|
Scales, Axes and Legends
6.1 簡介標(biāo)度（scale）是將數(shù)據(jù)的取值映射到圖形空間，例如顏色,、大小和形狀表示不同的數(shù)值,。展現(xiàn)標(biāo)度的常見做法是繪制圖例和坐標(biāo)軸。 每一種標(biāo)度都是從數(shù)據(jù)空間的某個區(qū)域（標(biāo)度的定義域）到圖層屬性空間的某個值域（標(biāo)度的值域）的一個函數(shù),。標(biāo)度的定義域提供給這個標(biāo)度的變量的取值范圍,。 定義域（變量）可以是連續(xù)型、離散型,、有序或者無序型,。值域則包括我們可以感知的圖形屬性（顏色、形狀,、大小,、線條等等） 執(zhí)行標(biāo)度的過程分為 變換 訓(xùn)練 映射
標(biāo)度可以粗略地分為四個類別： 位置標(biāo)度 顏色標(biāo)度 手動離散型標(biāo)度 同一型標(biāo)度
6.2 修改標(biāo)度實際上每個圖片生成的命令都有默認(rèn)的標(biāo)度，比如這個簡單的代碼： ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(colour = class))
實際上它背后的標(biāo)度是這樣的： ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(colour = class)) +
scale_x_continuous() +
scale_y_continuous() +
scale_colour_discrete()
如果你想修改x軸y軸的名字： ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(colour = class)) +
scale_x_continuous('A really awesome x axis ') +
scale_y_continuous('An amazingly great y axis ')
如果你想修改顏色： ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(colour = class)) +
scale_x_sqrt() +
scale_colour_brewer()
從上面幾個例子可以看出來,， scale的“命名方案”是在后面添加下劃線 _,，然后添加要修改的相應(yīng)對象和屬性，下表有一個簡單的總結(jié) 
（截圖來自《ggplot2（第一版）》） 6.3 引導(dǎo)元素：圖例和坐標(biāo)軸（Guide：Legends and Axes） 什么是引導(dǎo)元素（guide）引導(dǎo)元素：生成一個允許讀圖者從圖形屬性空間到數(shù)據(jù)空間進(jìn)行反向映射的引導(dǎo)元素,，從而從圖中讀取數(shù)值 
6.3.1 標(biāo)度名稱下面我們創(chuàng)建一個簡單的數(shù)據(jù)框 df <> data.frame(x = 1:2, y = 1, z = 'a')
兩種修改橫坐標(biāo)名稱的代碼,，首先是簡單的命名為 'X axis'： p <> ggplot(df, aes(x, y)) + geom_point()
p + scale_x_continuous('X axis')
另外一種使用了 quote()： p + scale_x_continuous(quote(a + mathematical ? expression))
## `^`后面的字符轉(zhuǎn)換為上標(biāo)形式
當(dāng)修改坐標(biāo)軸名稱,、圖例名稱時，有一個相對簡單的方法,，就是使用 xlab(),， ylab()， labs()三種函數(shù)： 例如 xlab(),， ylab()可以用來更改x軸和y軸的名稱：
df <> data.frame(x = 1:2, y = 1, z = 'a')
p <> ggplot(df, aes(x, y)) + geom_point(aes(colour = z))
p + xlab('X axis') + ylab('Y axis')
如果要將圖例名稱也更改,，就直接用 labs()： p <> ggplot(df, aes(x, y)) + geom_point(aes(colour = z))
p + labs(x = 'X axis', y = 'Y axis', colour = 'Colour\nlegend')
## 用'\n'換行
如果想去掉坐標(biāo)軸名稱： p + labs(x = '', y = '')
p + labs(x = NULL, y = NULL)
6.3.2 位置標(biāo)度和標(biāo)簽（Breaks and Labels)breaks控制坐標(biāo)軸上刻度線的單位間隔。每個 breaks都有一個對應(yīng)的標(biāo)簽 labels,。
下面從幾個例子中說明： 創(chuàng)建一個數(shù)據(jù)集,，我們來更改x軸單位時間間隔：
df <> data.frame(x = c(1, 3, 5) * 1000, y = 1)
axs <> ggplot(df, aes(x, y)) +
geom_point() +
labs(x = NULL, y = NULL)
## 不更改設(shè)置
axs
## 添加breaks,，設(shè)置x軸單位間隔
axs + scale_x_continuous(breaks = c(2000, 4000))
## 添加labels
axs + scale_x_continuous(breaks = c(2000, 4000), labels = c('2k', '4k'))
下面的例子標(biāo)度是除x軸和y軸之外的顏色：
df <> data.frame(x = c(1, 3, 5) * 1000, y = 1)
leg <> ggplot(df, aes(y, x, fill = x)) +
geom_tile() +
labs(x = NULL, y = NULL)
## 不更改設(shè)置
leg
## 添加breaks修改標(biāo)度
leg + scale_fill_continuous(breaks = c(2000, 4000))
## 添加labels修改標(biāo)度
leg + scale_fill_continuous(breaks = c(2000, 4000), labels = c('2k', '4k'))
修改離散型分類標(biāo)簽
在這個例子中，我們想更改y軸上各個點(diǎn)的標(biāo)簽： df2 <> data.frame(x = 1:3, y = c('a', 'b', 'c'))
ggplot(df2, aes(x, y)) +
geom_point()
ggplot(df2, aes(x, y)) +
geom_point() +
scale_y_discrete(labels = c(a = 'apple', b = 'banana', c = 'carrot'))
去掉x軸的間隔和去掉標(biāo)簽名稱
axs + scale_x_continuous(breaks = NULL)
axs + scale_x_continuous(labels = NULL)
去掉填充色框和去掉色框的顏色標(biāo)度
leg + scale_fill_continuous(breaks = NULL)
leg + scale_fill_continuous(labels = NULL)
6.4 圖例和坐標(biāo)軸相比,，圖例（Legends)的變化更加多樣 6.4.1 圖層和圖例的結(jié)合圖例可以有多個圖層,。 show.legend參數(shù)是設(shè)置是否顯示在圖例中，在默認(rèn)狀態(tài)下,，設(shè)定值是為 FALSE,，意思是不顯示；
如下例： df <> data.frame(x = 1, y = c(1,2,3), z = c('a', 'b', 'c'))
ggplot(df, aes(y, y)) +
geom_point(size = 4, colour = 'grey20') +
geom_point(aes(colour = z), size = 2)
當(dāng) show.legend=TRUE,，就是這個圖層也顯示在圖例中： ggplot(df, aes(y, y)) +
geom_point(size = 4, colour = 'grey20', show.legend = TRUE) +
geom_point(aes(colour = z), size = 2)
當(dāng)你設(shè)置透明度來處理重疊繪圖時,，你可能希望圖例和圖中圖形對象的不完全一樣，比如： ## 創(chuàng)建數(shù)據(jù)框,，產(chǎn)生1000個服從正態(tài)分布的隨機(jī)數(shù)
norm <> data.frame(x = rnorm(1000), y = rnorm(1000))
## 設(shè)置z,，整個數(shù)據(jù)框取子集分成三個部分
norm$z <> cut(norm$x, 3, labels = c('a', 'b', 'c'))
## 只在函數(shù)中設(shè)置透明度參數(shù)，圖例透明度默認(rèn)為0.1
ggplot(norm, aes(x, y)) +
geom_point(aes(colour = z), alpha = 0.1)
使用 guides()函數(shù),，設(shè)置 guide_legend()中的覆蓋映射 override.aes： ## list中透明度是1
ggplot(norm, aes(x, y)) +
geom_point(aes(colour = z), alpha = 0.1) +
guides(colour = guide_legend(override.aes = list(alpha = 1)))
除此之外,，我們還可以設(shè)置，散點(diǎn)中點(diǎn)的形狀： ggplot(df, aes(x, y)) + geom_point(aes(colour = z))
ggplot(df, aes(x, y)) + geom_point(aes(shape = z))
ggplot(df, aes(x, y)) + geom_point(aes(shape = z, colour = z))
6.4.2 圖例的位置這部分講的是把圖例放哪兒 決定放哪兒的參數(shù)是： theme()中的 legend.position 默認(rèn)狀態(tài)是 theme(legend.position='right') 然后我們可以通過“right”, “l(fā)eft”, “top”, “bottom”,，把他放在上/下/左,，或者去掉“none”，例如: df <> data.frame(x = 1:3, y = 1:3, z = c('a', 'b', 'c'))
base <> ggplot(df, aes(x, y)) +
geom_point(aes(colour = z), size = 3) +
xlab(NULL) +
ylab(NULL)
base + theme(legend.position = 'right') # the default
base + theme(legend.position = 'bottom')
base + theme(legend.position = 'none')
此外,，可以通過設(shè)置坐標(biāo)點(diǎn),，指定圖例的位置： df <> data.frame(x = 1:3, y = 1:3, z = c('a', 'b', 'c'))
base <> ggplot(df, aes(x, y)) +
geom_point(aes(colour = z), size = 3)
base + theme(legend.position = c(0, 1), legend.justification = c(0, 1))
6.4.3 Guide函數(shù)guide是引導(dǎo)元素。
guide()函數(shù)可以提供很多額外的功能,，比如 guide_colourbar()（用于連續(xù)型變量）,； guide_legend()（連續(xù)型或離散型變量均可）
用法如下例： df <> data.frame(x = 1, y = 1:3, z = 1:3)
base <> ggplot(df, aes(x, y)) + geom_raster(aes(fill = z))
base
下面對圖例部分的顏色填充加以設(shè)置： base + scale_fill_continuous(guide = guide_legend())
換成 guide()函數(shù)的寫法，效果是一樣的： base + guides(fill = guide_legend())
這些函數(shù)可以調(diào)整圖例中的各種細(xì)節(jié),。 可以通過 ncol,， byrow調(diào)整圖例的各種排列 df <> data.frame(x = 1, y = 1:4, z = letters[1:4])
# Base plot
p <> ggplot(df, aes(x, y)) + geom_raster(aes(fill = z))
p
p + guides(fill = guide_legend(ncol = 2))
p + guides(fill = guide_legend(ncol = 2, byrow = TRUE))
可以通過 reverse調(diào)整圖例方向 df <> data.frame(x = 1, y = 1:4, z = letters[1:4])
p <> ggplot(df, aes(1, y)) + geom_bar(stat = 'identity', aes(fill = z))
p
p + guides(fill = guide_legend(reverse = TRUE))
還有上文提過的 override.aes改變圖例圖形屬性 這個參數(shù)只能設(shè)定連續(xù)型變量。 只能設(shè)置成顏色漸變型的條形圖例,。 舉個栗子就明白了： df <> data.frame(x = 1, y = 1:4, z = 4:1)
p <> ggplot(df, aes(x, y)) + geom_tile(aes(fill = z))
p
p + guides(fill = guide_colorbar(reverse = TRUE))
p + guides(fill = guide_colorbar(barheight = unit(4, 'cm')))
6.5 限制范圍（limits）圖表上坐標(biāo)軸的范圍往往來自于數(shù)據(jù)的范圍,，這是默認(rèn)生成的。但有時候我們想修改這個范圍,，或擴(kuò)大或縮小,，使數(shù)據(jù)涵蓋面更廣，或更集中更突出 這時,，我們可以使用 limits參數(shù)： 對于連續(xù)型變量：應(yīng)當(dāng)設(shè)置為一個數(shù)字向量；如果只想設(shè)置一個上限或者下限,，那就設(shè)置另一個值為NA 對于離散型變量：就要設(shè)置字符向量,；列出所有的數(shù)據(jù)點(diǎn)
df <> data.frame(x = 1:3, y = 1:3)
base <> ggplot(df, aes(x, y)) + geom_point()
## 直接查看圖表
base
## 查看其中一個區(qū)間,，系統(tǒng)會提示你丟失了兩個數(shù)據(jù)點(diǎn)
base + scale_x_continuous(limits = c(1.5, 2.5))
#> Warning: Removed 2 rows containing missing values (geom_point).
## 通過標(biāo)度設(shè)置x軸的范圍
base + scale_x_continuous(limits = c(0, 4))
為了簡化上述命令，ggplot2包中提供了一些簡化的命令,，如,， xlim(), ylim()and lims() 我們可以作如下設(shè)置： xlim(10,20)：設(shè)置x軸10-20連續(xù)的范圍
ylim(20,10)：設(shè)置y軸20-10連續(xù)的范圍
xlim('a','b','c')：設(shè)置x軸三個離散的字符點(diǎn)
xlim(as.Date(c('2008-05-01','2008-08-01')))：設(shè)置x軸為日期
實際上，圖表上的x,、y軸范圍比我們設(shè)置的要稍稍大一點(diǎn),。這是系統(tǒng)自動生成的，為了數(shù)據(jù)點(diǎn)不會出現(xiàn)在軸上,。 如果想修改這一點(diǎn),，可以設(shè)置 expand=c(0,0) ggplot(faithfuld, aes(waiting, eruptions)) +
geom_raster(aes(fill = density)) +
theme(legend.position = 'none')
ggplot(faithfuld, aes(waiting, eruptions)) +
geom_raster(aes(fill = density)) +
scale_x_continuous(expand = c(0,0)) +
scale_y_continuous(expand = c(0,0)) +
theme(legend.position = 'none')
6.6 標(biāo)度工具箱（Scales Toolbox）除了調(diào)整標(biāo)度的默認(rèn)選項之外，你也可以重新創(chuàng)建新的標(biāo)度,，主要分為以下四類： 連續(xù)型位置標(biāo)度：用于將整數(shù),、數(shù)值、日期/時間數(shù)據(jù)映射到x軸或者y軸的位置上,； 顏色標(biāo)度：用于將連續(xù)型或離散型變量映射到顏色,； 手動離散型標(biāo)度：將離散型變量映射到你選擇的大小、形狀,、顏色,、線條等； 同一型標(biāo)度：當(dāng)你的數(shù)據(jù)能被R中的繪圖函數(shù)理解時,，數(shù)據(jù)空間和圖形屬性空間相同時,，可以使用同一型標(biāo)度，此時默認(rèn)不繪制圖例的
下面我們四種圖例詳細(xì)說明： 1. 連續(xù)型位置標(biāo)度（Continuous Position Scales）每個圖表都有兩個位置標(biāo)度,，即x和y,。因此，最常見的連續(xù)型位置標(biāo)度就是 scale_x_continuous()和 scale_y_continuous(),，它們可以將數(shù)據(jù)映射到x軸和y軸,。 每個連續(xù)型標(biāo)度都可以接受一個 trans參數(shù)，允許指定若干種顯性或非線性變換,。每一種變換都是由所謂的變換器（“transformer”)實現(xiàn)的,。下表是比較常用的變換器：
（截圖選自《ggplot2（第一版）》） 注意：在最近更新的第二版ggplot2中，表中的倒數(shù)命令（recip）已經(jīng)改為（reciprocal),，其他未更新,。
如下例，將y軸轉(zhuǎn)換為倒數(shù)（reciprocal)： ggplot(mpg, aes(displ, hwy)) +
geom_point() +
scale_y_continuous(trans = 'reciprocal')
將x軸/y軸數(shù)值轉(zhuǎn)化成log10： ggplot(diamonds, aes(price, carat)) +
geom_bin2d() +
scale_x_continuous(trans = 'log10') +
scale_y_continuous(trans = 'log10')
其中有一些參數(shù)有簡寫形式,，如,， scale_x_log10()、 scale_x_sqrt(),、 scale_x_reverse() 另外,，變換器同樣可以用于 coord_trans()中,，此時變換將在統(tǒng)計量計算完成后進(jìn)行，詳見第七章 日期和時間值基本上屬于連續(xù)型,，但在標(biāo)注坐標(biāo)軸時處理方式稍有不同,。我們使用 Date和 POSIXct類的時間值。如果是其他格式的,，則應(yīng)當(dāng)使用 as.Date和 as.POSIXct進(jìn)行轉(zhuǎn)換,。 scale_x_date()和 scale_x_datetime()的用法和 scale_x_continous用法相似。
date_breaks()和 date_labels()的用法稍有不同：
date_breaks()和 date_minor_breaks()：可以設(shè)置日期間隔（年,、月,、星期、日,、小時,、每分、每秒）作為斷點(diǎn),，,；例如 date_breaks='2 weeks'
date_labels()：通過 strptime()和 format()指定特殊格式，如下表
例如,，如果你想以 14/10/1979的形式顯示日期,，可以使用字符串 %d/%m/%y。 再舉個栗子,，經(jīng)濟(jì)數(shù)據(jù)集（時間序列）中,，橫軸日期的不同表示方式: base <> ggplot(economics, aes(date, psavert)) +
geom_line(na.rm = TRUE) +
labs(x = NULL, y = NULL)
base # 默認(rèn)間隔和時間表示方式
base + scale_x_date(date_labels = '%y', date_breaks = '5 years')
取其中一小段時間 ('2004-01-01'-'2005-01-01')，按1個月為間隔： base + scale_x_date(
limits = as.Date(c('2004-01-01', '2005-01-01')),
date_labels = '%b %y',
date_minor_breaks = '1 month'
)
取其中一小段時間 ('2004-01-01'-'2004-06-01'),，兩個星期為間隔： base + scale_x_date(
limits = as.Date(c('2004-01-01', '2004-06-01')),
date_labels = '%m/%d',
date_minor_breaks = '2 weeks'
)
2. 顏色標(biāo)度除了位置之外,，顏色是最常用的圖形屬性。有很多方法可以將“值”映射成顏色 在最新的版本里,，對于連續(xù)型變量,，有四種基于漸變設(shè)置顏色的標(biāo)度； 對于離散型變量,，也有四種設(shè)置顏色的標(biāo)度 這里作者講了一部分關(guān)于色彩學(xué)的基礎(chǔ)理論,。顏色是由不同波長的光混合而成的，人類的眼球有三種不同顏色的感受器,，所以我們使用三個數(shù)字來表示任意顏色,，就是rgb編碼，這個色彩空間使用紅綠藍(lán)三種光強(qiáng)表示一種顏色,，但是它在視覺上的感知并不均勻,，由于色彩空間中位置不同，兩種間隔一個單位的顏色可以非常相似也可能非常不同,，這使得創(chuàng)建連續(xù)變量到一個顏色集的映射變得十分困難,。
在ggplot2中,，使用了一種名為HCL色彩空間（Hue-Chroma-Luminance）的現(xiàn)代方案，由三個部分構(gòu)成,，分別是色相（hue）、彩度（chroma）以及明度（luminance） 色相：是一個從0到360的角度值,，將一種色彩賦予顏色屬性（如紅橙黃藍(lán)等等） 明度：顏色的明暗程度,，即看其接近黑色或白色的程度，明度0是黑色,，1是白色,。 彩度：色彩的純度。0是灰色,，彩度的最大值隨明度變化而不同
下圖是這個色彩空間的三維形狀,，每個分面中明度是一個常數(shù)，色相被映射成一個角度,，彩度被映射成半徑,，可以看到每個分面的中心都是灰色的，離邊緣越近顏色越濃烈：
Wikipedia上的HCL色彩空間長這樣 ↓↓↓
連續(xù)型在最新版本的ggplot2中,，根據(jù)顏色梯度中的色彩數(shù)量劃分,，有四類連續(xù)性顏色梯度 雙色梯度 —— scale_colour_gradient()或 scale_fill_gradient()：順序為從低到高，使用 low和 high兩個參數(shù)控制此梯度兩端的顏色
舉例,，使用faithfuld數(shù)據(jù)集（黃石公園老忠實泉兩次爆發(fā)的間隔時間和每次噴發(fā)的時長）做光柵圖（Raster）,，顏色標(biāo)度為默認(rèn)值時： erupt <> ggplot(faithfuld, aes(waiting, eruptions, fill = density)) +
geom_raster() +
scale_x_continuous(NULL, expand = c(0, 0)) +
scale_y_continuous(NULL, expand = c(0, 0)) +
theme(legend.position = 'none')
## 不修改顏色標(biāo)度
erupt
修改顏色標(biāo)度： ## 黑白漸變
erupt + scale_fill_gradient(low = 'white', high = 'black')
## 其他顏色漸變
erupt + scale_fill_gradient(
low = munsell::mnsl('5G 9/2'),
high = munsell::mnsl('5G 6/8')
)
三色梯度漸變 —— scale_colour_gradient2()或 scale_fill_gradient2()：和雙色漸變類似，順序為低-中-高,。中點(diǎn)的默認(rèn)值是0,，但是可以使用參數(shù) midpoint加以設(shè)置為任意值。著多個參數(shù)對于形成發(fā)散型（diverging）配色方案非常有用,。
## 提取faithfuld數(shù)據(jù)集中density變量的中間值,，將其賦予mid
mid <> median(faithfuld$density)
## 把mid設(shè)置為顏色區(qū)段的中間值
erupt + scale_fill_gradient2(midpoint = mid)
自定義n色梯度—— scale_colour_gradientn()或 scale_fill_gradientn()：此標(biāo)度需要賦予參數(shù) colours一個顏色向量。這對于有特殊意義的數(shù)據(jù)（比如表現(xiàn)地形等）很有用,。
其中可以使用另一個包 colorspace,，和調(diào)色盤類似的意思 erupt + scale_fill_gradientn(colours = terrain.colors(7))
erupt + scale_fill_gradientn(colours = colorspace::heat_hcl(7))
erupt + scale_fill_gradientn(colours = colorspace::diverge_hcl(7))
使用ColorBrewer配色方案—— scale_color_distiller()和 scale_fill_gradient()：可以通過設(shè)置 palette參數(shù)調(diào)整顏色
erupt + scale_fill_distiller()
erupt + scale_fill_distiller(palette = 'RdPu')
erupt + scale_fill_distiller(palette = 'YlOrBr')
當(dāng)數(shù)據(jù)集中包含缺失值NA時，可以通過改變 na.value參數(shù),，默認(rèn)狀態(tài)下是灰色,，可以通過更改設(shè)置改變?nèi)笔е档念伾?/p> 如下例，設(shè)置一個文本框,，z變量中含有一個缺失值,，將z變量映射為顏色圖形屬性： df <> data.frame(x = 1, y = 1:5, z = c(1, 3, 2, NA, 5))
p <> ggplot(df, aes(x, y)) + geom_tile(aes(fill = z), size = 5)
p
# 不顯示缺失值
p + scale_fill_gradient(na.value = NA)
# 突出缺失值
p + scale_fill_gradient(low = 'black', high = 'white', na.value = 'red')
離散型離散數(shù)據(jù)有四種顏色標(biāo)度。我們使用最基本的條形圖來舉例,。 首先是默認(rèn)的配色方案： df <> data.frame(x = c('a', 'b', 'c', 'd'), y = c(3, 4, 1, 2))
bars <> ggplot(df, aes(x, y, fill = x)) +
geom_bar(stat = 'identity') +
labs(x = NULL, y = NULL) +
theme(legend.position = 'none')
bars
使用 scale_colour_hue()或 scale_fill_hue()函數(shù)來修改配色,，它的意思是沿著HCL色輪選取均勻分布的色相來自動生成：
bars + scale_fill_hue(c = 40)
bars + scale_fill_hue(h = c(180, 300))
使用 scale_colour_brewer()或 scale_fill_brewer()參數(shù),，即采用colorbrewer配色方案。對于類別型數(shù)據(jù)中的點(diǎn)而言,，最好使的調(diào)色板是“Set1”,、“Dark2”；對于面積型數(shù)據(jù)而言,，最好用的調(diào)色板是“Set2”,、“Pastel1”、“Pastel2”以及“Accent”,。使用 RColorBrewer::displat.brewer.all可以列出所有調(diào)色板,。
bars + scale_fill_brewer(palette = 'Set1')
bars + scale_fill_brewer(palette = 'Set2')
bars + scale_fill_brewer(palette = 'Accent')
使用 scale_colour_grey()或 scale_fill_grey()參數(shù)，將離散型變量映射為從黑到白灰度不同的顏色：
bars + scale_fill_grey()
bars + scale_fill_grey(start = 0.5, end = 1)
bars + scale_fill_grey(start = 0, end = 0.5)
使用 scale_colour_manual()或 scale_fill_manual()參數(shù)自制離散型顏色標(biāo)度,。點(diǎn)擊網(wǎng)址（https://github.com/karthik/wesanderson ）,，你可以自己設(shè)計自己的調(diào)色板，然后用在你的作圖中,。舉個例子代碼如下：
library(wesanderson)
bars + scale_fill_manual(values = wes_palette('GrandBudapest'))
明亮的顏色更適用于散點(diǎn)圖,，而不適用于條形圖，過于刺眼,；淡色適用于條形圖,，但不適用于散點(diǎn)圖。下面舉幾個栗子,，感受一下~
3. 手動離散型標(biāo)度（The Manual Discrete Scales）離散型標(biāo)度 scale_linetype(),、 scale_size_discrete()和 scale_shape()基本沒有選項。這些標(biāo)度按照一定的順序?qū)⒁蜃拥乃接成涞揭幌盗腥≈抵小?/p> 如果你要手動定制標(biāo)度,，使用一下幾種方式： scale_shape_manual(), scale_linetype_manual(), scale_colour_manual(),。手動型標(biāo)度有個重要的參數(shù)是 value，用于指定這個標(biāo)度該生成的值 加載數(shù)據(jù)集 msleep做例子： > msleep
# A tibble: 83 x 11
name genus vore order conservation sleep_total sleep_rem sleep_cycle awake
1 Cheetah Acino… carni Carni… lc 12.1 NA NA 11.9
2 Owl monk… Aotus omni Prima… NA 17.0 1.80 NA 7.00
3 Mountain… Aplod… herbi Roden… nt 14.4 2.40 NA 9.60
4 Greater … Blari… omni Soric… lc 14.9 2.30 0.133 9.10
5 Cow Bos herbi Artio… domesticated 4.00 0.700 0.667 20.0
6 Three-to… Brady… herbi Pilosa NA 14.4 2.20 0.767 9.60
7 Northern… Callo… carni Carni… vu 8.70 1.40 0.383 15.3
8 Vesper m… Calom… NA Roden… NA 7.00 NA NA 17.0
9 Dog Canis carni Carni… domesticated 10.1 2.90 0.333 13.9
10 Roe deer Capre… herbi Artio… lc 3.00 NA NA 21.0
# ... with 73 more rows, and 2 more variables: brainwt , bodywt
我們繪制其中兩個變量（ brainwt, bodywt)關(guān)系的散點(diǎn)圖,，手動將變量 vore設(shè)置其中的顏色： plot <> ggplot(msleep, aes(brainwt, bodywt)) +
scale_x_log10() +
scale_y_log10()
plot +
geom_point(aes(colour = vore)) +
scale_colour_manual(
values = c('red', 'orange', 'green', 'blue'),
na.value = 'grey50'
)
有一些情況下我們需要手動修改顏色并手動增加圖例,，如下： （LakeHuron是一個時間序列數(shù)據(jù)） huron <> data.frame(year = 1875:1972, level = as.numeric(LakeHuron))
ggplot(huron, aes(year)) +
geom_line(aes(y = level + 5), colour = 'red') +
geom_line(aes(y = level - 5), colour = 'blue')
添加圖例，和上面的代碼貌似很像,，實則不同,，上面的顏色是我們指定的紅藍(lán)，而下面的顏色是默認(rèn)生成的： huron <> data.frame(year = 1875:1972, level = as.numeric(LakeHuron))
ggplot(huron, aes(year)) +
geom_line(aes(y = level + 5, colour = 'above')) +
geom_line(aes(y = level - 5, colour = 'below'))
再進(jìn)一步指定顏色并給圖例命名,，就要添加我們的 scale_colour_manual命令了： ggplot(huron, aes(year)) +
geom_line(aes(y = level + 5, colour = 'above')) +
geom_line(aes(y = level - 5, colour = 'below')) +
scale_colour_manual('Direction',
values = c('above' = 'red', 'below' = 'blue')
)
4.同一型標(biāo)度（The Identity Scale)這是一種很特殊的情況 當(dāng)你的數(shù)據(jù)能被R中的繪圖函數(shù)理解時,，即數(shù)據(jù)空間和圖形屬性空間相同，能使用同一型標(biāo)度 scale_identity luv colors顏色數(shù)據(jù)集包含所有和R本身位置相對應(yīng)的數(shù)據(jù),，這里的數(shù)據(jù)本身就是顏色值（我們也就沒必要創(chuàng)造有意義的圖例）,。下面顯示數(shù)據(jù)集的前6行：
head(luv_colours)
#> L u v col
#> 1 9342 -3.37e-12 0 white
#> 2 9101 -4.75e+02 -635 aliceblue
#> 3 8810 1.01e+03 1668 antiquewhite
#> 4 8935 1.07e+03 1675 antiquewhite1
#> 5 8452 1.01e+03 1610 antiquewhite2
#> 6 7498 9.03e+02 1402 antiquewhite3
點(diǎn)的顏色代表他們自身，即數(shù)據(jù)空間和圖形屬性空間完全重合： ggplot(luv_colours, aes(u, v)) +
geom_point(aes(colour = col), size = 3) +
scale_color_identity() +
coord_equal()
參考資料： Hadley Wickham(2016). ggplot2. Springer International Publishing. doi: 10.1007/978-3-319-24277-4 《R語言應(yīng)用系列叢書·ggplot2:數(shù)據(jù)分析與圖形藝術(shù)》
|
