R语言数据可视化|ggplot2包

ggplot2是R语言最为强大的作图软件包，有着自成一派的可视化理念，数据可视化是数据分析的重要一步，让我们通过由浅入深的掌握数据可视化的精髓。

展开一张画布

ggplot2和其他作图工具不同，它是以图层覆盖图层的方式画出一个完美图像的，就像是photoshop里的图层，那么首先我们得有一张画布（如果没有安装R语言和ggplot2请见《 十八-R语言特征工程实战 》）

> library(ggplot2) > ggplot()

使用geom_abline、geom_hline、geom_vline画直线

下面我们来在这张画布上画一条横线：

> ggplot() + geom_hline(yintercept = 5)

我们也可以画一条竖线

> ggplot() + geom_vline(xintercept = 5)

当然我们也可以画斜线，

> geom_abline(intercept = 2.5, slope=1)

本应该画一条斜率为1，截距为2.5的斜线，但是因为画布不会自动移动到这条直线所在的位置，所以我们要实现几个点来定位一下画布，那么怎么画点呢，我们先来研究一下

使用geom_point画点

下面我们来一张空画布上画一个点，画点和画线不同在于：线可以指定一个x或y的截距就可以了，可以作为一个简单的参数传给geom_hline或geom_vline，但是画点涉及到的是一些x、y的数据值，ggplot是把数据和作图撇清的，也就是数据是数据，成像是成像

我们先来构造点：

> x <- c(1,2,3) > y <- c(1,3,4) > data <- data.frame(x,y) > str(data) 'data.frame':      3 obs. of  2 variables:  $ x: num  1 2 3  $ y: num  1 3 4

我们其实构建了一个frame，里面包含了三个点：(1,1), (2,3), (3,4)

那么如果要画出这些点的话应该这样：

> ggplot(data, aes(x = x, y = y)) + geom_point()

前面是声明数据部分，后面是声明怎么成像

下面我们开始调整geom_point的参数，比如展示不同的颜色(左)，和展示不同的形状(右)

> ggplot(data, aes(x, y)) + geom_point(aes(colour = factor(y))) > ggplot(data, aes(x, y)) + geom_point(aes(shape = factor(y)))

如果颜色不是按factor区分，而是按连续值来区分，那么就是渐变形式，即

> ggplot(data, aes(x, y)) + geom_point(aes(colour = y))

还可以展示不同的大小，可以固定大小(左)，也可以根据数据确定大小(右)

> ggplot(data, aes(x, y)) + geom_point(aes(size = 3)) > ggplot(data, aes(x, y)) + geom_point(aes(size = y))

这里我们要说明一下aes的作用，看下面两个用法(如图左、右)：左边的含义就是画红色点，右边是按照指定的一个维度展示不同的颜色

> ggplot(data, aes(x, y)) + geom_point(colour="red") > ggplot(data, aes(x, y)) + geom_point(aes(colour="red"))

接着上面划线一节，我们在已经画了点的画布上再画一条斜线：一条斜率为1，截距为1的直线，也就是y=x+1，那么一定是经过(2,3),(3,4)两个点的

> ggplot(data, aes(x, y)) + geom_point(aes(colour = y)) + geom_abline(slope = 1, intercept = 1)

使用geom_bar来画直方图

直观上看，直方图是表达一种累积量，因此默认的直方图的高度是counts或sum，也就是像下面这样子：因为我们的x只有1、2、3单独的三个值，所以直接geom_bar()高度相同，但如果判断x<2，那么有一个满足，两个不满足，所以高度分别是1和2

> ggplot(data, aes(x)) + geom_bar() > ggplot(data, aes(x<2)) + geom_bar()

当然我们可以自己指定直方图的高度的计算方法，以下两种方法效果相同

> ggplot(data, aes(x)) + geom_bar(aes(weight=y)) > ggplot(data, aes(x,y)) + geom_bar(stat = "identity")

如果我们想要把多种取值的统计数目累加显示在柱状图上，可以这样：这里面对同一个x，不同y出现总数不一样，累加起来就像下图展示，其中如果y是数字，那么想把他当成类别，需要转成factor

> x <- rep(c(1,2), c(2,3)) > y <- rep(c(3,2), c(1,4)) > data <- data.frame(x,y) > ggplot(data, aes(x)) + geom_bar(aes(fill=factor(y)))

当然我们也可以不简单堆叠起来，比如扁平放置(左)，或拉伸至顶部(右)

> ggplot(data, aes(x)) + geom_bar(aes(fill=factor(y)), position="dodge") > ggplot(data, aes(x)) + geom_bar(aes(fill=factor(y)), position="fill")

利用geom_density画概率密度曲线

概率密度就是某些值出现的频次多少的一个曲线，并做平滑，如下：

> x <- rep(c(1,3,7,11,23,50,60),c(1,30,400,60,4,55,11)) > y <- rep(c(1,3,7,11,23,50,60),c(1,30,400,60,4,55,11)) > data <- data.frame(x,y) > ggplot(data, aes(x)) + geom_density()

我们可以调整平滑的宽度：

> ggplot(data, aes(x)) + geom_density(adjust = 1/5)

如果我们想按照不同的y值来分开画密度图，并且用不同颜色来表示不同的y值，那么我们可以用描边的方式(左)，也可以用填充的方式(中)，当然也可以两者结合

> ggplot(data, aes(x, colour = factor(y))) + geom_density(adjust = 1/5) > ggplot(data, aes(x, fill = factor(y))) + geom_density(adjust = 1/5) > ggplot(data, aes(x, colour = factor(y), fill = factor(y))) + geom_density(adjust = 1/5, alpha = 0.1)

和柱状图一样，我们也可以通过geom_density的position参数来显示累计情况：

> ggplot(data, aes(x, fill = factor(y))) + geom_density(adjust = 1/5, position='fill') > ggplot(data, aes(x, fill = factor(y))) + geom_density(adjust = 1/5, position='stack')

用geom_text和geom_label写标注文本

为了让图像更清晰，我们需要把关键数据打上标签展示出来，我们可以这样做：

> ggplot(data, aes(x, y, label=rownames(data))) + geom_point(aes(colour = y)) + geom_abline(slope = 1, intercept = 1) + geom_text(check_overlap = TRUE) > ggplot(data, aes(x, y, label=rownames(data))) + geom_point(aes(colour = y)) + geom_abline(slope = 1, intercept = 1) + geom_label()

总结

本节介绍了ggplot作图原理以及基本的几种作图方式，基于这些知识相信你很容易能做出精美的图像了

选摘：www.shareditor.com

---

R语言公众号是数据人网http://shujuren.org运营的公众号。数据人网是数据人学习、交流和分享的平台。点击【阅读原文】，进入【数据人网】，学习、分享和传播数据知识。

我们都是数据人，我们致力于从数据中学习，努力发觉数据之洞见，积极利用数据之价值！

---