Chap6. 描述數(shù)據(jù)分布

數(shù)據(jù)分布可視化方法

直方圖

1. geom_histogram()
2. binwidth設(shè)置組距；origin設(shè)置分組原點(diǎn)
3. 各分組區(qū)間左閉右開
4. 分面：facet_grid(x ~.)
   • 修改分類標(biāo)簽：revalue(x, c("0"="No smoke","1"="smoke"))
   • 參數(shù)scales = free可以單獨(dú)設(shè)定各個(gè)分面的Y軸標(biāo)度。

我們經(jīng)常想觀察一批數(shù)據(jù)的分布形態(tài)，直方圖、密度圖、箱線圖、小提琴圖和點(diǎn)圖等都是很好的實(shí)現(xiàn)形式。在此，我們簡(jiǎn)略介紹直方圖、密度圖和箱線圖，這種三種圖形對(duì)我們來說更為常用。

直方圖

很多人沒搞清楚條形圖和直方圖之間的區(qū)別。條形圖主要用于展示分類數(shù)據(jù)，即名義數(shù)據(jù)，各組分開而立。而直方圖多用于展示數(shù)值型數(shù)據(jù)，各組相依。

單組直方圖

最基本的語句就是在ggplot語句后再加geom_histogram()即可。

library(gcookbook)
library(ggplot2)
ggplot(faithful, aes(x=waiting)) + geom_histogram(bins=10)

 
直方圖默認(rèn)最大為30組，我們可以使用*binwidth來改變。

ggplot(faithful, aes(x=waiting)) +geom_histogram(binwidth=8, bins=10,fill="white", colour="black")#改為8組

分組直方圖

分組直方圖做法與其他圖形一樣，我們用到facet_grid(var ~ .)，該方法是以var變量進(jìn)行分類，做多個(gè)圖形，非一個(gè)圖形中做多個(gè)直方圖。如果變量為數(shù)字，應(yīng)當(dāng)因子化。

library(MASS) #取binwidth數(shù)據(jù)
ggplot(birthwt, aes(x=bwt))+geom_histogram(fill="white",bins=10, colour="black")+facet_grid(smoke ~ .)

核密度曲線

geom_line(stat='identity')或者geom_density()

如果你想要做密度曲線，則用geom_density映射一連續(xù)變量。

ggplot(faithful, aes(x=waiting)) + geom_density()
#你也可以將包住的部分給填充顏色
ggplot(faithful, aes(x=waiting)) +
geom_density(fill="blue", alpha=.2) +
xlim(35, 105)
#如果你不喜歡線與下方相連，可以使用另外一種方式
ggplot(faithful, aes(x=waiting)) + geom_line(stat="density") +
expand_limits(y=0)#expand_limits使y軸范圍包含0值。
#密度曲線與直方圖共戲
ggplot(faithful, aes(x=waiting, y=..density..)) +
geom_histogram(fill="cornsilk", colour="grey60", size=.2) +
geom_density() +
xlim(35, 105)

分組密度曲線

library(MASS) #取binwidth數(shù)據(jù)
ggplot(birthwt, aes(x=bwt))+geom_histogram(fill="white", colour="black")+facet_grid(smoke ~ .)
birthwt1 <- birthwt
birthwt1$smoke <- factor(birthwt1$smoke)
ggplot(birthwt1, aes(x=bwt, fill=smoke)) + geom_density(alpha=.3)

頻數(shù)多邊形

geom_freqpoly()

頻數(shù)多邊形描述了數(shù)據(jù)本身的信息，而核密度曲線只是一個(gè)估計(jì)，需要認(rèn)為輸入帶寬參數(shù)。

箱線圖

geom_boxplot()

1. 參數(shù)：width,outlier.size,outlier.shape
2. 添加槽口(notch):用來幫助查看不同分布的中位數(shù)是否有差異。
3. 添加均值：geom_summary(fun.y="mean",geom="point"...)

library(MASS) #取binwidth數(shù)據(jù)
ggplot(birthwt, aes(x=bwt))+geom_histogram(fill="white", colour="black")+facet_grid(smoke ~ .)

ggplot(birthwt, aes(x=factor(race), y=bwt)) + geom_boxplot()
#如果存在多個(gè)多個(gè)離群點(diǎn)，可用outlier.size 和outlier.shape進(jìn)行大小和形狀設(shè)置
ggplot(birthwt, aes(x=factor(race), y=bwt)) +
geom_boxplot(outlier.size=1.5, outlier.shape=21)
#為了看數(shù)據(jù)分布是否有偏，我們還可以增加均值與中值進(jìn)行比較，主要用stat_summary把均值以菱形相展示。
ggplot(birthwt, aes(x=factor(race), y=bwt)) + geom_boxplot() +
stat_summary(fun.y="mean", geom="point", shape=23, size=3, fill="white")

小提琴圖

geom_violin()

1. 小提琴圖用來比較多組數(shù)據(jù)分布情況的方法，其也是核密度估計(jì)。
2. 坐標(biāo)范圍：從最小值到最大值，與箱線圖不同。
3. 參數(shù)：adjust調(diào)整平滑程度，scale="count"使得圖的面積與每組觀測(cè)值數(shù)目成正比。

p = ggplot(data=mpg, mapping=aes(x=class, y=hwy, fill=class))
p + geom_boxplot() + geom_jitter(shape=21)
p + geom_violin(alpha=0.5, width=0.9) + geom_jitter(shape=21)

Wilkinson點(diǎn)圖

geom_dotplot()

1. Wilkinson點(diǎn)圖：沿著x軸方向?qū)?shù)據(jù)進(jìn)行分組，并在y軸上對(duì)點(diǎn)進(jìn)行堆積。圖形上Y軸的刻度線沒有明確的含義。
2. 備注：移除刻度線scale_y_continuous(break=NULL),移除坐標(biāo)軸標(biāo)簽theme(axis.title.y=element_blank())
3. 參數(shù)binaxis=”y”，將數(shù)據(jù)點(diǎn)沿著Y軸進(jìn)行堆疊，并沿著x軸分組。stackdir="center":中心堆疊

p = ggplot(data=mpg, mapping=aes(x=class, y=hwy, fill=class))
p +geom_dotplot()

顏色圖和等高圖
par(mar = rep(1, 4))
x = 10 * (1:nrow(volcano))
y = 10 * (1:ncol(volcano))
image(x, y, volcano, col = terrain.colors(100), axes = FALSE)
contour(x, y, volcano, levels = seq(90, 200, by = 5),add = TRUE, col = "peru")
box()

極坐標(biāo) (玫瑰圖)

dt = data.frame(A = c(2, 7, 4, 10, 1,5), B = c('B','A','C','D','E','B'))
windowsFonts(myFont = windowsFont("楷體")) ## 綁定字體
p = ggplot(dt, aes(x = B, y = A, fill = B)) + geom_bar(stat = "identity", alpha = 0.7) + coord_polar()
p

Chap7. 注解

文本注解

1. geom_text()
2. annotate()：可以添加任意類型的幾何對(duì)象。 annotate("text",x=,y=,label=,...)

數(shù)學(xué)表達(dá)式

1. annotate("text",...,parse=TRUE,...)
2. 引入常規(guī)文本：在雙引號(hào)內(nèi)使用單引號(hào)標(biāo)出純文本的部分即可。
3. 不能簡(jiǎn)單地把一個(gè)變量之間放到另一個(gè)變量旁邊卻不在中間添加任何記號(hào)。
4. ?plotmath和?demo(plotmath)

添加直線

1. 橫線和豎線：geom_hline(yintercept=) & geom_vline()
2. 有角度的直線：geom_abline(intercept=,slope=)

添加線段和箭頭

1. 線段：annotate("segment",x=,xend=,y=,yend=)
2. 利用grid包中的arrow()函數(shù)向線段兩端添加箭頭或平頭。

添加矩形陰影

annotate("rect",xmin=,xmax=,ymin=,ymax=,alpha=,fill=)

添加誤差線

geom_errorbar(aes(ymin=,ymax=),width=,position=)

向獨(dú)立分面添加注解

# 基本圖形
p <- ggplot(mpg, aes(x=displ,y=hwy)) +
geom_point() + facet_grid(.~drv)
#存有每個(gè)分面所需標(biāo)簽的數(shù)據(jù)框
f_labels <- data.frame(drv=c("4","f","r"), 
label=c("4wd","Front","Rear"))
p + geom_text(x=6,y=40,aes(label=label), data= f_labels) 1. `sprintf()`：returns a character vector containing a formatted combination of text and variable values. 2. `sprintf("italic(y) == %.2f %+.2f * italic(x)",round(coef(mod)[1],2),round(coef(mod)[2],2))`

1 添加文本注解

使用annotate()生成一條文本注解，通過x和y指定文本位置，可以是具體數(shù)值或者Inf和-Inf，表示圖形的邊緣，使用hjust和vjust進(jìn)行水平方向和豎直方向上的微調(diào)，使用family、color、size分別指定字體、顏色、大小。

2 添加數(shù)學(xué)表達(dá)式

還是使用annotate()，不過需要制定parse為TRUE，表示對(duì)文本進(jìn)行公式解析。

更多和公式語法有關(guān)的內(nèi)容可參考?plotmath，更多數(shù)學(xué)表達(dá)式的圖示可參考?demo(plotmath)。

3 添加直線

使用geom_hline()、geom_vline()、geom_abline()分別繪制水平線、豎直線和有角度的線。如果x軸或y軸為類別型變量，則第一個(gè)水平為數(shù)值1，第二個(gè)水平為數(shù)值2，依此類推。

同樣可以通過指定類別型變量繪制多條直線。

4 添加線段和箭頭

在annotate()中指定segment可以添加線段，還可以為線段添加箭頭，箭頭默認(rèn)角度angle為30度，默認(rèn)長(zhǎng)度length為0.2英寸，使用x、xend、y、yend指定線段的起始位置。如果x軸或y軸為類別型變量，則相應(yīng)地第一個(gè)水平使用數(shù)值1，第二個(gè)水平使用數(shù)值2，依次類推。

5 添加矩形陰影

在annotate()中指定rect可以添加矩形，其實(shí)只要傳遞了合適的參數(shù)，任意幾何對(duì)象都可以配合annotate()使用。 

6 向獨(dú)立分面添加注解

使用分面變量生成一個(gè)新的數(shù)據(jù)框，并設(shè)定每個(gè)分面要繪制的值，然后配合新數(shù)據(jù)框使用geom_text()。

再來一個(gè)為每個(gè)分面添加擬合直線公式的例子。

Chap8. 坐標(biāo)軸

交換x軸和y軸

coord_filp()
# x是因子型變量
+ scale_x_discrete(limits=rev(levels(..)))

坐標(biāo)軸的值域

1. ylim()或者xlim()
2. 全稱：scale_y_continuous(limits=c(,),breaks=c(.,.,.))
3. 注意區(qū)分scale_y_continuous()和coord_cartesian();其中前者表示使用標(biāo)度限制y到更小的范圍，范圍外的數(shù)據(jù)被丟棄，而后者則是利用坐標(biāo)變換放大或縮小了數(shù)據(jù)。
4. expand_limits()：只能用來擴(kuò)展數(shù)據(jù)，而不能用來縮減值域。

反轉(zhuǎn)一條連續(xù)型坐標(biāo)軸

scale_y_reverse()
scale_x_reverse()

修改類別型坐標(biāo)軸上項(xiàng)目的順序

scale_x_discrete(limits=c(.,.,.))
# 反轉(zhuǎn)坐標(biāo)軸
scale_x_discrete(limits=rev(levels(...)))

設(shè)置x軸和y軸的縮放比例

coord_fixed(ratio=1)

默認(rèn)情況下，ggplot2使兩軸的總長(zhǎng)寬比例為1：1，從而形成正方形的繪圖區(qū)域，而本節(jié)中所提到的比例為：坐標(biāo)軸單位長(zhǎng)度表示的數(shù)值范圍

設(shè)置刻度線的位置

參數(shù)breaks

離散型變量的坐標(biāo)軸：設(shè)置limits以重排序或移除項(xiàng)目，而設(shè)置breaks來控制哪些項(xiàng)目擁有標(biāo)簽。

移除刻度線和標(biāo)簽

# 移除刻度標(biāo)簽
theme(axis.text.y = element_blank())
# 移除刻度線
theme(axis.ticks = element_blank())
# 同時(shí)移除連續(xù)型變量的刻度線、刻度標(biāo)簽和網(wǎng)格線
scale_y_continuous(breaks= NULL) 刻度標(biāo)簽可以單獨(dú)控制，但是刻度線和網(wǎng)格線必須同時(shí)控制。

修改刻度標(biāo)簽的文本

參數(shù)：breaks & labels

package:scales自帶了一些內(nèi)置的格式化函數(shù)，比如comma(),dollar(),percent(),scientific()

修改刻度標(biāo)簽的外觀

# 文本旋轉(zhuǎn)
theme(axis.text.x = element_text(angle=90,hjust=,vjust=))
# 其他文本屬性
theme(axis.text.x = element_text(family=,face=,colour=,size=rel()))
rel(0.9):表示為當(dāng)前主題基礎(chǔ)字體大小的0.9倍

修改坐標(biāo)軸標(biāo)簽的文本

# 簡(jiǎn)便法
xlab() & ylab()
# 完整法
scale_x_continuous(name="") 文本中可包含`\n,\t`等文本符號(hào)

移除坐標(biāo)軸標(biāo)簽

theme(axis.title.x = element_blank())

對(duì)數(shù)坐標(biāo)軸

scale_x_log10() & scale_y_log10()
# 刻度標(biāo)簽轉(zhuǎn)而使用指數(shù)計(jì)數(shù)法
library(scales)
scale_x_log10(breaks=10^(-1:5),	labels=trans_format("log10",math_format(10^.x)))
# 自然對(duì)數(shù)
trans=log_trans()
# 以2為底的對(duì)數(shù)
trans = log2_trans()

對(duì)數(shù)坐標(biāo)軸添加刻度

annotation_logticks()

坐標(biāo)軸上使用日期

library(scales)
# Date 對(duì)象
p + scale_x_time(breaks = datebreaks, date_format("%Y-%m"))
# POSIXt對(duì)象
p + scale_x_datetime(breaks = datebreaks,date_format()) 
  + theme(axis.text.x = element_text(angle=90, hjust=1))1 交換X軸和Y軸

Chap9.控制圖形的整體外觀

設(shè)置圖形標(biāo)題

# 圖形標(biāo)題,"\n"換行
ggtitle()
labs(title="")
# 將標(biāo)題移到內(nèi)部
annotate("text",x=mean(range(x)),y=Inf,label="Age",vjust=1.5,size=6)

修改文本外觀

文本項(xiàng)目分為兩類：主題元素和文本幾何對(duì)象。主題元素包括圖形中的所有非數(shù)據(jù)元素：如標(biāo)題、圖例和坐標(biāo)軸。文本幾何對(duì)象則屬于圖形本身的一部分。

• family: Helvatica、Times、Courier
• face: plain、bold、italic、bold.italic
• lineheight: 行間距倍數(shù)
• angle: 旋轉(zhuǎn)角度(逆時(shí)針)
• size: 字體大小(主題為磅，幾何對(duì)象為毫米)
• strip.text: 雙向分面標(biāo)簽的外觀

使用主題

# 預(yù)制的主題：
theme_bw()
theme_grey()
# 設(shè)置默認(rèn)主題
theme_set(theme_bw())

## 修改主題元素的外觀

要修改一套主題，配合相應(yīng)的element_xx對(duì)象添加theme()函數(shù)即可。element_xx對(duì)象包括element_line、element_rect和element_text。

創(chuàng)建自定義主題

mytheme = theme_bw() + 
theme(text = element_text(colour="red"),axis.title=element_text(size=rel(1.25)))
p + mytheme

隱藏網(wǎng)格線

• 主網(wǎng)格線：panel.grid.major
• 次網(wǎng)格線：panel.grid.minor

Chap10. 圖例

像x軸和y軸一樣，圖例也是一種引導(dǎo)元素：它可以向人們展示如何從視覺上的圖形屬性映射回?cái)?shù)據(jù)本身。

# 移除圖例(指明圖例屬性)
guides(fill=FALSE)
# 修改圖例的位置
theme(legend.position="bottom")
# 將圖例置于圖像中
theme(legend.position=c(1,0)) +
theme(legend.bakground=element_rect(fill="white",colour="black")) 
# 修改圖例項(xiàng)目的順序
scale_fill_discrete(limits=c("a","b","c"))
# 反轉(zhuǎn)圖例順序(屬性fill)
guides(fill=guide_legend(reverse=TRUE))
# 設(shè)置圖例標(biāo)題(屬性fill)
labs(fill="Condition")
guides(fill=guide.legend(title="Condition"))
# 修改圖例文本
theme(legend.title=element_text(face="italic",family="Times",colour="red",size=14))
# 修改圖例標(biāo)簽
scale_fill_discrete(limits=c("a","b","c"),labels=c("A","B","C"))
# 修改圖例標(biāo)簽的外觀
theme(legend.text=element_text(xx))
# 使用含多行文本的標(biāo)簽
library(grid)
## 增加圖例說明的高度并減小各行的間距
theme(legend.text=element_text(lineheight=0.8),legend.key.height=unit(1,"cm")) 

Chap11. 分面

數(shù)據(jù)可視化中最實(shí)用的技術(shù)之一就是將分組數(shù)據(jù)并列呈現(xiàn)，這樣使得組間的比較變得輕而易舉。

# 分面函數(shù)
facet_grid(. ~ cyl,scale="free")
facet_wrap(~class, nrow=2)
# 修改分面標(biāo)簽和標(biāo)題的外觀
theme(strip.text=element_text(face="bold",size=rel(1.5)),strip.background=element_rect(fill="lightblue",colour="black",size=1))

即在一個(gè)頁面上自動(dòng)擺放多幅圖形, 這一過程先將數(shù)據(jù)劃分為多個(gè)子集, 然后將每個(gè)子集依次繪制到頁面的不同面板中。ggplot2提供兩種分面類型：網(wǎng)格型(facet_grid)和封面型(facet_wrap)。網(wǎng)格分面生成的是一個(gè)2維的面板網(wǎng)格, 面板的行與列通過變量來定義, 本質(zhì)是2維的; 封裝分面則先生成一個(gè)1維的面板條塊, 然后再分裝到2維中, 本質(zhì)是1維的。
在很多情況下, 我們可能需要繪制有兩個(gè)y軸的坐標(biāo)系, 而在ggplot2中, 這種做法特別不提倡(stackover的討論), 可解決的方法要么是把變量歸一化, 要么便是采用分面方法。

p <- ggplot(mtcars, aes(mpg, wt, colour = cyl)) +geom_point() #geom_point()為通過”+”以圖層的方式加入點(diǎn)的幾何對(duì)象
p <- ggplot(mtcars, aes(mpg, wt)) + geom_point()
p + facet_grid(. ~ cyl) #以cyl為分類變量
p + facet_wrap( ~ cyl, nrow = 3) #wrap與grid的區(qū)別
p + facet_grid(cyl ~ .) #以cyl為分類變量
p + facet_wrap( ~ cyl, ncol = 3) #wrap與grid的區(qū)別
p + facet_grid(vs ~ am) #以vs和am為分類變量
p + facet_wrap(vs ~ am, ncol = 2) #wrap與grid 的區(qū)別

Chap12. 配色

離散型變量調(diào)色板

• 等距色：scale_fill_discrete()
• 色輪等距色：scale_fill_hue()
• 灰度調(diào)色板：scale_fill_grey()
• 調(diào)色板顏色：scale_fill_brewer()
• 自定義顏色：scale_fill_manual()

# 設(shè)置亮度參數(shù)(Default:l=65)
scale_fill_hue(l=45)
# 調(diào)用調(diào)色板
library(RColorBrewer)
display.brewer.all()
# 使用自定義調(diào)色板
scale_fill_manual(values=mycol)

對(duì)類別型數(shù)據(jù)中的點(diǎn)而言，最好選擇調(diào)色板Set1和Dark2；對(duì)面積而言，Set2、Pastel1、Pastel2和Accent都是不錯(cuò)的選擇方案。

RGB顏色

RGB顏色是由六個(gè)數(shù)字組成(十六進(jìn)制數(shù))，形式如“#RRGGBB”。在十六進(jìn)制中，數(shù)字先從0到9，然后緊接著是A到F。每一個(gè)顏色都由兩個(gè)數(shù)字表示，范圍從00到FF。比如顏色“#FF0099”中，255表示紅色，0表示綠色，153表示藍(lán)色，整體表示品紅色。十六進(jìn)制數(shù)中每個(gè)顏色通道常常重復(fù)同樣的數(shù)字，因子這樣更容易閱讀并且第二個(gè)數(shù)字的精確值對(duì)外觀的影響并不是很明顯。

RGB經(jīng)驗(yàn)法則

• 一般情況下，較大的數(shù)字更明亮，較小的數(shù)字更暗淡。
• 如果要得到灰色，將三個(gè)顏色通道設(shè)置為相同的值。
• CMY(印刷三原色)：青(cyan)、品紅(magenta)、黃(yellow)。
• RGB顏色

色盲友好式調(diào)色板

cb_col = c("#000000","#E69F00","#56B4E9","#009E73","#F0E442","#0072B2","#D55E00","#CC79A7")
scale_fill_manual(values=cb_col)
# 調(diào)用dichromat包

連續(xù)型變量調(diào)色板

• 兩色漸變:scale_fill_gradient()
• 三色漸變:scale_fill_gradient2()
• 等間隔n色漸變:scale_fill_gradientn()

Chap15. 其他圖形

相關(guān)矩陣圖

library(corrplot)
corrplot(cor(x),method="shade",shade.col=NA,tl.col="black",tl.srt=45,col=col(200),addCoef.col="black",cl.pos="no",order="AOE")

繪制函數(shù)曲線

# 函數(shù)曲線
stat_function(fun=myfun, n=200)
# 函數(shù)曲線下添加陰影
## 定義一個(gè)新函數(shù)，把x范圍外的值替換為NA
p + stat_function(fun=myfun, geom="area", fill="blue",alpha=0.2) +
stat_function(fun=myfun)
# 繪制經(jīng)驗(yàn)累積分布函數(shù)圖
stat_ecdf()

繪制熱圖

使用geom_tile()或者geom_raster()，并將一個(gè)連續(xù)變量映射到fill上。

p + geom_tile() +
scale_x_continuous(breaks = seq(1940,1976,by=4)) +
scale_y_reverse() +
scale_fill_gradient2(midpoint=50,mid="grey70",limits=c(0,100))

三維散點(diǎn)圖

library(rgl)
# 繪制點(diǎn)
plot3d(x,y,z,type="s",size=0.75,lit=FALSE)
# 添加線段
interleave = function(v1,v2) as.vector(rbind(v1,v2))
segment3d(interleave(x,x),
interleave(y,y),interleave(z,min(z)),alpha=0.4,col="blue")
# 繪制盒子
rgl.bbox(color="grey50", emission="grey50",xlen=0,ylen=0,zlen=0)
# 保存圖像
rgl.snapshot("3dplot.png", fmt="png")
rgl.postscript("3dplot.pdf",fmt="pdf")
# 三維圖動(dòng)畫
plot3d(x,y,z,type="s",size=0.75,lit=FALSE)
play3d(spin3d())
movie3d(spin3d(axis=c(1,0,0),rpm=4),duration=15,fps=50)

繪制譜系圖

hc = hclust(scale(x))
plot(hc, hang=-1)

繪制QQ圖

# base畫圖
qqnorm(x)
qqline(x)
# ggplot2畫圖
predicted <- data.frame(i = 1:length(VALUE), x=1:length(VALUE), y=1:length(VALUE))
predicted$x <- qnorm((predicted$i-0.375)/(nrow(predicted+0.25)))
predicted$y <- sd(VALUE)*predicted$x+mean(VALUE)
ggplot(data.frame(VALUE), aes(sample = VALUE)) +
    stat_qq() + 
    geom_line(data=predicted[,-1],aes(x=x,y=y),size=1,colour="red") 

繪制馬賽克圖

# 主要用來可視化列聯(lián)表
library(vcd)
mosaic(~x+y+z, data, highlighting="x",highlighting_fill=c(lightblue","pink"),direction=c("v","h","v"))

繪制餅圖

fold = table(survey$Fold)
pie(fold,labels=c("x","y","z"))

繪制地圖

如何用R語言繪制地圖

Chap14. 保存圖形

Web瀏覽器更支持SVG文件，而LaTeX則更支持PDF文件。

輸出為PDF矢量文件

#width和height的單位為英寸
pdf("myplot.pdf",width=4,height=4,useaDingbats=FALSE)
plot(x,y)
print(ggplot(data,aes(x=x,y=y))+geom_point())
dev.off()
# 如果圖形多于一幅，則每一幅將在PDF輸出中列于獨(dú)立的一頁。
# ggsave()不能用于創(chuàng)建多頁圖形
ggsave("myplot.pdf",width=8,height=8,units="cm",useaDingbats=FALSE)

輸出為SVG矢量文件

svg("myplot.svg",width=4,height=4)
plot()
dev.off()

輸出為WMF矢量文件

Windows圖元文件(WMF),即只能在Windows上創(chuàng)建。

win.metafile("myplot.wmf",width=4,height=4)
plot()
dev.off()
# ggsave()
ggsave("myplot.wmf",width=8,height=8,units="cm")

輸出為點(diǎn)陣(PNG/TIFF)文件

png("myplot.png",width=400,height=400)
plot(x,y)
dev.off()
# 多幅圖形
png("myplot-%d.png",width=400,height=400)
plot()
print(ggplot())
dev.off()
# ggsave函數(shù)
ggsave("myplot.png",width=8,height=8,unit="cm",dpi=300)
# CairoPNG():支持抗鋸齒和alpha通道的特性
install.packages("Cairo")
CairoPNG("myplot.png")
plot()
dev.off()

在圖中顯示中文

# MAC用戶
plot(x, main="散點(diǎn)圖"，xlab="數(shù)",ylab="值",family="SimSun")
ggplot(data, aes(x=x,y=y))+
geom_point()+
annotate("text",x=10,y=30,size=10,label="我就是我！",family="SimSun")+
xlab("數(shù)")+
ylab("值")+
theme(title=element_text(family="SimSun"))

一頁多圖

視圖窗口(viewport):顯示設(shè)備的一個(gè)矩陣子區(qū)域。grid.layout()設(shè)置了一個(gè)任意高和寬的視圖窗口布局。

pdf("myplot.pdf",width=8,height=6)
grid.newpage()
pushViewport(viewport(layout=grid.layout(2,2)))
vplayout = function(x,y){
viewport(layout.pos.row=x, layout.pos.col=y)
}
print(a, vp = vplayout(1, 1:2))
print(b, vp = vplayout(2, 1))
print(c, vp = vplayout(2, 2))
dev.off()

默認(rèn)的grid.layout()中，每個(gè)單元格的大小都相同，可以設(shè)置widths和heights參數(shù)使得它們具有不同的大小。

1 羽毛圖

2 心形圖

3 幻圈圖

4 土星環(huán) 

5 字母印象

6 絢麗霞光