专题介绍：R是一种广泛用于数据分析和统计计算的强大语言，于上世纪90年代开始发展起来。得益于全世界众多爱好者的无尽努力，大家继而开发出了一种基于R但优于R基本文本编辑器的R Studio（用户的界面体验更好）。也正是由于全世界越来越多的数据科学社区和用户对R包的慷慨贡献，让R语言在全球范围内越来越流行。其中一些R包，例如MASS，SparkR， ggplot2，使数据操作,可视化和计算功能越来越强大。R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。R作为一种统计分析软件，是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上，而且嵌入了一个非常方便实用的帮助系统，相比于其他统计分析软件，R的学术性开发比较早，适合生物学和医学等学术学科的科研人员使用。

是新朋友吗？记得先点R语言关注我哦～

文末有赠书福利哦

【R语言】已开通R语言社群，五湖四海，天南地北，各行各业，有缘相聚，共享R事，雕刻数据，求解问题，以创价值。喜乐入群者，请加微信号luqin360，或扫描文末二维码，添加为好友，同时附上R-入群。有朋自远方来，不亦乐乎，并诚邀入群，以达相互学习和进步之美好心愿。

ggplot2是R中最受欢迎的绘图工具之一。其是一套高级的图形系统，发明了一套用于绘图的图形语法，这一套图形语法极大的简化了绘制复杂图形的。根据ggplot2的理念，一个统计图形可以被划分成为三个部分：Plot（图形）= data（数据） +Aesthetics（图形美学） +Geometry（几何变换）。

• 数据: 使用ggplot2进行绘图，数据集的格式一般是数据框的格式。

• 图形美学: 指定x和y变量，同时用来指点图形的颜色、大小、形状等。

• 几何变换: 几何变换用于指定绘制什么统计图形，条形图、点图或者任何图形。

ggplot2提出关于统计图形的图形语法，而数据，图形美学，几何变换则是绘制统计图形的几个关键的要素。ggplot2包含两个关键的函数：

qplot：用于快速的绘制统计图形
ggplot2：通过不同的图层绘制图形，比qplot更加的灵活

在绘制好图形之后，last_plot()函数，可以返回最近绘制的一幅图形。而ggsave(“plot.png”,width = 5, height = 5)函数，则可以将最近绘制的图形保存下来。

qplot的语法类似于R的基本plot函数，其参数包括：

x：x坐标（例如 col1）
y：y坐标（例如 col2）
data：具有相应列名称的数据框
xlim, ylim：坐标轴的范围，例如 xlim=c(0,10)
log：进行对数变换，例如 log=“x”或log=“xy”
main：图形的主题，另外，通过?plotmath可以查看数学公式的使用
xlab, ylab：x轴和y轴的标签
color，shape，size：颜色，形状，大小的调整

ggplot 函数主要接受两个参数，1.数据集；2.aes功能提供的图形美学。其他参数（如几何对象（例如点，线，条））通过+作为分隔符附加来传递。

下面总结geom_*函数族,这个函数族用于指定对应的几何变换，也就是用于指定绘制何种图形。

geom_abline() geom_hline() geom_vline()：参考线：水平，垂直和对角线
geom_bar() geom_col() stat_count()：条形图
geom_bin2d() stat_bin_2d() ：2dbin的热图计数图
geom_blank() ：绘制空白图形
geom_boxplot() stat_boxplot() ：绘制箱线图
geom_density() stat_density() ：密度图
geom_density_2d() stat_density_2d() ：二维密度图
geom_dotplot() ：绘制点图
geom_hex() stat_bin_hex() ：2d bin的六角形热图计数图
geom_freqpoly() geom_histogram() stat_bin() ：直方图和频率图
geom_jitter() ：抖动点图
geom_path() geom_line() geom_step() ：连线图
geom_point() ：点图
geom_polygon() ：多边形图
geom_qq_line() stat_qq_line() geom_qq() stat_qq() ：QQ图
geom_quantile() stat_quantile() ：分位数回归图
geom_rug() ：地毯图
geom_label() geom_text() ：文本
geom_violin() stat_ydensity() ：小提琴图

下面介绍如何快速的绘制常用的图形，以帮助我们尽可能快的了解数据。

一、散点图

散点图是非常常用的一种图形。创建散点图的方式非常的简单，使用qplot函数进行创建，指定两个参数，x轴的数据和y轴的数据，散点图如图1所示。

图1 散点图

上面的代码中使用qplot快速的绘制出了一幅散点图。在代码中首先创建了三个向量，x，y,cat.这三个向量。使用qplot绘制出了x和y的散点图。因为是要绘制散点图，因此qplot函数中，geom参数的值指定为“point”。接下来会绘制分组的散点图。

接下来调整散点图的点的颜色和大小，在这里添加连两个新的参数shape和color，用于调整散点图不同点的形状和颜色，如图2所示。

图2 调整大小和形状散点图

上面的代码绘制了分组的散点图，将不同组的数据通过点的形状和颜色区分开来。这里本质上是是绘制了一个四维图形。使用颜色和形状来表示一个新的维度，cat。

上面使用了qplot进行绘制散点图，qplot的使用方式和R基础函数plot非常的相似，使用这个函数能够使用最少的代码来绘制出想要的图形，如果需要对于图形更多的调整，则最好使用ggplot函数来进行绘图。接下来使用ggplot来绘制图形，如图3所示。

图3 散点图

上面的代码首先对于ggplot2包中的数据集diamonds进行取了子集，因为原本的整个数据集比较的大。使用sample_frac函数选取了原始数据集的30%的数据进行绘图。这里使用ggplot函数绘制了一幅分组的散点图，x轴表示carat变量，y轴表示price变量，颜色通过color变量表示。在ggplot函数中，首先设置好了数据集dsmall，然后定义数据的映射关系，通过aes函数设定了x= carat, y = price, color=color。最后使用geom_point函数指明绘制一个散点图，通过size参数指定数据集点的大小。

二、折线图

将散点图的点连接起来的图形就是折线图。折线图与散点图表达的信息非常的类似，都是描述两个变量之间的关系。下面使用R的基础函数plot函数来绘制折线图，如图4所示。

图4 折线图

上面的代码使用了plot函数来绘制一个线图，使用的数据集是pressure数据集，数据集中有两个变量，分别为：“temperature”、“pressure” 。这两个变量分别为x轴和y轴。plot函数中type用于指定绘制什么种类的图形，type =‘l’表示绘制的是线图。如果type = ’p’,则表示绘制的是散点图。下面绘制多条线图，如图5所示。

图5 多条折线图

上面的代码绘制了两条线图，并且在线图中添加了数据点。使用plot绘制多条图形的方法是首先使用plot函数绘制好一幅图，然后使用point函数与line函数添加新的内容，使用point函数添加点，使用line函数添加线。qplot函数绘制图形的方式要比plot函数更为简单。使用qplot来绘制折线图，如图3.6所示。

图6 折线图

qplot绘制折线图的方式与之前绘制散点图的方式非常的相似，将geom参数改为‘line’，则表示绘制的图形是线图。这里设置了两种统计变换，使用c()向量将两种统计变换作为一个参数进行传递。使用ggplot函数绘制折线图与ggplot函数绘制散点图也非常的相似。接下来使用ggplot来绘制折线图，如图7所示。

图7 折线图

上面的代码中，使用了ggplot函数来绘制折线图。实现的方式是在geom_point()函数的末尾加上了geom_line。可以注意到，ggplot函数对于构建复杂图形非常的合适，因为图形的修改，添加可以通过’+’来完成为，统计图形可以一层一层的叠加。

三、绘制条形图

条形图往往被用于表示不同分类变量的数值。在基础的R中，绘制条形图使用的是barplot函数。这里使用的数据集是R自带的数据集BOD，BOD数据框架有6行2列，给出了水质评价中生物需氧量与时间的关系，下面使用R的基础绘图函数绘制了一幅条形图，如图8所示。

图8 条形图

如果数据只是一个向量，也就是没有计数的结果，则需要先使用table函数对数据集进行计数，如图9所示。

图9 条形图

上面的代码通过两种方式绘制了条形图，第一种方式是直接指定了一个向量，作为条形图的每一个值，然后通过names.arg参数指定不同条形的名称。第二种实现方式是使用一个向量的列联表来绘制条形图。使用qplot函数绘制与barplot绘制条形图有些许不同。接下来使用qplot函数来绘制条形图，如图10所示。

图 10 条形图

上面的代码使用了qplot绘制了条形图，在这里参数的指定有一个要求，就是x用于指定分类变量，y用于指定数值变量。然后设置geom=‘col’用于指定绘制的图形是条形图。使用ggplot绘制条形图同样非常的简单，接下来使用ggplot函数来绘制条形图，如图11所示。

图11 条形图

下面的代码首先将Time变量转换成为了因子类型，然后再绘制图形，这样的话与图3.11是有一些差别的。下面的代码绘制的图形，如图12所示。

图12 条形图

上面的代码使用相同的数据绘制出了两幅条形图。第一幅条形图坐标轴为6的位置没有条形，而第二幅图没有6的位置。这是因为，原始的数据中，Time这个变量是用数字表示的，而数字中没有6，这个时候6就会空出来。第二幅图中，将Time这个变量做了类型转换，转换成为了因子。这就相当于将数据变成了分类变量，而类别只包括1、2、3、4、5、7这6个类别。

总结

本章节介绍了常用图形的绘制。在这些图形的绘制过程中，并没有进行太多的细节调整，没有对参数进行改变。这样，能够尽可能快速的对现有的数据进行可视化，能够尽可能快速的了解数据。本章节是基于这样的目的。

在本章节中，介绍了ggplot2包的一些基本概念。介绍了散点图的快速绘制，介绍了折线图、条形图的快速绘制。如果，读者是想快速的对数据进行可视化展示，并且对于图形的细节并没有太多的要求，本章内容能够帮助读者快速的进行图形绘制。