ggplot2（3） 语法突破

3.1 简介

图形图层语法基于Wilkinson的图形语法，并在其基础上添加了许多新功能，使得图形更有表现力，并能完美地嵌入到R的环境中。

图形图层语法使得图形的重复更新变得简单——每次只更新一个特征。该语法的价值还在于它从更高的视角审视了图形的构成，它认为图形的每个组件都是可以修改的。因此，这就给了我们一个作图的基本结构框架，使得图形的绘制更为容易。对于特殊的问题，我们还可以利用它很方便地定义新图形。

3.2 耗油量数据

> head(mpg)
# A tibble: 6 x 11
  manufacturer model displ  year   cyl trans      drv     cty   hwy fl    class
  <chr>        <chr> <dbl> <int> <int> <chr>      <chr> <int> <int> <chr> <chr>
1 audi         a4      1.8  1999     4 auto(l5)   f        18    29 p     compact
2 audi         a4      1.8  1999     4 manual(m5) f        21    29 p     compact
3 audi         a4      2    2008     4 manual(m6) f        20    31 p     compact
4 audi         a4      2    2008     4 auto(av)   f        21    30 p     compact
5 audi         a4      2.8  1999     6 auto(l5)   f        16    26 p     compact
6 audi         a4      2.8  1999     6 manual(m5) f        18    26 p     compact

该数据集包含美国环保署提供的燃油经济性数据集。它包含1999年至2008年间发布的车型。

• manufacturer,model：型号名称
• displ：发动机排量，升
• year：制造年份
• cyl：气缸数
• trans：传动类型
• drv：f =前轮驱动，r =后轮驱动，4 =四轮驱动
• cty：每加仑城市行驶英里数
• hwy：每加仑公路里程
• fl：燃油类型
• class：车辆类型

3.3 绘制散点图

qplot(displ, hwy, data = mpg, colour = factor(cyl))

通过发动机排量(以升为单位 displ)对高速公路耗油量(英里每加仑hwy)根据汽缸数目着色的散点图。可以发现影响燃油经济性最重要的因素：发动机排量大小。

图形属性和数据的映射

每个点不仅有横坐标和纵坐标，还有大小、颜色和形状，这些属性我们称之为图形属性。每个图形属性都可以映射为一个变量或者设定为一个常数。上图中displ控制点的水平位置，hwy控制点的竖直位置，cyl控制点的颜色，而点的形状和大小都没有指定映射的变量，使用的是默认值（常数）。

点、线和条都是几何对象的具体表现形式，决定了图形的类型，只含一种几何对象的图通常有特定的名字：

散点图——点，气泡图——点，条形图——条形，箱线图——箱子，折线图——线。

标度变换

把数据单位（升、英里加仑数和气缸数）转换成电脑可以识别的物理单位（如像素和颜色），这个过程称为标度转换。

颜色的标度变换就是将数据的值映射到三维的颜色空间中，当变量是离散型时，默认将它的值等距的 映射到色轮上。

3.4 更复杂的图形示例

qplot(displ, hwy, data = mpg, facets = . ~ year) + geom_smooth()

分面板形成了一个二维网格，图层在第三维方向上叠加。

平滑曲线层和散点层的不同之处在于它没有展现原始数据，而是展示了统计变换后的数据。平滑曲线层拟合了一条穿过数据中间位置的平滑曲线。添加该图层需要将数据映射到图形属性后，对其进行统计变换。在上图中，统计变换首先用一条loess平滑曲线来拟合数据，然后再数据的范围内，利用等间隔的点，计算并返回点所对应的预测值。其他有用的统计变换包括一维和二维的封箱、求组平均、分位数回归和等高线。

ggplot2的绘图过程：将变量映射到图形属性→对数据进行分面处理→标度变换→计算图形属性→标度训练→标度映射→渲染几何对象。

3.5 图层语法的组件

图层语法所定义的图由以下几部分组成：

1. 一个默认的数据集和一组从变量到图形属性的映射；
2. 一个或多个图层，每个都由一种几何对象、一种统计变换和一种位置调整组成；
3. 标度，每个图形属性映射都对应一个标度；
4. 一个坐标系统；
5. 分面设定。

3.5.1 图层

图层的作用是生成在图像上可以被人感知的对象。一个图层由4部分组成：

1. 数据和图形属性映射；
2. 一种统计变换；
3. 一种及几何对象；
4. 一种位置调整方式。

3.5.2 标度

标度控制数据到图形的映射，并且图形上所用的每一个图形属性都对应着一个标度。每个标度都作用于图形中的所有数据，以确保从数据到图形属性映射的一致性。

一个标度就是一个含有一组参数的函数，它的逆也是如此。例如颜色梯度，把一条实线的各部分映射成一条含不同颜色的路径，函数中的参数可以规定该路径是直线还是曲线，决定选择哪种颜色空间（LUV还是RGB），起始和终止位置的颜色。

其逆函数被用来绘制参照对象，通过参照对象才能读出图里隐含的信息。参照对象可以是坐标轴或者是图例。大多数的映射都由唯一的逆函数（一一映射），但有些不是。逆映射的唯一性使得复原数据成为可能，但当我们只关注某个方面时，我们不是很在意它是不是唯一映射。

从左到右：连续型变量映射到大小和颜色，离散型变量映射到形状和颜色。

3.5.3 坐标系

坐标系可将对象的位置映射到图形平面上，笛卡尔坐标系是最常用的二维坐标系，极坐标系和各种地图投影则用得相对少一些。

3.5.4 分面

分面是条件绘图和网络绘图的一般形式，通过它可以方便地展示数据的不同子集。特别是当验证在不同条件下模型是否保持一致时，分面绘图是一个强大的工具。

3.6 数据结构

ggplot2的图形语法通过一种非常简单直接的方式编码到R的数据结构中。一个图形对象就是一个包含数据、映射、图层、标度、坐标和分面的列表，图形对象中还有一个目前我们还未讨论的组件：options。

当我们得到一个图形对象时，可以对他进行如下处理：

• 用print()函数将其呈现到屏幕上。在交互式操作时print()会自动地被调用，但是在循环或函数里，我们需要手动输入print()；
• 用ggsave()函数将其保存到磁盘；
• 用summary()查看它的结构；
• 用save()函数将它的缓存副本保存到磁盘，这样可以保存一个图形对象的完整副本，使用load()函数可以重现该图。

例如：

p <- qplot(displ, hwy, data = mpg, colour = factor(cyl))
print(p)
summary(p)
# 保存图形对象
save(p, file = "plot.rdata")
# 读入图形对象
load("plot.rdata")
# 将图片保存成png格式
ggsave("plot.png", width = 5, height = 5) 

data: manufacturer, model, displ, year, cyl, trans, drv, cty,
hwy, fl, class [234x11]
mapping: x = ~displ, y = ~hwy, colour = ~factor(cyl)
faceting: <ggproto object: Class FacetNull, Facet, gg>
compute_layout: function
draw_back: function
draw_front: function
draw_labels: function
draw_panels: function
finish_data: function
init_scales: function
map_data: function
params: list
setup_data: function
setup_params: function
shrink: TRUE
train_scales: function
vars: function
super: <ggproto object: Class FacetNull, Facet, gg>
-----------------------------------
geom_point: na.rm = FALSE
stat_identity: na.rm = FALSE
position_identity

总结