從ggplot2的qplot()開始,，qplot()的用法與plot()有一定的相似之處，所以如果熟悉plot(),，那么學(xué)習(xí)起來(lái)qplot()也不會(huì)太難,。

數(shù)據(jù)集使用diamonds，首先用summary()查看一下數(shù)據(jù)集的基本特性吧,！

數(shù)據(jù)說(shuō)明：

然后創(chuàng)建一個(gè)含有100條記錄的diamonds的子集dsmall：

sample()用來(lái)在所有的diamonds記錄中隨機(jī)抽取100個(gè)作為dsmall

最為基本的用法：

qplot()的前兩個(gè)參數(shù)分別是x與y,，給出坐標(biāo)點(diǎn)的橫縱坐標(biāo)，data參數(shù)可選,。

看吧，顯著的線性關(guān)系來(lái)了是不是呢,！當(dāng)然了,，qplot()還可以接受不同變量的組合作為參數(shù)，如果我們想研究鉆石的體積與重量之間的關(guān)系（體積約等于x*y*z）,，那么：

從上圖中我們基本可以推斷出鉆石的密度是一個(gè)基本恒定值,，因?yàn)轶w積與質(zhì)量的比值是大體不變的。

對(duì)坐標(biāo)點(diǎn)顏色,，大小,，形狀以及其他外觀參數(shù)的設(shè)定

在使用qplot()與plot()時(shí)最大的不同之一就是對(duì)于點(diǎn)的顏色，大小,，形狀等性質(zhì)的設(shè)定,。如果使用plot()函數(shù),，你需要自己去將類型變量轉(zhuǎn)換成plot()函數(shù)可以識(shí)別的控制外觀的參數(shù)，但是在qplot()中,，這一過(guò)程可以自動(dòng)完成：

對(duì)于每一個(gè)外觀參數(shù),，都有一個(gè)scale函數(shù)將數(shù)據(jù)與有效地參數(shù)逐一對(duì)應(yīng)起來(lái)，例如在對(duì)坐標(biāo)點(diǎn)顏色進(jìn)行改變的例子中,，函數(shù)將J對(duì)應(yīng)為紫色,，而將F對(duì)應(yīng)為綠色。

對(duì)于像diamonds這樣較大的數(shù)據(jù)及而言,，設(shè)置點(diǎn)的透明度可以有效地減少坐標(biāo)點(diǎn)重合的問(wèn)題,。alpha參數(shù)可以設(shè)置為0（完全透明）到1（完全不透明）中的任意值。很多時(shí)候,，alpha的值可以用分?jǐn)?shù)來(lái)表示,。

不同的外觀參數(shù)適用于不同的數(shù)據(jù)類型。對(duì)于分類數(shù)據(jù)的區(qū)分最好用顏色與形狀參數(shù),，而連續(xù)數(shù)據(jù)最好用大小表示,，同時(shí)，數(shù)據(jù)集的大小也是一項(xiàng)重要的考慮因素,。

為圖像添加平滑線

如果僅僅有數(shù)據(jù)的散點(diǎn)圖,，你可能很難看出數(shù)據(jù)的總體趨勢(shì)。在這種情況下,，給圖像添加平滑線是很好的選擇,。在geom中添加"smooth"便可以輕松的完成這項(xiàng)任務(wù)。給geom參數(shù)設(shè)置一列向量可以組合多個(gè)幾何圖形元素,。

平滑的算法也有很多可供選擇：

method=“l(fā)oess“：對(duì)于較小數(shù)據(jù)集的默認(rèn)平滑算法,，平滑程度由span參數(shù)來(lái)進(jìn)行設(shè)定。span=0時(shí)線較為彎曲,，span=1時(shí)最為平緩,。

由于算法復(fù)雜度的原因，對(duì)于大的數(shù)據(jù)集loess并不是十分適用,。

method="gam"：當(dāng)數(shù)據(jù)點(diǎn)大于1000時(shí),，這是默認(rèn)的平滑算法。

method="lm":用于線性模型,。默認(rèn)為一條直線,，也可以用formula=y~poly(x,2)設(shè)置為二次函數(shù)擬合，或者加載splines包用formula=y~ns(x,2),第二個(gè)參數(shù)表示自由度,，自由度越高擬合曲線也就越彎曲,。

繪制箱線圖和抖動(dòng)圖：

當(dāng)一組數(shù)據(jù)既有分類變量又有連續(xù)變量的時(shí)候，你可能會(huì)對(duì)連續(xù)變量在不同分類下的變化感興趣，箱線圖和抖動(dòng)圖是實(shí)現(xiàn)這一目的的兩種不同方法,。

直方圖和密度圖：

直方圖和密度圖可以形象的顯示單一變量的分布規(guī)律,，但是難以比較不同類之間分布的區(qū)別。

對(duì)于不同分類間的比較,，可以像下面代碼所示加一個(gè)外觀參數(shù)選項(xiàng)：

柱狀圖：

離散變量的直方圖即柱狀圖,，用geom="bar"來(lái)設(shè)置。

時(shí)間序列分析：

用含有時(shí)間數(shù)據(jù)的economics數(shù)據(jù)集,，做失業(yè)率隨時(shí)間變化的圖像：

觀察失業(yè)率與周失業(yè)人數(shù)中位數(shù)之間的關(guān)系：

分面：

我們已經(jīng)討論了如何利用外觀參數(shù)在同一圖中比較不同分類的差異,。而分面可以將不同的亞類放在不同的圖中進(jìn)行比較：

關(guān)于ggplot2的語(yǔ)法基礎(chǔ)- 圖層

首先繪制一張最簡(jiǎn)單的統(tǒng)計(jì)圖：

qplot(displ, hwy, data = mpg, colour = factor(cyl))

量化：

在R中繪圖時(shí)，我們往往用下表的格式來(lái)存儲(chǔ)數(shù)據(jù)：

但是,，這種格式對(duì)于計(jì)算機(jī)來(lái)說(shuō)是毫無(wú)意義的。我們需要將數(shù)據(jù)單元（如,，單位耗油量,、氣缸數(shù)）轉(zhuǎn)化成計(jì)算機(jī)可以顯示的物理單元（如，像素,，顏色）,。這個(gè)過(guò)程就被稱作量化。但是,，對(duì)于計(jì)算機(jī)而言有意義的數(shù)據(jù)我們又不一定能理解：顏色用四位十六進(jìn)制數(shù)來(lái)表示,，數(shù)字代表大小，整數(shù)代表一種形狀,。

在這一例中,，我們有三個(gè)需要被量化的外觀參數(shù)：水平位置（x），垂直位置（y）以及顏色,。在這一例子中,，對(duì)于位置的量化比較簡(jiǎn)單，因?yàn)槲覀冇玫氖悄J(rèn)的線性量表,。我們只需要將數(shù)據(jù)線性映射到0到1的范圍內(nèi)即可,。這里我們用0到1的范圍而不是實(shí)際的像素值，因?yàn)間gplot2應(yīng)用的grid繪圖體系會(huì)自動(dòng)完成后續(xù)的轉(zhuǎn)化,。最后要將x與y結(jié)合從而定位數(shù)據(jù)點(diǎn),，這一步由坐標(biāo)系統(tǒng)（coord）完成。大多數(shù)情況下會(huì)采用笛卡爾坐標(biāo)系,，但有時(shí)也會(huì)用到極坐標(biāo)系,，繪制地圖時(shí)會(huì)用到球形投影。

顏色的添加過(guò)程更加復(fù)雜一些,，因?yàn)榻Y(jié)果是非數(shù)值型的,。然而，與人眼對(duì)于顏色的識(shí)別機(jī)制類似，計(jì)算機(jī)對(duì)顏色的編碼也由三部分構(gòu)成,，這三部分構(gòu)成一個(gè)三維的顏色空間,。量化顏色也就轉(zhuǎn)化為了找到特定顏色在該空間所對(duì)應(yīng)的點(diǎn)。實(shí)現(xiàn)這一過(guò)程的方法有很多種,，但是由于cyl是一個(gè)離散變量,，我們可以在顏色空間上均勻的找到點(diǎn)來(lái)表示這些顏色，結(jié)果如下圖所示,。對(duì)于連續(xù)變量的轉(zhuǎn)化與此并不相同,。

上表所示的數(shù)據(jù)是計(jì)算機(jī)可以識(shí)別的。我們也將轉(zhuǎn)化過(guò)的外觀參數(shù)添加了上去,。這樣每一個(gè)點(diǎn)都已經(jīng)被很好地定義過(guò),，R就可以將他們一一畫下來(lái)了。

最后,，我們就可以用這些元素畫出想要的圖形了,。一個(gè)完整的圖形往往包含以下幾部分：點(diǎn)所代表的數(shù)據(jù)，量表以及坐標(biāo)系和附注,。量表和坐標(biāo)系繪制坐標(biāo)軸以及圖例,，這樣我們就可以從圖中讀出參數(shù)。附注添加圖的名稱和一些背景信息,。

更復(fù)雜的圖形：

了解了簡(jiǎn)單模型以后,，下面我們看看稍微復(fù)雜一點(diǎn)的情況吧。下面的圖形在一開始的基礎(chǔ)上添加了新的元素：分面,，多個(gè)圖層以及統(tǒng)計(jì)數(shù)據(jù),。分面和圖層擴(kuò)展了上面提到的數(shù)據(jù)結(jié)構(gòu)：每一個(gè)分面的每一個(gè)圖層都有屬于自己的數(shù)據(jù)集。你可以將它想象成是一個(gè)三維的數(shù)組：分面構(gòu)成了二維平面,，然后圖層給予其在新的維度上的擴(kuò)展,。在這個(gè)例子中，不同圖層上的數(shù)據(jù)是一樣的,，但是從理論上來(lái)講,，不同的圖層中可以有不同的數(shù)據(jù)。

qplot(displ, hwy, data=mpg, facets = . ~ year) + geom_smooth()

下表是每個(gè)分面上的幾行數(shù)據(jù)：

平滑圖層與散點(diǎn)圖圖層的不同之處在于它不顯示原始的數(shù)據(jù),，而是給出了統(tǒng)計(jì)方法處理過(guò)后的結(jié)果,。而且，平滑圖層會(huì)給出擬合的平滑曲線,，這要求額外的步驟：在被轉(zhuǎn)化成其對(duì)應(yīng)的外觀參數(shù)之后,，數(shù)據(jù)將會(huì)由stat進(jìn)行統(tǒng)計(jì)轉(zhuǎn)化，對(duì)其進(jìn)行一些非常有用的處理,。在本例中,，stat對(duì)數(shù)據(jù)進(jìn)行l(wèi)oess平滑處理,，并返回在自變量范圍內(nèi)的預(yù)測(cè)值。（其他有用的統(tǒng)計(jì)轉(zhuǎn)化：1 and 2d binning, group means, quantile regression and contouring）

除了需要更多的步驟對(duì)數(shù)據(jù)進(jìn)行處理,，我們也需要一些額外的步驟對(duì)量表進(jìn)行處理,。因?yàn)槲覀儸F(xiàn)在有多個(gè)數(shù)據(jù)集（不同的分面，不同的圖層）,，我們需要保證個(gè)數(shù)據(jù)集間的量表保持一致,。量化的過(guò)程分為三步：轉(zhuǎn)換，訓(xùn)練和對(duì)應(yīng),。我們之前沒(méi)有提到過(guò)轉(zhuǎn)換,，但是在做log-log圖時(shí)有用到過(guò)。在log-log圖中,，數(shù)據(jù)與坐標(biāo)并不是線性對(duì)應(yīng)的,，而是要先經(jīng)過(guò)對(duì)數(shù)轉(zhuǎn)換。

量化在統(tǒng)計(jì)之前,，因此stat是對(duì)量化后的數(shù)據(jù)進(jìn)行的處理,。這樣可以保證在線性坐標(biāo)系中l(wèi)og(x) vs. log(y)與對(duì)數(shù)坐標(biāo)系中x vs. y的一致性。還有很多其他的轉(zhuǎn)換可供選擇：如平方根轉(zhuǎn)換,，對(duì)數(shù)轉(zhuǎn)換和倒數(shù)轉(zhuǎn)換。

統(tǒng)計(jì)過(guò)后,，量表會(huì)在所有的圖層和分面上進(jìn)行調(diào)整,。調(diào)整過(guò)程結(jié)合所有數(shù)據(jù)集以獲得最終的取值范圍。沒(méi)有這一步,，量表只對(duì)局部的數(shù)據(jù)有意義,，而且由于無(wú)法對(duì)應(yīng)，我們不能疊加不同的圖層,。有時(shí),，不同分面之間的量表可能不需要調(diào)整（但不同圖層間必須調(diào)整）。

最后,，量表與數(shù)據(jù)一一對(duì)應(yīng),。這是一個(gè)局部過(guò)程：他們形成一個(gè)新的數(shù)據(jù)集。

流程示意圖：

層式語(yǔ)法的構(gòu)成：

在上面的例子中,，我們了解了構(gòu)成圖像的基本元素：數(shù)據(jù),，外觀參數(shù)，幾何對(duì)象,，統(tǒng)計(jì)轉(zhuǎn)換,，量表以及分面。我們也探討了一些關(guān)于坐標(biāo)系的內(nèi)容,。而未涉及到位置調(diào)整,，這其實(shí)與處理重疊對(duì)象密不可分。上述元素結(jié)合在一起形成圖層。一個(gè)圖像可能會(huì)有很多圖層,，就像一開始我們將平滑線加到散點(diǎn)圖上一樣,。層式語(yǔ)法將圖層定義為以下幾種元素的組合：

·數(shù)據(jù)集以及數(shù)據(jù)與外觀參數(shù)的對(duì)應(yīng)

·一到多個(gè)圖層，每個(gè)圖層都包含幾何元素,，統(tǒng)計(jì)轉(zhuǎn)換,，位置調(diào)整，并可能有數(shù)據(jù)集及其對(duì)應(yīng)的外觀參數(shù)

·統(tǒng)一的量表

·坐標(biāo)系統(tǒng)

·分面

簡(jiǎn)介：

ggplot2的層式結(jié)構(gòu)使得系統(tǒng)的繪圖成為可能,。你現(xiàn)在已經(jīng)知道了什么是圖層和如何將圖層添加到自己所繪制的圖像上,，但是什么類型的圖形才能最合理的對(duì)數(shù)據(jù)進(jìn)行展示呢？這一部分將根據(jù)不同的功能將圖形進(jìn)行分類介紹,。

在添加新的圖層之前,，最好先想一想你想用這一圖層達(dá)到什么目的。下面是圖層最為常見的幾種作用：

·數(shù)據(jù)的展示,。

原始數(shù)據(jù)的繪制很重要,，我們要手工對(duì)整體以及局部的數(shù)據(jù)結(jié)構(gòu)和異常值進(jìn)行判斷。在數(shù)據(jù)處理的早期階段,，數(shù)據(jù)圖層往往就是唯一的圖層,。

·統(tǒng)計(jì)結(jié)論的展示。

在我們對(duì)數(shù)據(jù)模型進(jìn)行研究的時(shí)候,，在原始數(shù)據(jù)上同時(shí)添加模型預(yù)測(cè)結(jié)果也是很好的選擇,。我們可以根據(jù)統(tǒng)計(jì)檢驗(yàn)來(lái)評(píng)估模型的好壞。將原始數(shù)據(jù)與模型放在一起,，既有利于我們查看模型的好壞,，又有利于我們對(duì)原始數(shù)據(jù)更加深入的觀察。

·宏數(shù)據(jù),、背景以及注釋的添加,。

宏數(shù)據(jù)層可以添加背景信息以及注釋，從而讓我們更好地理解原始數(shù)據(jù),。宏數(shù)據(jù)層既可以放在底層又可以放在頂層,。在在繪制地理數(shù)據(jù)時(shí)，地圖往往被放在底層,。放在底層的宏數(shù)據(jù)有最小的可視性,，因此不會(huì)干擾你對(duì)原始數(shù)據(jù)的觀察。這就意味著,，如果你關(guān)心宏數(shù)據(jù),，你可以容易地觀察到它，但如果你只想認(rèn)真檢視數(shù)據(jù),，宏數(shù)據(jù)又一點(diǎn)也不會(huì)干擾到你,。

還有一些宏數(shù)據(jù)是為了強(qiáng)調(diào)重要的信息,。你有時(shí)可能要對(duì)一些重要的拐點(diǎn)和異常值添加注釋信息，那你就希望這些東西可以?shī)Z人眼球,，這種情況下,，宏數(shù)據(jù)最好放在最后添加。

基本繪圖類型：

這些幾何元素是ggplot的基礎(chǔ),。他們彼此結(jié)合可以構(gòu)成復(fù)雜的圖像,。他們中的絕大多數(shù)對(duì)應(yīng)特定的繪圖類型。

geom_area()

geom_bar()

geom_line()

geom_point()

geom_polygon()

geom_text()

geom_tile()

下面是例子喲：

df <- data.frame(x = c(3, 1, 5),y = c(2, 4, 6),label = c("a","b","c"))

p <- ggplot(df, aes(x, y, label = label)) +xlab(NULL) + ylab(NULL)
p + geom_point() + opts(title = "geom_point")
p + geom_bar(stat="identity") +opts(title = "geom_bar(stat=\"identity\")")

#stat="identity"一定要有的,，不然R會(huì)自己數(shù)個(gè)數(shù)去的

p + geom_line() + opts(title = "geom_line")
p + geom_area() + opts(title = "geom_area")
p + geom_path() + opts(title = "geom_path")
p + geom_text() + opts(title = "geom_text")
p + geom_tile() + opts(title = "geom_tile")
p + geom_polygon() + opts(title = "geom_polygon")

數(shù)據(jù)分布的的表示：

顯示數(shù)據(jù)分布規(guī)律的方法有很多,，這取決于數(shù)據(jù)的維數(shù)，離散還是連續(xù)數(shù)據(jù),，你是對(duì)條件分布感興趣還是對(duì)聯(lián)合分布感興趣,。

對(duì)于一維的連續(xù)數(shù)據(jù)最重要的分布圖就是直方圖。下圖是diamond depth的分布直方圖,。bin的參數(shù)對(duì)于直方圖的外觀相當(dāng)重要,，可以用binwidth或break參數(shù)進(jìn)行設(shè)置。

depth_dist <- ggplot(diamonds, aes(depth)) + xlim(58, 68)
depth_dist +geom_histogram(aes(y = ..density..), binwidth = 0.1) +facet_grid(cut ~ .)
depth_dist + geom_histogram(aes(fill = cut), binwidth = 0.1,position = "fill")
depth_dist + geom_freqpoly(aes(y = ..density.., colour = cut),binwidth = 0.1)

大數(shù)據(jù)的處理：

散點(diǎn)圖對(duì)于估計(jì)兩個(gè)連續(xù)變量之間的關(guān)系非常有用,。但是如果數(shù)據(jù)量很大的時(shí)候,，點(diǎn)與點(diǎn)之間就會(huì)相互重疊，從而掩蓋兩變量之間真實(shí)的關(guān)系,。有些情況下,，你可能只能在圖中看出數(shù)據(jù)大體的分布范圍，因此任何的結(jié)論都是值得懷疑的,。這一問(wèn)題被稱為“overplotting”，解決方法主要有以下幾種：

·對(duì)于少數(shù)點(diǎn)的overplotting,，可以將點(diǎn)畫的小一些,，或者改變點(diǎn)的形狀。如下圖所示：

df <- data.frame(x = rnorm(2000), y = rnorm(2000))
norm <- ggplot(df, aes(x, y))
norm + geom_point()
norm + geom_point(shape = 1)
norm + geom_point(shape = ".")

·對(duì)于更大的數(shù)據(jù)集,，可以用alpha參數(shù)設(shè)置數(shù)據(jù)點(diǎn)的透明度,。在R中，透明度的最小值可以設(shè)到1/256,，所以對(duì)于特別大的數(shù)據(jù)集也是無(wú)能為力,。

norm + geom_point(colour = 'black', alpha=1/3)
norm + geom_point(colour = 'black', alpha=1/5)
norm + geom_point(colour = 'black', alpha=1/10)

·如果數(shù)據(jù)本身具有一定的離散性，那么可以隨機(jī)抖動(dòng)數(shù)據(jù)點(diǎn)以減少重疊,。跟透明度設(shè)置聯(lián)合應(yīng)用效果最好,。

td <- ggplot(diamonds, aes(table, depth)) +xlim(50, 70) + ylim(50, 70)
td + geom_point()
td + geom_jitter()
jit <- position_jitter(width = 0.5)
td + geom_jitter(position = jit)
td + geom_jitter(position = jit,  alpha= 1/10)
td + geom_jitter(position = jit, alpha=1/50)
td + geom_jitter(position = jit,  alpha=1/200)

·將數(shù)據(jù)分組并統(tǒng)計(jì)每組內(nèi)數(shù)據(jù)的個(gè)數(shù)，然后將個(gè)數(shù)展示出來(lái)（二維直方圖形式）,。把圖形分成許多的小塊可以呈現(xiàn)出特殊的視覺效果,。六邊形也是可以的,，bins和binwidth參數(shù)控制小格的數(shù)目和大小。（需要hexbin包）

d <- ggplot(diamonds, aes(carat, price)) + xlim(1,3) +opts(legend.position = "none")
d + stat_bin2d()
d + stat_bin2d(bins = 10)
d + stat_bin2d(binwidth=c(0.02, 200))
d + stat_binhex()
d + stat_binhex(bins = 10)
d + stat_binhex(binwidth=c(0.02, 200))