【数据故事】使用ggplot2进行数据可视化

笔者邀请您，先思考：

1 什么是数据可视化？

2 如何用R语言做数据可视化？

祝数据人五一劳动节快乐，玩好数据，用好数据。

为了实现数据可视化，R通过内置图形和强大的软件包（如ggplot2）提供各种方法。 前者帮助创建简单的图形，而后者创建定制的专业图形。 在本文中，我们将尝试学习如何使用ggplot2软件包制作和修改各种图形。

• 什么是ggplot2？

• 为什么ggplot2更好？

• 数据集

• 安装和加载包

• 创建直方图

• 如何可视化各个组的直方图

• 创建密度图

• 如何显示各组的密度图

• 创建条形图和柱形图

• 如何添加或修改主标题和轴标签

• 如何添加数据标签

• 如何重新排列柱形

• 通过分类变量显示连续变量的平均值

• 创建堆积的柱形图

• 创建BoxPlot

• 创建点图

• 修改轴标签并附加标题和副标题

• 设置主题

• 更改图例中的颜色比例

• 更改轴切割点

• 分面

• 使用多个变量进行分面

• 添加文本到点

什么是ggplot2？

ggplot2是一个强大且多功能的R软件包，由最知名的R开发人员Hadley Wickham开发，用于生成富有美感的图表。
ggplot2遵循“图形语法”，它相信的原则是一个图可以分成以下几个基本部分：

绘图=数据+美学+几何

• 数据是指数据框（数据集）。

• 美学表示x和y变量。 它也用于告诉R如何把数据显示在一个图中，例如， 颜色，大小和点的形状等。

• 几何指的是图形的类型（条形图，直方图，箱形图，线图，密度图，点图等）

除上述三部分外，还有其他重要部分的情节 –

• 分面意味着可以将相同类型的图应用于数据的每个子集。 例如，对于不同的性别，为男性和女性创建2个图表。

• 注释可以让你添加文字到图。

• 摘要统计信息允许您在图上添加描述性统计信息。

• 标度用于控制x和y轴限制

为什么ggplot2更好？

• 一个命令就可以创建出色的主题。

• 它的颜色比通常的图形更漂亮好看。

• 易于使用多个变量来做数据可视化。

• 提供一个平台来创建提供过多信息的简单图形。

下表显示了常用图表以及这些图表中使用的各种重要函数。

数据集

在本文中，我们将使用三个数据集 – R中可用的’iris’，’mpg’和’mtcars’数据集。

1.“iris”数据集由150个观察值和5个变量组成。 我们有3种花卉：Setosa，Versicolor和Virginica，并为它们的每一个提供了萼片的长度和宽度以及花瓣的长度和宽度。

2.“mtcars”数据集包括32种汽车的燃料消耗（mpg）和汽车设计和性能的10个方面。 换句话说，我们有32个观察值和11个不同的变量：

• mpg 英里/每加仑

• cyl 汽缸数量

• disp 位移（cu.in.）

• hp 总马力

• drat 后桥比率

• wt 重量（1000磅）

• qsec 1/4英里的时间

• vs V / S

• am 传输（0 =自动，1 =手动）

• gear 齿轮前进档的数量

• carb 化油器的数量

3.’mpg’数据由234个观察值和11个变量组成。

安装和加载包

首先，我们需要使用命令install.packages（）在R中安装软件包。

#installing package
install.packages("ggplot2")
library(ggplot2)

安装完成后，我们需要加载软件包，以便我们可以使用ggplot2软件包中提供的功能。 要加载包，请使用library()

直方图，密度图和箱图用于可视化连续变量。

创建直方图

首先我们考虑iris数据来创建直方图和散点图。

# 创建直方图
ggplot(data = iris, mapping = aes(x = Sepal.Length)) +
  geom_histogram()

这里我们调用ggplot（）函数，第一个参数是要使用的数据集。

1. aes（）即美学，我们定义哪个变量将在x轴上表示; 这里我们考虑’Sepal.Length’

2. geom_histogram（）表示我们想绘制一个直方图。

要改变直方图中bin的宽度，我们可以在geom_histogram（）中使用binwidth

ggplot(data = iris, mapping = aes(x = Sepal.Length)) +
  geom_histogram(binwidth = 1)

人们也可以定义想要的箱子数量，这种情况下的箱子宽度将自动调整。

ggplot(data = iris, mapping = aes(x = Sepal.Length)) +
  geom_histogram(color="black", fill="white", bins = 10)

使用color =“black”和fill =“white”，我们分别表示边界颜色和箱子的内部颜色。

如何可视化各个组的直方图

ggplot(data = iris, mapping = aes(x = Sepal.Length, color = Species)) +
  geom_histogram(fill="white", binwidth = 1)

创建密度图

密度图也用于表示连续变量的分布。

geom_density（）函数用于显示密度图。

如何显示各组的密度图

ggplot(data = iris, mapping = aes(x = Sepal.Length, color = Species)) +
  geom_density()

创建条形图和柱形图

条形图和柱形图可能是最常见的图表类型。 最好用来比较不同的值。
现在mpg数据集将用于创建以下图形。

ggplot(mpg, aes(x= class)) + geom_bar()

在这里，我们试图使用geom_bar（）为每个class中的汽车数量创建一个柱形图。

使用coord_flip（）可以互换x和y轴。

ggplot(data = mpg, mapping = aes(x = class)) +
  geom_bar() +
  coord_flip()

如何添加或修改主标题和轴标签

以下函数可用于添加或更改主标题和轴标签。

1. ggtitle（“主标题”）：在图上添加主标题

2. xlab（“X轴标签”）：更改X轴标签

3. ylab（“Y轴标签”）：更改Y轴标签

4. labs（title =“主标题”，x =“X轴标签”，y =“Y轴标签”）：更改主标题和轴标签

   

p <- ggplot(data = mpg, mapping = aes(x = class)) +

geom_bar()

p + labs(

title = "Number of Cars in each type",

x = "Type of car",

y = "Number of cars"

)

如何添加数据标签

p <- ggplot(data = mpg, mapping = aes(x = class)) +
  geom_bar()
p <- p + labs(
  title = "Number of Cars in each type",
  x = "Type of car",
  y = "Number of cars"
)
p + geom_text(
  stat = "count",
  aes(label = ..count..),
  vjust = -0.25
)

geom_text（）用于直接向图中添加文本。 vjust是调整bar中数据标签的位置。

如何重新排列柱形

使用stat =“identity”，我们可以使用我们的派生值而不是count。

count(mpg,class) %>% 
  arrange(-n) %>% 
  mutate(class = factor(class, levels = class)) %>% 
  ggplot(aes(x = class, y = n)) +
  geom_bar(stat = "identity")

上述命令将首先创建该类型汽车的频率分布，然后使用arrange(-n)以降序排列。 然后使用mutate（）将’class’列修改为一个具有’class’级别的因子，再使用geom_bar（）绘制柱形图。

在这里，SUV首先出现，因为它最多数量的汽车。 现在柱子根据频率计数进行排序。

通过分类变量显示连续变量的平均值

df <- mpg %>% group_by(class) %>% 
  summarise(mean = mean(displ)) %>% 
  arrange(-mean) %>% 
  mutate(class = factor(class, levels = class))
p <- ggplot(data = df, mapping = aes(x = class, y = mean)) +
  geom_bar(stat = "identity")
p + geom_text(
  aes(label = sprintf("%0.2f", round(mean, digits = 2))),
  vjust = 1.6,
  color = "white",
  fontface = "bold",
  size = 4
)

现在使用dplyr库，我们创建一个新的数据框’df’并尝试绘制它。
使用group_by我们根据不同类型的汽车对数据进行分组，并总结使我们能够找到每个组的统计数据（这里指的是“displ”变量）。 我们使用geom_text（）要添加数据标签（有2位小数）。

创建堆积的柱形图

p <- ggplot(
  data = mpg,
  aes(x = class, y = displ, fill = drv)
)
p + geom_bar(stat = "identity")

p + geom_bar(stat="identity", position=position_dodge())

创建BoxPlot

使用geom_boxplot（）可以创建一个boxplot。
为了创建不同层次的x下变量’disp’的boxplot，我们可以定义aes（x = cyl，y = disp）

mtcars$cyl <- factor(mtcars$cyl)
ggplot(data = mtcars, mapping = aes(x = cyl, y = disp)) +
  geom_boxplot()

我们可以看到6个气瓶的一个异常值。
要创建缺口盒图，我们写入notch = TRUE

ggplot(data = mtcars, mapping = aes(x = cyl, y = disp)) +
  geom_boxplot(notch = TRUE)

创建散点图

散点图用于图形表示两个连续变量之间的关系。

ggplot(data = iris, mapping = aes(x = Sepal.Length, y = Sepal.Width, shape = Species, color = Species)) +
  geom_point()

我们使用geom_point（）绘制点图。 在美学中，我们定义x轴表示萼片长度，y轴表示萼片宽度; shape = Species和color = Species每种特定的花用不同的形状和不同的颜色。

散点图使用geom_point（）构造

ggplot(
  data = subset(mtcars, am == 0),
  mapping = aes(x = mpg, y = disp, colour = factor(cyl))
) + geom_point()

我们使用subset（）函数来选择只有am = 0的汽车; 解释它; 我们只考虑那些自动的汽车。 我们对不同的变气缸采用不同的颜色绘制了disp和mpg的关系图。 此外，factor(cyl)将我们的连续可变气缸转换为一个因子。

在上面的命令中，我们尝试绘制里程（mpg）和位移（disp），不同的马力值采用不同的颜色。 geom_smooth（）用于确定点呈现何种模式图案。
以类似的方式，我们可以使用geom_line（）在图上绘制另一条线：

ggplot(data = mtcars, aes(x = mpg,y = disp,colour = hp))  + geom_point(size = 2.5) + geom_line(aes(y = hp))

在geom_point中，我们添加了一个可选参数size = 2.5，表示点的大小。 geom_line（）创建一条线。 请注意，我们没有在geom_line中为x轴提供任何美学，这意味着它仅绘制与里程（mpg）相对应的马力（hp）。

修改轴标签并附加标题和副标题

ggplot(mtcars,aes(x = mpg,y = disp)) + geom_point() + 
  ggtitle(
    label = "Scatter plot",
    subtitle = "mtcars data in R"
  )

在这里使用labs()，我们可以改变我们的图例或ggtitle的标题，我们可以为我们的图表分配一些标题。 如果我们想为图表添加一些标题或子标题，我们可以使用ggtitle（），其中第一个参数是我们的“主标题”，第二个参数是我们的副标题。

a <- ggplot(mtcars,aes(x = mpg, y = disp, color = factor(cyl))) + geom_point()
a
#Changing the axis labels.
a + labs(color = "Cylinders")
a + labs(color = "Cylinders") + xlab("Mileage") + ylab("Displacement")

我们首先将我们的图片保存为’a’，然后我们进行修改。
请注意，在labs命令中，我们使用color =“Cylinders”来改变图例的标题。
使用xlab和ylab命令，我们可以分别更改x和y轴标签。 这里我们的x轴标签是’mileage’，y轴标签是’displacement’

a + labs(color = "Cylinders") + 
  xlab("Mileage") + 
  ylab("Displacement") + 
  ggtitle(label = "Scatter plot", subtitle = "mtcars data in R")

在上面的图中，我们可以看到x轴，y轴和图例上的标签已经改变; 标题和副标题已被添加并且点被着色，用以区分cylinders的数量。

设置主题

可以在ggplot2中使用主题来更改背景，文本颜色，图例颜色和轴文本。
首先，我们将图解保存为’b’，从而通过操纵’b’来创建可视化。 请注意，在美学上我们写了mpg，disp，它自动在x轴上绘制mpg并在y轴上绘制disp。

b <- ggplot(mtcars,aes(mpg,disp)) + geom_point()  + labs(title = "Scatter Plot") 
b + theme(plot.title = element_text(color = "blue",size = 17),plot.background = element_rect("orange"))

我们使用theme（）来修改图的标题和背景。plot.title是一个element_text（）对象，我们在其中指定了标题的颜色和大小。利用作为element_rect（）对象的plot.background，我们可以指定背景的颜色。
ggplot2（）默认提供背景面板设计颜色可以自动更改的主题。其中一些是theme_gray，theme_minimal，theme_dark等。

b + theme_minimal()

我们可以观察点后面的水平线和垂直线。 如果我们不需要他们呢？ 这可以通过以下方式实现：

b + theme(panel.background = element_blank())

在没有其他参数的情况下设置panel.background = element_blank（）可以从面板中删除这些线条和颜色。

b + theme(axis.text = element_blank())
b + theme(axis.text.x = element_blank())
b + theme(axis.text.y = element_blank())

要从两个轴上删除文本，我们可以使用axis.text = element_blank（）。 如果我们只想从特定轴删除文本，那么我们需要指定它。
现在我们将我们的图保存到c然后进行更改。

c <- ggplot(mtcars,aes(x = mpg, y = disp, color = hp)) +labs(title = "Scatter Plot") + geom_point()
c +  theme(legend.position = "top")

如果我们想要移动图例，那么我们可以将legend.position指定为“顶部”或“底部”或“左”或“右”。
最后，结合我们在主题中了解到的所有内容，我们创建了上面的图例，其中图例位于底部，绘图标题为森林绿色，背景为黄色，并且两个轴都不显示文本。

c + theme(legend.position = "bottom", axis.text = element_blank()) +
  theme(plot.title = element_text(color = "Forest Green",size = 17),plot.background = element_rect("Yellow"))

更改图例中的颜色比例

在ggplot2中，默认情况下色标从深蓝色到浅蓝色。 可能发生的情况是，我们希望通过更改颜色或添加新颜色来创建比例尺。 这可以通过scale_color_gradient函数成功完成。

c + scale_color_gradient(low = "yellow",high = "red")

假设我们希望颜色从黄色变为红色; 黄色表示最小值，红色表示最高值; 我们设置低=“黄”和高=“红”。 请注意，图例中的比例从0开始，而不是系列的最小值。
如果我们想要3种颜色怎么办？

c + scale_color_gradient2(low = "red",mid = "green",high = "blue")

为了达到在图例中使用3种颜色的目的，我们使用scale_color_gradient2，其中low =“red”，mid =“green”和high =“blue”意味着它将整个范围（从0开始） 划分3等份，第一部分被遮蔽为红色，中央部分为绿色，最高部分为蓝色。

c + theme(legend.position = "bottom") + scale_color_gradientn(colours = c("red","forest green","white","blue"))

如果我们希望超过3种颜色由我们的图例表示，我们可以利用scale_color_gradientn（）函数，参数颜色将是一个向量，其中第一个元素表示第一个部分的颜色，第二个颜色表示第二个部分的颜色等。

更改图例中的中断
可以看出，连续变量的图例从0开始。
假设我们希望中断为：50,125,200,275和350，我们使用seq（50,350,75），其中50表示最小数字，350是序列中的最大数字，75是两个连续数字之间的差值。

c + scale_color_continuous(name = "horsepower", breaks = seq(50,350,75), labels = paste(seq(50,350,75),"hp"))

在scale_color_continuous中，我们将断点设置为所需的序列，如果需要，可以更改标签。 使用粘贴功能，我们的序列后面跟着“hp”和name =“horsepower”，改变了我们图例的名称。

一起更改图例的断点和颜色比例
让我们尝试通过反复试验来改变图例中的断点和颜色。

c + scale_color_continuous( breaks = seq(50,350,75)) +
  scale_color_gradient(low = "blue",high = "red")

我们可以参考以上代码的trial1图像，可以在下面找到。 请注意，色彩比例是根据需要从蓝色变为红色，但中断没有改变。

#Trial 2: Next one is wrong.
c  +  scale_color_gradient(low = "blue",high = "red") +
  scale_color_continuous( breaks = seq(50,350,75))

trial2图像是上述代码的输出。 这里的色标没有改变，但是已经创建了中断。

发生什么事？ 原因在于我们不能为单个图形具有2个scalecolor函数。 如果有多个scale_color函数，那么R会用接收到的最后一个scalecolor命令覆盖其他的scalecolor函数。
在试用版1中，scale_color_gradient会覆盖之前的scale_color_continuous命令。 类似地，在试验2中，scale_color_continuous覆盖先前的scale_color_gradient命令。

正确的方法是仅在一个函数中定义参数。

c + scale_color_continuous(name = "horsepower", breaks = seq(50,350,75), low = "red", high = "black") + 
  theme(panel.background = element_rect("green"),plot.background = element_rect("orange"))

这里low =“red”和high =“black”是在scale_color_continuous函数中定义的break。

更改轴切割点

我们将最初的图保存为’d’。

d <- ggplot(mtcars,aes(x = mpg,y = disp)) + geom_point(aes(color = factor(am)))  +
  xlab("Mileage") + ylab("Displacement") +
  theme(panel.background = element_rect("black") , plot.background = element_rect("pink"))

要改变轴切割点，我们使用scale_（axisname）_continuous。

d +  scale_x_continuous(limits = c(2,4)) + scale_y_continuous(limits = c(15,30))

要将x轴限制更改为2到4，我们使用scale_x_continuous，而我的“限制”是一个定义轴的上限和下限的向量。 同样，scale_y_continuous将最小截断点设置为15，将y轴的最高截断点设置为30。

d + scale_x_continuous(limits = c(2,4),breaks = seq(2,4,0.25)) + scale_y_continuous(limits = c(15,30),breaks = seq(15,30,3))

我们还可以添加另一个参数’breaks’，这将需要一个向量来指定轴的所有切点。 这里我们为x轴创建一个2,2.5,3,3.5,4的序列，对于y轴创建一个序列15,18,21，…，30。

分面

分面是用于绘制与特定变量的各种类别对应的数据的图表的技术。 让我们试着通过一个例子来理解它：

unique(mtcars$carb)
ggplot(
  data = mtcars,
  mapping = aes(mpg, disp)
) + geom_point() +
  facet_wrap(~carb)
ggplot(
  data = mtcars,
  mapping = aes(mpg, disp)
) + geom_point() +
  facet_wrap("carb")

facet_wrap函数用于分割(~)后面的符号，我们定义了我们想要分类的变量。

我们看到有6类“carb”。 分面在mpg和disp之间创建6个绘图; 点对应于类别。

ggplot(mtcars, aes(mpg, disp)) +  geom_point() +  facet_wrap(~carb,nrow = 3)

这里额外的参数nrow = 3表示总共所有的图应该调整为3行。

使用多个变量进行分面

分面可以完成carb和am的各种组合。

# You can facet by multiple variables
ggplot(mtcars, aes(mpg, disp)) + geom_point() + facet_wrap(~carb + am)
#Alternatively
ggplot(mtcars, aes(mpg, disp)) + geom_point() + facet_wrap(c("carb","am"))

有6个独特的’carb’值和2个独特的’am’值，因此可能有12种可能的组合，但我们只能得到9个图表，这是因为对于其余3种组合，没有观察。

mtcars$mpg[mtcars$carb == 3 & mtcars$am == 1]
mtcars$mpg[mtcars$carb == 6 & mtcars$am == 0]
mtcars$mpg[mtcars$carb == 8 & mtcars$am == 0]

当标签没有提供时，特别要掌握carb和am哪些水平可能是令人费解的。 因此我们可以标注这些变量。

ggplot(mtcars, aes(mpg, disp)) +  geom_point() +  facet_wrap(~carb  + am, labeller = "label_both")

R提供了facet_grid（）函数，可以用来在两个维度上分面。

z <- ggplot(mtcars, aes(mpg, disp)) + geom_point()

我们将我们的基本图片存储在’z’中，因此我们可以添加：

z + facet_grid(. ~ cyl)   #col
z + facet_grid(cyl ~ .)   #row
z + facet_grid(gear ~ cyl,labeller = "label_both")  #row and col

在facet_grid（.〜cyl）中，它将数据按’cyl’分面，而柱面以列表示。 如果我们想要在行中表示’cyl’，我们编写facet_grid（cyl〜.）。 如果我们想根据2个变量来刻画facet_grid（gear〜cyl），其中gear用行表示，’cyl’用列表示。

使用ggplot2我们可以定义所有点的不同值/标签。 这可以通过使用geom_text（）来完成

ggplot(mtcars, aes(x= mpg,y = disp)) + geom_point() +
  geom_text(aes(label = am))

在geom_text中，我们提供了aes（label = am），它描述了所有点应显示“am”的相应级别。
在图中可以看出’am’的标签与点重叠。 在某些情况下，当点数很多时可能难以阅读标签。 为了避免这种情况，我们在’ggrepel’包中使用geom_text_repel函数。

if(!require(ggrepel)) {
  install.packages("ggrepel")
  require(ggrepel)
}
ggplot(mtcars, aes(x= mpg,y = disp)) + geom_point() +
  geom_text_repel(aes(label = am))

我们使用require（）函数加载库ggrepel。 如果我们不想让文本重叠，我们使用geom_text_repel（）而不是ggplot2的geom_text（），并保留参数aes（label = am）。

您有什么见解，请留言。

点赞和转发文章，添加笔者微信，即刻获取《那些年读过的R语言书籍》的电子书和邀请加入数据人圈子。

作者：Deepanshu
原文链接：https://www.listendata.com/2018/01/data-visualization-in-r-using-ggplot2.html
翻译：陆勤
版权声明：作者保留权利，严禁修改，转载请注明原文链接。

数据人网是数据人学习、交流和分享的平台http://shujuren.org 。专注于从数据中学习到有用知识。
平台的理念：人人投稿，知识共享；人人分析，洞见驱动；智慧聚合，普惠人人。
您在数据人网平台，可以1）学习数据知识；2）创建数据博客；3）认识数据朋友；4）寻找数据工作；5）找到其它与数据相关的干货。
我们努力坚持做原创，聚合和分享优质的省时的数据知识！
我们都是数据人，数据是有价值的，坚定不移地实现从数据到商业价值的转换！

点击阅读原文，进入数据人网，获取数据知识。

---

公众号推荐：

区块链传达，专注于分享区块链内容。

脚印英语，专注于分享英语口语内容。

---