第一章使用ggplot2進行數據可視化
library(tidyverse)
查看運行環境
devtools::session_info(c("tidyverse"))
- Session info ---------------------------------------------------------------
setting value
version R version 3.6.1 (2019-07-05)
os Windows 10 x64
system x86_64, mingw32
ui RTerm
language (EN)
collate Chinese (Simplified)_China.936
ctype Chinese (Simplified)_China.936
tz Asia/Taipei
date 2020-05-26
- Packages -------------------------------------------------------------------
package * version date lib source
askpass 1.1 2019-01-13 [1] CRAN (R 3.6.1)
assertthat 0.2.1 2019-03-21 [1] CRAN (R 3.6.1)
backports 1.1.5 2019-10-02 [1] CRAN (R 3.6.1)
base64enc 0.1-3 2015-07-28 [1] CRAN (R 3.6.0)
BH 1.72.0-3 2020-01-08 [1] CRAN (R 3.6.2)
broom 0.5.4 2020-01-27 [1] CRAN (R 3.6.2)
callr 3.4.1 2020-01-24 [2] CRAN (R 3.6.2)
cellranger 1.1.0 2016-07-27 [1] CRAN (R 3.6.2)
cli 2.0.1 2020-01-08 [1] CRAN (R 3.6.2)
clipr 0.7.0 2019-07-23 [2] CRAN (R 3.6.1)
colorspace 1.4-1 2019-03-18 [1] CRAN (R 3.6.1)
crayon 1.3.4 2017-09-16 [1] CRAN (R 3.6.1)
curl 4.3 2019-12-02 [1] CRAN (R 3.6.2)
DBI 1.1.0 2019-12-15 [2] CRAN (R 3.6.2)
dbplyr 1.4.2 2019-06-17 [1] CRAN (R 3.6.2)
digest 0.6.23 2019-11-23 [1] CRAN (R 3.6.2)
dplyr * 0.8.3 2019-07-04 [1] CRAN (R 3.6.1)
ellipsis 0.3.0 2019-09-20 [1] CRAN (R 3.6.1)
evaluate 0.14 2019-05-28 [1] CRAN (R 3.6.3)
fansi 0.4.1 2020-01-08 [1] CRAN (R 3.6.2)
farver 2.0.3 2020-01-16 [1] CRAN (R 3.6.2)
forcats * 0.4.0 2019-02-17 [1] CRAN (R 3.6.2)
fs 1.3.1 2019-05-06 [2] CRAN (R 3.6.1)
generics 0.0.2 2018-11-29 [2] CRAN (R 3.6.1)
ggplot2 * 3.2.1 2019-08-10 [1] CRAN (R 3.6.1)
glue 1.3.1 2019-03-12 [1] CRAN (R 3.6.1)
gtable 0.3.0 2019-03-25 [1] CRAN (R 3.6.1)
haven 2.2.0 2019-11-08 [1] CRAN (R 3.6.2)
highr 0.8 2019-03-20 [1] CRAN (R 3.6.3)
hms 0.5.3 2020-01-08 [1] CRAN (R 3.6.2)
htmltools 0.4.0 2019-10-04 [1] CRAN (R 3.6.1)
httr 1.4.1 2019-08-05 [1] CRAN (R 3.6.1)
jsonlite 1.6 2018-12-07 [1] CRAN (R 3.6.1)
knitr 1.28 2020-02-06 [1] CRAN (R 3.6.3)
labeling 0.3 2014-08-23 [1] CRAN (R 3.6.0)
lattice 0.20-38 2018-11-04 [2] CRAN (R 3.6.1)
lazyeval 0.2.2 2019-03-15 [1] CRAN (R 3.6.1)
lifecycle 0.1.0 2019-08-01 [1] CRAN (R 3.6.1)
lubridate 1.7.4 2018-04-11 [1] CRAN (R 3.6.2)
magrittr 1.5 2014-11-22 [1] CRAN (R 3.6.1)
markdown 1.1 2019-08-07 [1] CRAN (R 3.6.3)
MASS 7.3-51.4 2019-03-31 [2] CRAN (R 3.6.1)
Matrix 1.2-17 2019-03-22 [2] CRAN (R 3.6.1)
mgcv 1.8-31 2019-11-09 [2] CRAN (R 3.6.2)
mime 0.8 2019-12-19 [1] CRAN (R 3.6.2)
modelr 0.1.5 2019-08-08 [1] CRAN (R 3.6.2)
munsell 0.5.0 2018-06-12 [1] CRAN (R 3.6.1)
nlme 3.1-140 2019-05-12 [2] CRAN (R 3.6.1)
openssl 1.4.1 2019-07-18 [1] CRAN (R 3.6.1)
pillar 1.4.3 2019-12-20 [1] CRAN (R 3.6.2)
pkgconfig 2.0.3 2019-09-22 [1] CRAN (R 3.6.1)
plogr 0.2.0 2018-03-25 [1] CRAN (R 3.6.1)
plyr 1.8.5 2019-12-10 [1] CRAN (R 3.6.2)
prettyunits 1.1.1 2020-01-24 [2] CRAN (R 3.6.2)
processx 3.4.1 2019-07-18 [2] CRAN (R 3.6.1)
progress 1.2.2 2019-05-16 [2] CRAN (R 3.6.1)
ps 1.3.0 2018-12-21 [2] CRAN (R 3.6.1)
purrr * 0.3.3 2019-10-18 [1] CRAN (R 3.6.2)
R6 2.4.1 2019-11-12 [1] CRAN (R 3.6.2)
RColorBrewer 1.1-2 2014-12-07 [1] CRAN (R 3.6.0)
Rcpp 1.0.2 2019-07-25 [1] CRAN (R 3.6.1)
readr * 1.3.1 2018-12-21 [1] CRAN (R 3.6.2)
readxl 1.3.1 2019-03-13 [1] CRAN (R 3.6.2)
rematch 1.0.1 2016-04-21 [1] CRAN (R 3.6.2)
reprex 0.3.0 2019-05-16 [1] CRAN (R 3.6.2)
reshape2 1.4.3 2017-12-11 [1] CRAN (R 3.6.1)
rlang 0.4.5 2020-03-01 [1] CRAN (R 3.6.3)
rmarkdown 2.1 2020-01-20 [1] CRAN (R 3.6.1)
rstudioapi 0.11 2020-02-07 [1] CRAN (R 3.6.3)
rvest 0.3.5 2019-11-08 [1] CRAN (R 3.6.2)
scales 1.1.0 2019-11-18 [1] CRAN (R 3.6.2)
selectr 0.4-2 2019-11-20 [1] CRAN (R 3.6.2)
stringi 1.4.3 2019-03-12 [1] CRAN (R 3.6.0)
stringr * 1.4.0 2019-02-10 [1] CRAN (R 3.6.1)
sys 3.3 2019-08-21 [1] CRAN (R 3.6.1)
tibble * 2.1.3 2019-06-06 [1] CRAN (R 3.6.1)
tidyr * 1.0.0 2019-09-11 [1] CRAN (R 3.6.1)
tidyselect 1.0.0 2020-01-27 [1] CRAN (R 3.6.3)
tidyverse * 1.3.0 2019-11-21 [1] CRAN (R 3.6.2)
tinytex 0.19 2020-01-14 [1] CRAN (R 3.6.2)
utf8 1.1.4 2018-05-24 [1] CRAN (R 3.6.1)
vctrs 0.2.99.9002 2020-01-13 [1] Github (r-lib/vctrs@038b6af)
viridisLite 0.3.0 2018-02-01 [1] CRAN (R 3.6.1)
whisker 0.4 2019-08-28 [2] CRAN (R 3.6.1)
withr 2.1.2 2018-03-15 [1] CRAN (R 3.6.1)
xfun 0.12 2020-01-13 [1] CRAN (R 3.6.3)
xml2 1.2.2 2019-08-09 [2] CRAN (R 3.6.1)
yaml 2.2.0 2018-07-25 [1] CRAN (R 3.6.0)
[1] C:/Users/wlx/Documents/R/win-library/3.6
[2] C:/Program Files/R/R-3.6.1/library
ggplot2::mpg libray之后就不用這樣了
1.mpg數據框
數據框是變量（列）和觀測（行）的矩形集合。mpg是ggplot2的內置數據框。
拿到一個數據首先就要觀察它！忘了誰說的反正好有道理。
Fuel economy data from 1999 and 2008 for 38 popular models of car
234 行x 11列
1.manufacturer：生產商 15個
2.model：型號 38個
3.displ：引擎排量-L 35個，單位為升，小數
4.year：出廠年份
5.cly：汽缸數 4,5,6,8
6.trans：變速方式：10個
7.dry：驅動方式 f r 4
8.cty ：每加侖汽油能跑的公里數（城市）21個，整數
9.hwy：燃油效率：每加侖汽油能跑的公里數（高速路）單位英里/加侖，燃油效率高說明省油。 27個，整數。
10.fl：燃油類型，五個 p r e d c
11.class：車型 七個 compact midsize suv 2seater minivan pickup subcompact
library(ggplot2) ggplot包含在tidyverse中，不用再單獨library
mpg
# A tibble: 234 x 11
manufacturer model displ year cyl trans drv cty hwy fl class
<chr> <chr> <dbl> <int> <int> <chr> <chr> <int> <int> <chr> <chr>
1 audi a4 1.8 1999 4 auto(l~ f 18 29 p comp~
2 audi a4 1.8 1999 4 manual~ f 21 29 p comp~
3 audi a4 2 2008 4 manual~ f 20 31 p comp~
4 audi a4 2 2008 4 auto(a~ f 21 30 p comp~
5 audi a4 2.8 1999 6 auto(l~ f 16 26 p comp~
6 audi a4 2.8 1999 6 manual~ f 18 26 p comp~
7 audi a4 3.1 2008 6 auto(a~ f 18 27 p comp~
8 audi a4 quat~ 1.8 1999 4 manual~ 4 18 26 p comp~
9 audi a4 quat~ 1.8 1999 4 auto(l~ 4 16 25 p comp~
10 audi a4 quat~ 2 2008 4 manual~ 4 20 28 p comp~
# ... with 224 more rows
?mpg #查看幫助文檔
用dplyr包的distinct函數
p<-mpg
library(dplyr)
distinct(p,manufacturer) #manufacturer替換為其他列名。僅顯示非重復值，不顯示重復次數。
# A tibble: 15 x 1
manufacturer
<chr>
1 audi
2 chevrolet
3 dodge
4 ford
5 honda
6 hyundai
7 jeep
8 land rover
9 lincoln
10 mercury
11 nissan
12 pontiac
13 subaru
14 toyota
15 volkswagen
count(p,manufacturer) #顯示出現次數
# A tibble: 15 x 2
manufacturer n
<chr> <int>
1 audi 18
2 chevrolet 19
3 dodge 37
4 ford 25
5 honda 9
6 hyundai 14
7 jeep 8
8 land rover 4
9 lincoln 3
10 mercury 4
11 nissan 13
12 pontiac 5
13 subaru 14
14 toyota 34
15 volkswagen 27
count(p,class) #顯示出現次數
# A tibble: 7 x 2
class n
<chr> <int>
1 2seater 5
2 compact 47
3 midsize 41
4 minivan 11
5 pickup 33
6 subcompact 35
7 suv 62
count(p,drv)
# A tibble: 3 x 2
drv n
<chr> <int>
1 4 103
2 f 106
3 r 25
count(p,cyl)
# A tibble: 4 x 2
cyl n
<int> <int>
1 4 81
2 5 4
3 6 79
4 8 70
基礎作圖
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy))
加顏色
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, color = class))
大小
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, size = class))
透明度和形狀
將車型class映射給透明度
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, alpha = class))
將車型class映射給形狀
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, shape = class))
（4）手動設置圖形屬性
例：所有點設為藍色
（注意：color="blue"在aes（）外）
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy), color = "blue")
（5）stroke-輪廓（筆者補充）
適用于散點圖，21-24號形狀
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, stroke = 3),shape=21)
5.分面
（1）依據單個變量分面 facet_wrap() #分子圖
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_wrap(~ class, nrow = 2) #分兩行展示
nrow指定分面后顯示幾行
ncol指定分面后顯示幾列
注意~分面依據必須是離散型變量。
（2）依據兩個變量分面 facet_grid()
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(drv ~ cyl)
不需要指定nrow和ncol。
(3)不想在行或列維度中分面，用.代替變量名
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(. ~ cyl)
6.幾何對象
也就是圖的不同類型，如點圖、折線圖、直方圖等。
（1）理解分組
將一個圖形屬性映射為一個離散型變量，ggplot2就會自動對數據進行分組來繪制多個幾何對象。這種形式是隱式分組，不需要添加圖例和區分特征。
ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy))
將線性映射為drv（驅動方式，d,f,4）就會自動變成三條線型不同的線。
將顏色映射為drv，就會自動變成三條顏色不用的線。
分組
ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy, group = drv))
隱式分組-線型
ggplot(data = mpg) +
geom_smooth(
mapping = aes(x = displ, y = hwy, linetype = drv),
)
隱式分組-顏色
ggplot(data = mpg) +
geom_smooth(
mapping = aes(x = displ, y = hwy, color = drv),
show.legend = FALSE #不顯示圖例
)
（2）同一張圖顯示多個幾何對象--局部映射和全局映射
--這里涉及到圖層啦。
局部映射-映射只對改圖層有效
有多個幾何對象時，映射語句要重復多次，又丑又麻煩。
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
geom_smooth(mapping = aes(x = displ, y = hwy))
全局映射--對所有圖層生效
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point() +
geom_smooth()
局部映射與全局映射沖突時，服從局部映射。
例如:
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point(mapping = aes(color = class)) +
geom_smooth(data = filter(mpg, class == "subcompact"), se = FALSE)
如果出現報錯，請library(dplyr) 或library(tidyverse)
Error in class == "subcompact" : comparison (1) is possible only for atomic and list types
這個報錯是因為filter函數出自dplyr包，不加載就不能用~
ps：關于se=FALSE
se是standard error的縮寫，se參數為擬合曲線添加標準誤差帶，也就是那個灰不啦嘰的灰色背景帶，默認是TRUE。
7.統計變換
（1）關于diamonds數據集 （筆者補充）
ggplot2內置數據集，包含53940顆鉆石的信息。
carat：克拉
cut：切割質量
color：顏色等級
clarity：純凈度等級
depth：深度比例
table：鉆石頂部相對于最寬點的寬度
price：價格
"x" "y" "z" ：長寬深
↑以上來自幫助文檔?diamonds
（2）統計變換函數和幾何對象函數
統計變換：繪圖時用來計算新數據的算法叫做統計變換stat
geom_bar做出的圖縱坐標為count，是計算的新數據。
geom_bar的默認統計變換是stat_count，stat_count會計算出兩個新變量-count（計數）和prop（proportions，比例）。
每個幾何對象函數都有一個默認的統計變換，每個統計變換函數都又一個默認的幾何對象。
用幾何對象函數geom_bar作直方圖，默認統計變換是stat_count，
diamonds
# A tibble: 53,940 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 0.290 Premium I VS2 62.4 58 334 4.2 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 4.05 2.39
# ... with 53,930 more rows
count(diamonds,cut) #顯示出現次數
# A tibble: 5 x 2
cut n
<ord> <int>
1 Fair 1610
2 Good 4906
3 Very Good 12082
4 Premium 13791
5 Ideal 21551
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut))
用統計變換函數stat_count做計數統計圖，默認幾何對象是直方圖。
ggplot(data [圖片上傳中...(image.png-18999c-1590543012090-0)]
= diamonds) +
stat_count(mapping = aes(x = cut))
這兩個代碼做出的圖片結果是一致的。兩種方法沒有優劣之分。
（3）顯示使用某種統計變換的原因
覆蓋默認的統計變換
直方圖默認的統計變換是stat_count,也就是統計計數。當需要直接用原表格的數據作圖時就會需要覆蓋默認的。
demo <- tribble(
~cut, ~freq,
"Fair", 1610,
"Good", 4906,
"Very Good", 12082,
"Premium", 13791,
"Ideal", 21551
) #新建表格并賦值給demo
ggplot(data = demo) +
geom_bar(mapping = aes(x = cut, y = freq), stat = "identity") #覆蓋默認的統計變換，使用identity。
覆蓋從統計變換生成變量到圖形屬性的默認映射
直方圖默認的y軸是x軸的計數。此例子中x軸是是五種cut（切割質量），直方圖自動統計了這五種質量的鉆石的統計計數，當你不想使用計數，而是想顯示各質量等級所占比例的時候就需要用到prop。
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, y = ..prop.., group = 1))
這里group=1的意思是把所有鉆石作為一個整體，顯示五種質量的鉆石所占比例體現出來。如果不加這一句，就是每種質量的鉆石各為一組來計算，那么比例就都是100%，顯示五根大黑柱子，實在是丑出新高度。
在代碼中強調統計變換
以stat_summary為例。
ggplot(data = diamonds) +
stat_summary(
mapping = aes(x = cut, y = depth),
fun.ymin = min,
fun.ymax = max,
fun.y = median
)
（小潔碎碎念：stat_summary的默認幾何圖形是geom_pointrange,而這個geom_pointrange默認的統計變換卻是identity，如果你不知道其中貓膩，就會發現他倆代碼竟然不可逆。。。一夫多妻的節奏呀。）
因此要用幾何對象函數重復這個圖形，則需要指定stat_summary。
ggplot(data = diamonds) +
geom_pointrange(
mapping = aes(x = cut, y = depth),
stat = "summary",
fun.ymin = min,
fun.ymax = max,
fun.y = median
)
8.位置調整-position
在直方圖中，顏色映射是由color和fill之分的，表示邊框和填充。如果要設置無填充（也就是透明），則fill=NA。NA在數據框里表示空值。
(1)直方圖之堆疊式-fill
堆疊式就是在基礎條形圖上添加第三個變量，將這個變量映射給fill，就會在每個條形中分出不同顏色且不同比例的矩形。
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut,fill=clarity))
除了映射的方式以外，position參數設置位置調整功能。position="fill"也可以設置，但這樣設置的每組堆疊條形具有相同的高度。
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = clarity), position = "fill")
筆者補充:感覺這種堆疊方式并不如設置fill映射，因為他突出的是比例，每組之間數值的差異被忽略了。
（2）直方圖之對象直接顯示-identity
ggplot(data = diamonds, mapping = aes(x = cut, fill = clarity)) +
geom_bar(alpha = 1/5, position = "identity")
ggplot(data = diamonds, mapping = aes(x = cut, colour = clarity)) +
geom_bar(fill = NA, position = "identity")
書中23頁identity設置透明度和無填充的圖是錯的！
正確的是這樣
（3）直方圖之并列式-dodge
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = clarity), position = "dodge")
（4）散點圖之擾動-jitter
書中翻譯為抖動，我認為擾動更精確。
以mpg的displ和hwy散點圖為例
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy))
在這個例子中，數據有234行，圖中卻只有126個點。這就是因為有些點是重疊的，圖上雖然顯示一個點，但其實是好幾個點重疊成了一個。
jitter可以為點添加隨機擾動，使重疊的點分散開。
position參數設為jitter的快速實現：geom_jitter()
除了geom_jitter外，geom_point也可以展示重疊點，會根據重疊點的個數調整大小。
（5）stack-堆疊 無
ggplot(series, aes(time, value, group = type)) +
geom_line(aes(colour = type), position = "stack") +
geom_point(aes(colour = type), position = "stack")
ggplot(series, aes(time, value, group = type)) +
geom_line(aes(colour = type)) +
geom_point(aes(colour = type))
設置position_stack（上）和不設置（下）的區別：
9.坐標系
（1）coord_flip翻轉坐標系
ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
geom_boxplot() +
coord_flip()
（2）coord_quickmap
為地圖設置長寬比
此處需要加載maps包，否則會報錯。
library(maps)
如果報錯則：install.packages("maps")
library(maps)
nz <- map_data("nz")
ggplot(nz, aes(long, lat, group = group)) +
geom_polygon(fill = "white", colour = "black")
ggplot(nz, aes(long, lat, group = group)) +
geom_polygon(fill = "white", colour = "black") +
coord_quickmap()
geom_polygon 是多邊形圖
（3）coord_polar 極坐標系
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()
ps：習題中涉及的
(1)關于餅圖/牛眼圖/圓圈圖
ggplot(mpg, aes(x = factor(1), fill = drv)) +
geom_bar()
ggplot(mpg, aes(x = factor(1), fill = drv)) +
geom_bar(width = 1) +
coord_polar(theta = "y")
要點：
不分組，只有一個因子型變量drv。
如果作圖不設置width，餅圖中間會出現一個白色圈圈。經測試發現width等于幾在圖上并沒有區別，但是不設置卻不行。
theta是角度的意思。如果不設置這個參數就會得到牛眼圖哈哈哈哈哈哈。
作者取名叫牛眼圖
多圓圈圖
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = clarity), position = "fill") +
coord_polar(theta = "y")
