第三篇：数据可视化

前言

R语言的强大之处在于统计和作图。其中统计部分的内容很多很强大，因此会在以后的实例中逐步介绍；而作图部分的套路相对来说是比较固定的，现在可以先对它做一个总体的认识。

在上一篇文章中，介绍了使用graphics库进行绘图的方法，而本文将引入一个更为强大的库 --- ggplot2，它能做出各式各样，非常酷炫的统计图(甚至地图，热图等)。

本文将结合一个实际项目中的例子讲解如何使用ggplot2绘图。

ggplot绘图总体步骤

1. 调用ggplot函数设置图形基本信息 --- 如：使用的数据集，x轴y轴向量，分类向量等最为基础的特征。

2. 调用各种绘图函数绘制各类图形 -- 如：条形图(geom_bar)，直方图(geom_histogram)，散点图(geom_point)等。

3. 调用各种标度函数对图形进行调整 --- 如：调整坐标轴(scale_x_continuous)，调整色彩(scale_colour系列)，调整图例(scale_fill系列)等。

4. 调用annotate函数往图形中添加注解。

5. 调用theme函数以对图形进行最终美化。一般来说这个函数是仅仅对外观因素进行美化，和具体数据不打交道。

特别强调的是第五点theme函数特别强大，能定制出非常酷炫的效果。

一个双柱状图+折线图的绘制实例

本例需要生成的是一个用户在过去一段时间内，观看韩剧以及非韩剧节目的时间随时间变化的双柱状图，同时，要在这个图形上用折线图绘制所有用户观看韩剧/非韩剧的平均时间。

第一步：获取基础数据集(仅显示部分)

该数据集中，每行代表该用户的一次观看记录。

各字段说明：

- DEVICE_ID：用户标识
- WATCH_TIME：观看时间
- WATCH_DURATION：观看时长
- ISKD：该节目是否为韩剧
- PERTIME：所有用户的平均观看时长

第二步：数据清洗

在刚从文本中获取到数据后，数据类型有可能不是你所期望的。

比如我的这个例子中，获取到的WATCH_TIME是因子类型，这显然不合我意。于是我将它转换成了时间类型。另外ISKD因为待会要拿他作为两个柱状的区分条件，因此将它转换为因子类型。至于观看时间，由于精度要求不高，因此直接转换为整型。

另外，第一列的数据没用到(用户的设备ID)，因此剔除掉。

清洗完毕后的数据集如下：

第三步：构建图形基础函数变量

这一步生成的graph_base变量表示，使用data数据集，横轴为观看时间，纵轴为观看时长，根据该剧目是否为韩剧进行分类，且纵轴最大值为观看时间的最大值。

这些基础信息都可以保存在这样的一个变量里，随掉随用。

第四步：绘制韩剧/非韩剧观看时长双柱状图

绘制函数中的参数与该图形显示有关，其中stat表示取观看时长的具体值，position表示双柱状是左右并列显示。

注意是在上一步的基础图形信息变量上加上绘制函数，这就仿佛在基础图层之上添加了一个图层。

第五步：绘制平均观看时长折线图

另外两行代码则进行描点，显示具体值的操作。

注意同样是在上一步生成的变量之上叠加图层。

第六步：对坐标轴进行调整

这段代码将横坐标轴进行了格式化(具体参数请查阅相关手册)以及一定的美化。

所谓的坐标轴，或者下面要修改的图例都可以统称为标度。ggplot各种各样的标度函数，其形式大约都是scale_xx_xx这样。

第七步：设置标题，图例等信息

这一步对图中的图例以及图像的标题进行了较为细致的调整，使得图像看起来更加美观。

另外绘制柱状图图例的时候也顺便为柱状图设置了主题色Pastel1。

第八步：保存绘制结果：

还可以保存为pdf格式之类的，非常方便。

结果展示

小结

本文仅仅是从一个实例出发，讲解ggplot2绘图的基本框架步骤。对于其他细节，请读者在具体使用到的时候再去专门查询，没必要一次学会。

最后推荐一本书《R数据可视化手册》。