R语言学习：R4DS学习、6种join操作理解、case_when函数理解、ggplot2包做数据可视化

graphics.off()
rm(list = ls())
options(warn = -1)
options(scipen = 999)
options(digits = 3)


# R4DS第一章 ggplot2包与数据可视化
# 准备工作
library(tidyverse)

# 数据可视化的流程
# 提问题--找数据--选图形--做图形--得信息--导行动
# 例如：想了解引擎尺寸和燃油效率的关系？
# 正向还是负向；线性还是非线性？

# 使用自带的mpg数据库
data(mpg)
mpg %>% glimpse()
mpg %>% head
help(mpg)

# 找到数据集，需要寻找或者构建与问题相关的变量或者特征
# 1）displ 引擎的尺寸
# 2）hwy 燃油效率 每加仑油对应的行驶距离 相同距离下，高效率相对于低效率需要更少的油

# 绘制图形
# 探索两个变量之间的关系
# 变量数目：2个
# 变量类型：连续型
# 采用散点图
# 根据变量的类型和数目，选择合适的图形
# 坐标轴 x--displ  y--hwy

ggplot(data = mpg) +
  geom_point(aes(x = displ, y = hwy))

ggplot(data = mpg, aes(x = displ, y = hwy)) +
  geom_point() +
  geom_smooth(method = 'lm', se = FALSE)

ggplot(data = mpg, aes(x = displ, y = hwy)) +
  geom_point() +
  geom_smooth(method = 'lm', se = FALSE) +
  theme_classic()

# 必要三组件
# 1）数据集
# 2）几何图形对象
# 3）映射关系，变量映射到坐标轴、尺寸、颜色、透明度等
# 通用模板
# ggplot(data = <DATA>) +
#   <GEOM_FUNCTION>(mapping = aes(<MAPPING>))

# 练习1
ggplot(data = mpg)
mpg %>% glimpse()
?mpg
ggplot(data = mpg) +
  geom_point(aes(x = cyl, y = hwy))

ggplot(data = mpg) +
  geom_point(aes(x = drv, y = class))

# 思考：
# 一幅简洁的图能够带来什么信息？
# 差异化标识
ggplot(data = mpg) +
  geom_point(aes(x = displ, y = hwy, color = class))

# 分面板观察
ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) +
  facet_wrap(~ class, nrow = 2)

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) +
  facet_grid(drv ~ cyl)

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) +
  facet_grid(. ~ cyl)

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) +
  facet_grid(drv ~ .)

# 不同的画图几何对象
ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy))

ggplot(data = mpg) +
  geom_smooth(mapping = aes(x = displ, y = hwy))

ggplot(data = mpg) +
  geom_smooth(mapping = aes(x = displ, y = hwy, linetype = drv))

ggplot(data = mpg) +
  geom_point(mapping = aes(x =displ, y = hwy, color = drv)) + 
  geom_smooth(mapping = aes(x = displ,  
                            y = hwy, 
                            linetype = drv,
                            color = drv))

# 添加趋势线
ggplot(data = mpg) +
  geom_smooth(mapping = aes(x = displ, y = hwy))

ggplot(data = mpg) +
  geom_smooth(mapping = aes(x = displ, 
                            y = hwy,
                            group = drv))

ggplot(data = mpg) +
  geom_smooth(mapping = aes(x = displ, 
                            y = hwy,
                            color = drv),
              show.legend = FALSE)

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) +
  geom_smooth(mapping = aes(x = displ, y = hwy))

ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
  geom_point() +
  geom_smooth()

ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
  geom_point(mapping = aes(color = class)) +
  geom_smooth()

ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
  geom_point(mapping = aes(color = class)) +
  geom_smooth(
    data = filter(mpg, class == "subcompact"),
    se = FALSE
  )

# 统计变换
ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut))

ggplot(data = diamonds) +
  stat_count(mapping = aes(x = cut))


# 参数stat明示化的3种情况
# 构造数据集
demo <- tribble(
  ~a,     ~b,
  "bar_1", 20,
  "bar_2", 30,
  "bar_3", 40
)

ggplot(data = demo) +
  geom_bar(
    mapping = aes(x = a, y = b),
   stat='identity'
  )

# 绘制每一组的百分比
ggplot(data = diamonds) +
  geom_bar(
    mapping = aes(x = cut, y = ..prop.., group = 1)
  )

# 统计图形可视化
ggplot(data = diamonds) +
  stat_summary(
    mapping = aes(x = cut, y = depth),
    fun.min = min,
    fun.max = max,
    fun = median
  )

# 位置调整
ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut, color = cut))

ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut, fill = cut))

ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut, fill = clarity))

ggplot(
  data = diamonds,
  mapping = aes(x = cut, fill = clarity)
) +
  geom_bar(alpha = 1/5, position = 'identity')


ggplot(
  data = diamonds,
  mapping = aes(x = cut, color = clarity)
) +
  geom_bar(fill = NA, position = 'identity')

ggplot(
  data = diamonds
) + 
  geom_bar(
    mapping = aes(x = cut, fill = clarity),
    position = 'fill'
  )

ggplot(
  data = diamonds
) + geom_bar(
  mapping = aes(x = cut, fill = clarity),
  position = "dodge"
)

ggplot(
  data = mpg
) + geom_point(
  mapping = aes(x = displ, y = hwy),
  position = "jitter"
)

# 坐标系统
ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
  geom_boxplot()

ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
  geom_boxplot() +
  coord_flip()

nz <- map_data("nz")
ggplot(nz, aes(long, lat, group = group)) +
  geom_polygon(fill = "white", color = "black")

ggplot(nz, aes(long, lat, group = group)) +
  geom_polygon(fill = "white", color = "black") +
  coord_quickmap()

bar <- ggplot(data = diamonds) +
  geom_bar(
    mapping = aes(x = cut, fill = cut),
    show.legend = FALSE,
    width = 1
  ) + 
  theme(aspect.ratio = 1) +
  labs(x = NULL, y = NULL)

bar + coord_flip()
bar + coord_polar()

library(diges)
id1 <- "1234567890"
id1
id1_md5 <- digest(id1, algo = "md5", serialize = FALSE)
id1_md5

# dplyr包across函数
library(dplyr)
library(magrittr)
help(package = 'dplyr')

iris %>% 
  group_by(Species) %>% 
  summarise(across(starts_with("Sepal"), mean), .groups = "drop") %>% 
  View


iris %>% 
  group_by(Species) %>% 
  summarise(across(starts_with("Sepal"), list(mean = mean, sd = sd)), .groups = "drop") %>% 
  View