R語言最擅長繪圖。R語言最擅長的繪圖包是ggplot2，由于很多朋友沒有接觸過ggplot2，必須要對其語言方式有個初步的認識。所以入門學習是必須的。公眾號先前若干篇文章已經介紹ggplot2繪圖的基本方法（具體可以關注文末鏈接），為推動學習，今天介紹再次系統的一番。

ggplot2包是R的一個作圖用的最精彩的擴展包，它實現了“圖形的語法”，將一個作圖任務分解為若干個子任務，只要完成各個子任務就可以完成作圖。在作常用的圖形時，只需要兩個步驟：首先將圖形所展現的數據輸入到ggplot()函數中，然后調用某個geom_xxx()函數，指定圖形類型，如散點圖、曲線圖、盒形圖等。

如果需要進一步控制圖形細節，只要繼續調用其它函數，就可以控制變量值的表現方式(scale)、圖例、配色等。這使得我們很容易做出基本的圖形，在有需要時再深入學習，做出更為滿意的圖形。

與基本R中的作圖系統相比，?ggplot2的作圖有規律可循，作圖結果直接達到出版印刷質量，除了可以按照一些既定模式做出常見種類的圖形，也很容易將不同圖形種類組合在一起，或者設計新穎的圖形。基本R的作圖結果通常不夠美觀，如果要將不同種類圖形組合在一起比較困難，對設計新的圖形類型支持也不夠好。

ggplot2 的繪圖理念與基礎的繪圖有很大的不同，基礎的繪圖就好像是先鋪好畫布，然后在畫布上畫圖，是一個平面的，而ggplot2打破了這種畫圖的方式 ，采用了圖層的概念進行畫圖，先畫好基礎圖，然后再往上一層一層的疊加圖層，所以在進行ggplot2畫圖的時候，代碼中會有大量的“+”，這就是對于圖層的疊加。本章將大致的給大家介紹醫學數據應用ggplot2基本的結構。

ggplot2 圖層元素

1.數據（data）：將要可視化的數據

2.映射（aes）：數據中的變量值

3.幾何對象（geom）：如bar條形圖，point散點圖

4. 統計變換（stats）：對數據進行計算

5.標度（scale）：變量以什么形狀、顏色映射到圖形上

6. 分面（facet）：將數據拆開，進行分層畫圖

7. 主題（theme）：主題設定，與數據無關的圖層可以通過這個函數實現。

8. 注釋 (annotate): 對圖形增加文字類的注釋

ggplot（）圖層

ggplot （）圖層包括數據和映射。ggplot函數相當于一幅基本的畫布，畫者在上面繪制好坐標軸，設置好基本的格局和色彩、線條。

geom_XXX（）?圖層

geom_XXX（）?指的是我們要繪制的圖形類型，常見包括以下：

geom_point（）繪制散點圖

geom_bar（）繪制條形圖

geom_line（）繪制線圖

geom_histogram（）繪制直方圖

geom_boxplot（） 繪制箱式圖

geom_density（） 繪制概率密度函數

scale_?XXX 圖層

scale_?XXX?標度是一種函數，size對大小進行調整，shape對形狀進行調整，fill、col對顏色進行調整，可根據自己喜好調整

ggplot(data?=數據?,??aes(x?=變量1?,?y?=?變量2,col=變量3))?+

? ? ?geom_point(stat?=?'count'，position=”dodge”)+ ?#計數、并排

? ? ?scale_fill_manual(values = c("顏色1","顏色2"))

facet_grid() 圖層

facet_grid(...)?對圖層進行分面，數據分成多個子集進行繪圖

ggplot(data?=數據?,??aes(x?=變量1?,?y?=?變量2,col=變量3))?+

geom_point(stat?=?'count'，position=”dodge”)+

scale_colour_manual(values = c("顏色1","顏色2"))+

facet_grid(變量4~變量5) #要求變量屬于分類變量，分成多行多列的圖

theme() 圖層

theme()?是主題修改，是一個對繪圖精雕細琢的過程, 主要對標題、坐標軸標簽、圖例標簽等文字調整, 以及網格線、背景、軸的顏色搭配。

theme(plot.title =?element_text(size =?, color =, hjust =?, face =?))

ggplot2的作圖一般步驟為：

·?準備數據，一般為數據框，且一般為長表，即每個觀測時間占一行，每個觀測變量占一列。

·?載入R包，R包括可以通過tidyverse包整體載入。

·??將數據輸入到ggplot()函數中，并指定參與作圖的每個變量分別映射到哪些圖形特性，比如映射為x坐標、y坐標、顏色、形狀等。這些映射稱為aesthetic mappings或aesthetics。

很多人不明白所謂的映射。其實映射，通俗來講，就是告訴軟件，這幅圖所涉及到的變量，并且指出每個變量的用途。比如，x=gender，指的是x軸是性別；y=age，指的是y軸表示年齡大小，shape=location，指的是不同地區圖標的形狀不一樣（比如城市用星號，農村用三角）

·???選擇一個合適的圖形類型，函數名以geom_開頭，如geom_point()表示散點圖。圖形類型簡稱為geom。將ggplot()部分與geom_xxx()部分用加號連接。到此已經可以作圖，下面的步驟是進一步的細化設定。

·???設定適當的坐標系統，如coord_cartesian(),?scale_x_log10()等。仍用加號連接。

·????設定標題和圖例位置等，如labs()。仍用加號連接。

這個流程的一個大致的模板為：

p <-ggplot(data=<輸入數據框>,

? ???mapping=aes(<維度>=<變量名>,

? ? ?<維度>=<變量名>,?<...>))

p?+geom_<圖形類型>(<...>)?+

?scale_<映射>_<類型>(<...>)?+

?coord_<類型>(<...>)?+

?labs(<...>)

其中<...>表示額外的選項。變量p包含做出的圖形的所有數據與設定，變量名可以任意取。

我接下來講引用R語言自帶數據庫，以散點圖為例，進行ggplot2繪圖。

本文數據集來自gapminder擴展包的gapminder數據集，有若干個國家不同年份的一些數據，包括所屬洲、期望壽命、人口數、人均GDP。有1704個觀測和6個變量。數據庫的變量包括country（國家）?、continent（洲）、year（年）、lifeExp（期望壽命）、pop（人口數）、gdpPercap(人均GDP)

library(gapminder)

head(gapminder,?6)

# A tibble: 6 x 6

country???? continent? year lifeExp????? pop gdpPercap

?<fct>????? ?<fct>? ???<int>? ?<dbl>?? ?<int>??? ?<dbl>

1 Afghanistan Asia????? ?1952??? 28.8?8425333????? 779.

2 Afghanistan Asia????? ?1957??? 30.3?9240934????? 821.

3 Afghanistan Asia????? ?1962??? 32.0 10267083????? 853.

4 Afghanistan Asia????? ?1967??? 34.0 11537966?? ???836.

5 Afghanistan Asia????? ?1972??? 36.1 13079460????? 740.

6 Afghanistan Asia????? ?1977??? 38.4 14880372????? 786.

這個數據集有多個國家在多個年份的期望壽命與人均GDP值，作期望壽命對人均GDP的散點圖，每個國家的每個年份作為一個點。散點圖最重要的映射是x軸與y軸兩個維度。

1. 最基本的散點圖

首先調用繪圖基本函數ggplot()函數，指定數據集，將人均GDP映射到x軸，將期望壽命映射到y軸，結果保存為一個R變量：

p <-ggplot(data =?gapminder,

?mapping =aes(

???x =?gdpPercap,

???y =?lifeExp))

ggplot()的調用中，可以省略data =,?mapping =,?x =,?y =，寫成：

p <-ggplot(gapminder,?aes(gdpPercap, lifeExp))

ggplot函數，相當于一幅基本的畫布，畫者在上面繪制好坐標軸，設置好基本的格局和色彩、線條。

在如上指定了數據和映射后，只要用geom_xxx()指定一個圖形類型，并與ggplot()的結果用加號連接就可以作圖了，如：

p?+geom_point()

x、y軸是最常見的映射，也可以將變量映射為顏色、符號、線型等，這時不需要指定具體的顏色、符號、線型，而是將變量映射為這些圖形元素類型。

2. 更多的美圖

指定數據集、指定映射、選擇適當的圖形類型就可以做出基本的圖形，隨后可以逐步對坐標系、坐標系刻度、標簽與圖例、配色等進行改善。實際上，ggplot2包已經提供了十分合理的預設值，用戶只要進行一些必要的改動即可。

作圖步驟之間用加號連接，這是ggplot包特有的語法。例如，用相同的映射基于geom_smooth()?做出擬合曲線圖：

p?+geom_smooth()

## `geom_smooth()` using method ='gam' and formula 'y ~ s(x, bs = "cs")'

用相同的映射做出散點圖并疊加擬合曲線圖：

p?+geom_point()?+geom_smooth()

## `geom_smooth()` using method ='gam' and formula 'y ~ s(x, bs = "cs")'

geom_smooth()的默認設置調用了gam()函數來擬合曲線，可以用geom_smooth()的參數選擇不同的擬合方法，如直線擬合：

p?+geom_point()?+geom_smooth(method="lm")

注意geom_xxx()函數計算所需的變量值是從ggplot()函數保存在變量p中的信息提取的。

在以上的所有圖形中，?x軸變量（人均GDP）分布非正態，嚴重右偏，使得大多數散點重疊地分布在直角坐標系的左下角。將x軸用對數刻度可以改善，函數為scale_x_log10():

p?+geom_point()?+

?geom_smooth(method="gam")?+

?scale_x_log10()

廣義可加模型擬合的曲線基本是一條直線。注意，對數刻度實際上是對原始數據進行對數變換，而geom_smooth()的擬合計算是在對數變換之后進行的。

剛剛的圖形的橫坐標軸刻度不太友好，可以調用scales擴展包的適當函數進行改善，作為scale_x_log10()的labels選項：

p?+geom_point()?+

?geom_smooth(method="gam")?+

?scale_x_log10(labels=scales::dollar)

scale_xxx()的labels選項指定如何標出坐標刻度數字，參數值是一個函數對象，如果scales包中找不到適當的功能，可以自定義一個函數將數值轉換為字符串。?scales包提供了comma,??date,?dollar,??math,number,?ordinal,?pvalue,?scientific,?time?等坐標刻度值轉換函數。

4. 在geom_point()和geom_smooth()加點簡單元素

geom_xxx()函數接受許多關于顏色、透明度、符號、線型的設置參數。比如，下面的程序指定了散點的透明度，以及散點圖的顏色的粗細：

p <-ggplot(data=gapminder,

?mapping =aes(

???x =?gdpPercap,

???y =?lifeExp))

p?+geom_point(color="chartreuse4",alpha=0.5)?+

?geom_smooth(method="loess")?+

?scale_x_log10(labels=scales::dollar)

當然，也可以對geom_smooth()玩一把

p?+geom_point(color="chartreuse4",alpha=0.5)?+

?geom_smooth(color="cadetblue1",?se =FALSE,?size =2,?alpha =0.3)?

程序中size指定了線的以毫米為單位的粗細，?se = FALSE關閉了置信區間顯示。用alpha =設置了透明度，取0和1之間的值，數值越小越透明。在有許多個點時適當設置透明度可以比較好地顯示出重疊的點，重疊點越多點的顏色越深。雖然這里設置了固定的透明度，也可以在aes()中將透明度alpha映射到某個變量，使得該變量值大小用點的透明度表示。

畫線時可以用linetype參數指定線型，?0表示實線，?1到6分別表示不同的虛線線型。

最后，來一個下面用labs()函數給圖形加上適當的標題：

p?+geom_point(color="chartreuse4",alpha=0.5)?+

?geom_smooth(color="cadetblue1",?se =FALSE,?size =2,?alpha =0.3)?

labs(

???x ="人均GDP",

???y ="期望壽命（年數）",

???title ="經濟增長與期望壽命",

???subtitle ="數據點為每個國家每年",

???caption ="數據來源: gapminder"? )

3.顏色、符號、線型等映射

在ggplot()函數的mapping參數的aes()設定中將變量映射到x、y軸，顏色、符號、線型等圖形元素類型，也可以作為圖形設置將某些圖形元素設置為固定值。

例如，用不同顏色表示不同大洲，就是將continent變量映射到color:

p <-ggplot(data=gapminder,

?mapping =aes(

???x =?gdpPercap,

???y =?lifeExp,

???color =?continent))

程序中僅指定了將大洲映射到顏色維，并不具體指定所用的顏色。

作帶有局部多項式曲線擬合的散點圖：

p?+geom_point()?+

?geom_smooth(method="loess")?+

?scale_x_log10(labels=scales::dollar)

可以看出，不同散點用了不同顏色表示其continent變量的值，五個大洲分別進行了曲線擬合，曲線使用了不同顏色但置信域顏色相同，使得難以認讀。在圖形右側自動生成了顏色與continent變量值的對應關系圖例。

下面的圖形仍分不同大洲作曲線擬合，并將置信區間陰影的顏色也用不同大洲區分，方法是在aes()中將color和fill都指定為變量continent:

p <-ggplot(data=gapminder,

?mapping =aes(

???x =?gdpPercap,

???y =?lifeExp,

???color =?continent,

???fill =?continent))

p?+geom_point()?+

?geom_smooth(method="loess")?+

?scale_x_log10(labels=scales::dollar)

4. 在geom_xxx() 映射變量

在前面的一個例圖中，在ggplot()函數中將color和fill映射到了continent變量，使得不僅散點顏色代表了不同大洲，還使得每個大洲單獨擬合了曲線。如果希望所有大洲擬合同一條曲線怎么辦？

在必要時，可以在geom_xxx()函數中用mapping = aes(<...>)單獨指定變量映射。例如，下面的程序在geom_point()中將不同大洲映射為不同顏色，而不影響geom_smooth()中的顏色以及分組：

p <-ggplot(data=gapminder,

?mapping =aes(

???x =?gdpPercap,

???y =?lifeExp))

p?+geom_point(mapping =aes(color =?continent))?+

?geom_smooth(method="loess")?+

?scale_x_log10(labels=scales::dollar)

也可以將一個分類變量映射到不同繪圖符號。例如，取gapminder 2007年數據子集，將大洲映射到符號(shape)：

p <- ggplot(data = filter(gapminder,year==2007),

??????????? mapping = aes(

????????????? x = gdpPercap,

????????????? y = lifeExp))

p + geom_point(mapping =aes(shape = continent), alpha = 0.4, size = 4) +

?scale_x_log10(labels=scales::dollar)

這種映射僅適用于點數比較少的情況,太多密密麻麻不好看（為此我們用了filter函數抽取2007年的數據），還用了size參數指定符號的大小（單位：毫米）。如果所有點使用同一符號并需要指定符號，可以在geom_point()中用shape參數指定，可以用0到25的整數值表示，比如19為實心點，也可以用字符串符號名稱表示，如"circle"表示實心點。參見ggplot2幫助目錄中的vignette ggplot2:ggplot2-specs。

也可以將連續變量映射為漸變色。除了表示二元函數的等值線圖以外這種方法并不利于讀者認讀。

例如，將人口數取自然對數映射為漸變色：

p <-ggplot(data=gapminder,

?mapping =aes(

???x =?gdpPercap,

???y =?lifeExp,

???color =log(pop)))

p?+geom_point()?+

?geom_smooth(method="loess")?+

?scale_x_log10(labels=scales::dollar)

5.小圖

前面所有國家的圖包含了過多的曲線， 使得圖形表現得很擁擠。可以將一個作圖區域拆分成若干個小塊， 稱為小圖（facet）， 按照某一個或兩個分類變量的不同值將數據分為若干個子集， 每個數據子集分別在小圖上作圖。

對于上面的例子， 可以將每個大洲的圖形分別放置在一個小圖上。小圖不是一種變量映射， 而是一種圖形擺放方法， 所以不設置在aes()函數內， 而是用facet_wrap()函數規定。?程序如：

p <-ggplot(data=gapminder,

????????? ?????mapping =aes(

? ?????????????x = gdpPercap,

???????????? ???y = lifeExp,

???????????? color= continent))

p +geom_point() +

??? geom_smooth(method="loess") +

???? scale_x_log10(labels=scales::dollar)+

facet_wrap(~ continent, ncol = 2)

區分不同小圖的標簽寫在每個小圖的上方。可以用facet_wrap()參數strip_position和參數switch調整標簽的上下左右。

小圖之間默認公用了橫坐標和縱坐標且坐標范圍保持一致。如果不保持一致， 讀者可能會有誤解。但是x軸或y軸映射為分類變量且不同小圖的分類完全不同時， 可以令各小圖中該軸的取值不統一。facet_wrap()選項scales默認為"fixed"， 即所有小圖的x軸、y軸都范圍一致， 取"free_x"則允許各小圖的x軸不統一，?"free_y"允許各小圖的y軸不統一，?"free"允許各小圖的x軸和y軸都不統一。

在facet_wrap()中可以用ncol參數指定小圖的列數， 用nrow指定小圖的行數。各個小圖的次序應該設定為一定的合理次序， 比如用來分類的變量本身有序， 或者令各小圖中的數據值有一定的增減次序。

6.總結

ggplot2的不僅僅是能夠做一些固定格式的圖形， 而是按照一種圖形語法構建圖形。小圖功能可以將數據集分成若干子集作多幅小圖， 每幅小圖中， 有可以分層， 每層有不同類型的圖， 各層疊加顯示在一起。所以，分層語法作圖結構如下：

有一個主要的數據集， 以及從數據集變量到坐標位置、顏色、填充、大小、符號等的映射關系(aesthetics);

有一到多個圖層， 比如散點圖和平滑曲線圖層， 每個圖層有幾何對象、必要的統計變換、位置調整， 還可以有額外的數據集以及額外的映射關系；

對每個映射關系有一個刻度(scaling)， 對x、y維，一般需要線性變換，偶爾用到對數變換之類的其它變換， 顏色、填充等維度需要一些復雜的對應關系。無特殊需要時只要使用默認刻度；

有一個坐標系統， 如直角坐標系、極坐標系、球面坐標系等， 一般只要使用默認的坐標系統；

可以劃分小圖(facetting)。

利用繪圖語法既可以做出常見的統計圖形， 也可以做出各種新穎的圖形， 當然， 就像語法正確的語句不一定有意義， 用繪圖語法做得新穎圖形不一定有實際意義， 還是要按照可視化的一般原則做出能說服讀者的圖形