1.映射
在上一節練習ggplot繪圖的藝術-2：ggplot2的繪圖思想中，我們已經涉及到了映射的概念。
所謂映射，就是數據集中的數據關聯到相應的圖形屬性過程中一種對應關系。
映射主要分為以下幾種類型：
- 顏色類：color(顏色或邊框顏色)、fill(填充顏色)和alpha(透明度)
- 形狀類：linetype(線型)、size(點的大小或線的寬度)和shape(形狀)
- 位置類：x、y、xmin、xmax、ymin、ymax、xend、yend
- 特殊類：一類是group和order，另一類是字符串映射
下面，就以上述的映射關系進行演示：
#加載所需的包
library(ggplot2)
library(dplyr)
#使用ggplot2進行繪圖，建立相應的映射關系
ggplot(data = dexp, aes(x = Sample, y = Expression))+
geom_point(aes(color = Gene,
size = Length,
shape = Group))
以上代碼作出圖的效果如下：
2.分組
在ggplot中我們大概可以把幾何對象分為2種：
- 個體幾何對象：繪制的圖像中的每一個點對應數據框中的每一個觀測值，如geom_point
- 群組幾何對象：繪制的圖像中的每一個對象，對應數據框中多個觀測值的統計結果，如geom_boxplot（用于繪制箱線圖）
所以在使用類似于geom_boxplot這一類群組幾何對象時，需要進行分組，ggplot默認以離散型變量分組。
變量按其數值表現是否連續，分為連續變量和離散變量。離散變量指變量值可以按一定順序一一列舉，通常以整數位取值的變量。在一定區間內可以任意取值的變量叫連續變量，其數值是連續不斷的，相鄰兩個數值可作無限分割，即可取無限個數值。
#繪制背景圖層
p <- ggplot(data = dexp, aes(x = Sample, y = Expression))
#添加箱線圖層，默認以離散型變量Sample進行分組
p + geom_boxplot()
#繪制背景圖層
p <- ggplot(data = dexp, aes(x = Sample, y = Expression))
#添加箱線圖層，指定以Group進行分組
p + geom_boxplot(aes(group = Group))
3.分面
在進行生物信息學數據處理時，我們有時需要按不同的變量進行分組，分別繪制圖形。比如，在上面的例子中。我們如果想要以Group分組，分別繪制基因的表達信息，實現一頁多圖的效果，如何實現呢？這就要涉及到ggplot中的另一個非常重要的概念：分面。
ggplot中實現分面有兩個函數：facet_wrap和facet_grad。
（1）facet_wrap:以一個變量進行分面
facet_wrap(facets, nrow = NULL, ncol = NULL, scales = "fixed",
shrink = TRUE, labeller = "label_value", as.table = TRUE,
switch = NULL, drop = TRUE, dir = "h", strip.position = "top")
重要參數：
- facets：分面參數如~Group，表示用Group變量進行數據分類
- nrow：繪制圖形的行數
- ncol：繪制圖形的列數，一般nrow/ncol只設定一個即可
- scales：
fixed，小圖都使用統一的坐標
free：每個小圖按照自己的數據自由調整坐標
free_x：自由調整X軸刻度范圍
free_y：自由調整y軸刻度范圍
ggplot(data = dexp, aes(x = Sample, y = Expression))+
geom_point(aes(color = Gene,
size = Length,
shape = Group))+
facet_wrap(~Group, scales = "free")
效果如下：
#以基因進行分面，繪制每個基因的表達量
ggplot(data = dexp, aes(x = Sample, y = Expression))+
geom_point()+
facet_wrap(~Gene, scales = "free", nrow = 10)
結果如下：
（2）facet_grid：同時以兩個變量進行分面
facet_grid(facets, margins = FALSE, scales = "fixed", space = "fixed",shrink = TRUE, labeller = "label_value", as.table = TRUE,switch = NULL, drop = TRUE)
與facet_wrap不同的重要參數：
- facets：應用兩個變量分面，如Gene~Group，意為按Gene分行，按Group分列
- margins：True，包含所有數據的組
- space：每張小圖的坐標軸寬度，值同scales
以兩個變量Gene和Group進行分面：
dexp_small<-filter(dexp, Gene %in% paste("G", 1:10, sep = ""))
ps <- ggplot(data = dexp_small, aes(x = Sample, y = Expression))
ps + geom_point(aes(color = Length))+
facet_grid(Gene~Group,scales = "free")
結果如下：
