1. install packages
install.packages("tidyverse")
library(tidyverse)
tidyverse_update()
##################
安裝三個數據包
install.packages(c("nycflights13", "gapminder", "Lahman"))
tidyverse 包括ggplot2, tibble, tidyr, readr, purrr和 dplyr包
PART I Explore
CHAPTER 1: Data Visualization with ggplot2
以ggplot2包中的mpg數據為例，它是一個數據框，每行為一個數據，每列為一個觀測。mpg包括38種車的數據。
# 查看該數據集
head(ggplot2::mpg)
displ:車發動機大小，hwy：車的燃油效率
- 用該數據集創造第一幅ggplot圖
library(ggplot2)
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy))
該圖表示發動機大小與燃油呈現負相關。
- ggplot() 函數產生最基礎的坐標系統，然后可以在上面加圖層，
# 空圖層，背景，顏色，字體都設好了
ggplot(data = mpg)
# aes()將數字映射為圖形
ggplot(data = mpg) + geom_point(aes(displ,hwy))
#查看mpg數據
dim(mpg)
head(mpg)
# 查看hwy和cyl的關系
ggplot(mpg,aes(hwy,cyl)) + geom_point()
這里提供了一個畫圖模板：
ggplot(data = <DATA>) +
<GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))
Aesthetic Mappings
aesthetic美學的，在圖中表示點的大小，顏色等
我們可以把點的顏色按某個數值分組，如class
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, color = class))
也可以按點的大小分組
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, size = class))
或者映射給透明度或者形狀
# Top
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, alpha = class))
# Bottom
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, shape = class))
# ggplot一次只能用6個形狀，這里有7個，所以SUV不顯示了
我們可以手動定義幾何類型
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy), color = "blue")
練習題：
1.為什么點不是藍色的？
ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy, color = "blue")
)
因為color放在映射里面了，映射自動從彩色里賦值。
ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y =hwy, color = cty))
2.注意映射連續變量與分類變量的區別。如顏色連續變量為一個顏色從深到淺，分類變量為各個顏色的分類。
ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y =hwy, color = displ))
4.一個變量有多個映射是可以的，但是造成了信息的冗余，一般不會這樣做。
- stroke是映射什么的？
ggplot(mtcars, aes(wt, mpg)) +
geom_point(shape = 21, colour = "black", fill = "white", size = 5, stroke = 1)
stroke映射點的邊框粗細。
ggplot(mpg, aes(x = displ, y = hwy, colour = displ < 5)) +
geom_point()
注意：R語法很容易出錯，注意()，“”是否配對，如果運行R代碼無反應，按Esc鍵退出。
Facets 分面
增加信息的方式一個是將變量給映射，另外一個方法是將分類變量給分面，從而將圖分成幾個小的面。
分面有兩種函數，facet_wrap(~分類變量，nrow,ncol)這個函數放入一個分類變量。
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_wrap(~ class, nrow = 2)
facet_grid(a ~ b) 可以用兩個組合變量來分面
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(drv ~ cyl)
facet_grid()函數如果只想用一個變量來分面，可以用.留空。
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(. ~ cyl)
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(drv ~ .)
練習題：
- 如果用連續型變量來分面會出現什么后果?
head(mpg)
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_wrap(~ cty, nrow = 2)
結果是將連續型變量轉換為因子，每個因子都有一個分面。
2.該圖中有空位子，表示什么意思？
ggplot(data = mpg) +
geom_point(mapping = aes(x = drv, y = cyl))
空點表示該位子無數值。
3.下面兩個代碼有何不同？
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(drv ~ .)
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(. ~ cyl)
.的位置代表不想用該變量進行分面。
4.用分面代替顏色映射的優勢和劣勢是什么？
一幅圖中人眼可以識別的顏色不超過9種，分面可以區分更多的信息，但是不容易相互比較。
3.6 Geometric Objects 幾何對象
幾何對象是把數據用圖形的方式映射出來
# left
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy))
# right
ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy))
每個幾何對象函數都有對應的映射參數，但是具有獨立性，有些不能通用
ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy, linetype = drv))
許多幾何對象可以展示多組圖形，ggplot2會自動分組，但是不展示圖例。
ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy))
ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy, group = drv))
ggplot(data = mpg) +
geom_smooth(
mapping = aes(x = displ, y = hwy, color = drv),
show.legend = FALSE
)
ggplot2也可以展示多個圖層
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
geom_smooth(mapping = aes(x = displ, y = hwy))
同一張圖顯示多個幾何對象--局部映射和全局映射的區別，如有沖突，以局部變量為準。
# ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
# geom_point(mapping = aes(color = class)) +
# geom_smooth(
# data = filter(mpg, class == "subcompact"),
# se = FALSE
# )
filter設置geom_smooth幾何對象的過濾，se表示標準差
練習題：
Exercise 3.6.2 該代碼畫圖是什么樣的？
ggplot(data = mpg, mapping = aes(x = displ, y = hwy, colour = drv)) +
geom_point() +
geom_smooth(se = FALSE)
color作為全局變量傳遞給point和smooth，因此，這兩個都畫出來了。
Exercise 3.6.3
What does show.legend = FALSE do? What happens if you remove it? Why do you think I used it earlier in the chapter?
ggplot(data = mpg) +
geom_smooth(
mapping = aes(x = displ, y = hwy, colour = drv),
)
ggplot(data = mpg) +
geom_smooth(
mapping = aes(x = displ, y = hwy, colour = drv),
show.legend = FALSE)
- Re-create the R code necessary to generate the following graphs.
ggplot(mpg,aes(displ,hwy))+geom_point()+geom_smooth(se=F)
ggplot(mpg,aes(displ,hwy))+geom_point()+geom_smooth(aes(group=drv),se=F)
ggplot(mpg, aes(x = displ, y = hwy, colour = drv)) +
geom_point() +
geom_smooth(se = FALSE)
ggplot(mpg,aes(displ,hwy))+geom_point(aes(color=drv))+geom_smooth(se=F)
ggplot(mpg,aes(displ,hwy))+geom_point(aes(color=drv))+geom_smooth(aes(linetype=drv),se=F)
ggplot(mpg, aes(x = displ, y = hwy)) +
geom_point(size = 4, color = "white") +
geom_point(aes(colour = drv))
3.7 Statistical Transformations 統計變換
統計變換：繪圖時用來計算新數據的算法叫做統計變換stat
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.
一般可以用默認的統計變換，以下情況要用新的統計變換：
1.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。
library(tibble)
demo <- tribble(
~a, ~b,
"bar_1", 20,
"bar_2", 30,
"bar_3", 40
)
# 默認stat=count，這里改成 "identity"
ggplot(data = demo) +
geom_bar(
mapping = aes(x = a, y = b), stat = "identity"
)
2.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(diamonds,aes(cut,..prop..,group=1))+geom_bar()
#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。
3.在代碼中強調統計變換
以stat_summary為例。
ggplot(diamonds)+stat_summary(aes(cut,depth),
fun.ymin = min,
fun.ymax=max,
fun.y=median)
練習題：
1.stat_summary()默認的幾何對象是什么？
stat_summary的默認幾何圖形是geom_pointrange,而geom_pointrange默認的統計變換卻是identity
ggplot(diamonds) + geom_pointrange(aes(cut,depth),
stat = 'summary',
fun.ymin=min,
fun.ymax=max,
fun.y=median)
geom_col()與geom_bar()的區別
geom_col()的默認統計變換為identity()，geom_bar()默認為count()stat_smooth()計算變量為預測值，最低和最高置信區間及SE
geom_bar(aes(y = ..prop..))中group=1的設置？
默認分組是等于x的，分組是在組內執行
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, y = ..prop..))
ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, fill = color, y = ..prop..)
)
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, y = ..prop.., group = 1))
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = color, y = ..prop.., group = color))
3.8 Position Adjustments
geom_bar的顏色可以用color和fill調整
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, color = cut))
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = cut))
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = clarity))
bar的位置有三個參數可以調整"identity", "dodge" or "fill"
"identity"直接顯示
ggplot(diamonds,aes(cut,fill=clarity))+geom_bar(alpha=1/5,position = 'identity')
ggplot(diamonds,aes(cut,color=clarity))+geom_bar(fill=NA,position = 'identity')
"fill"堆疊式，x每個分組都為100%
ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, fill = clarity),
position = "fill"
)
"dodge" 并列式，一個放在另一個旁邊
ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, fill = clarity),
position = "dodge"
)
position = "jitter" 添加點的隨機擾動，使重復的點暴露出來。
ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy),
position = "jitter"
)
?position_dodge, ?position_fill, ?position_identity, ?position_jitter, and ?posi
tion_stack.
ggplot(mtcars,aes(factor(cyl),fill=factor(vs))) +
geom_bar(position = position_dodge(preserve = 'total'))
練習題：
- geom_jitter()哪個參數控制擾動大小？
width,height從水平和垂直方向控制
3.對比geom_jitter() 和 geom_count()
#geom_jitter()對點添加隨機擾動
ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
geom_jitter()
#geom_count()重復的點越多，點越大
ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
geom_count()
- geom_boxplot()默認的統計變換是什么？
ggplot(data = mpg, mapping = aes(x = drv, y = hwy,color=class)) +
geom_boxplot()
ggplot(data = mpg, aes(x = drv, y = hwy, colour = class)) +
geom_boxplot(position = "identity")
默認為position_dodge()
3.9 Coordinate Systems 坐標系統
ggplot2默認為笛卡爾坐標系，x和y軸是獨立的
coord_flip() 調換x和y軸
ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
geom_boxplot()
ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
geom_boxplot() +
coord_flip()
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")
# geom_polygon 是多邊形圖
ggplot(nz, aes(long, lat, group = group)) +
geom_polygon(fill = "white", colour = "black") +
coord_quickmap()
coord_polar()極坐標系統
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()
#width = 1把柱形圖中間的空去掉了，
ggplot(mpg, aes(x = factor(1), fill = drv)) +
geom_bar()
#theta = "y"是將角度按y軸變量來設置，如不設置，會出現中間空心原點
ggplot(mpg, aes(x = factor(1), fill = drv)) +
geom_bar(width = 1) +
coord_polar(theta = "y")
ggplot(mpg, aes(x = factor(1), fill = drv)) +
geom_bar(width = 1) +
coord_polar()
ggplot(diamonds) + geom_bar(aes(x=cut,fill=cut))+coord_polar()
#多組的bar圖也能畫出餅圖
head(diamonds)
ggplot(diamonds,aes(cut,fill=color)) +
geom_bar(position = "fill") #注意position位置參數的設置，默認position = "identity"
ggplot(diamonds,aes(cut,fill=color)) +
geom_bar(position = "fill") +
coord_polar(theta = "y")
Exercise 3.9.2 lab()函數可以給圖層增加x和y的標簽和title
ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
geom_boxplot() +
coord_flip() +
labs(y = "Highway MPG", x = "", title = "Highway MPG by car class")
Exercise 3.9.4
coord_fixed()保持線為45度
p <- ggplot(data = mpg, mapping = aes(x = cty, y = hwy)) +
geom_point() +
geom_abline()
p
p + coord_fixed()
3.10 The Layered Grammar of Graphics
ggplot2通用模板
ggplot(data = <DATA>) + #數據集data
<GEOM_FUNCTION>( #幾何對象geom
mapping = aes(<MAPPINGS>), #映射aes
stat = <STAT>, #統計變換stat
position = <POSITION> #位置調整position
) +
<COORDINATE_FUNCTION> + #坐標系統
<FACET_FUNCTION> #分面系統
圖形構建的過程由以上五個指標構建，后面兩個用于微調。
閱讀推薦：
生信技能樹公益視頻合輯：學習順序是linux，r，軟件安裝，geo，小技巧，ngs組學！
B站鏈接：https://m.bilibili.com/space/338686099
YouTube鏈接：https://m.youtube.com/channel/UC67sImqK7V8tSWHMG8azIVA/playlists
生信工程師入門最佳指南：https://mp.weixin.qq.com/s/vaX4ttaLIa19MefD86WfUA
