[R语言] ggplot2入门笔记2—通用教程ggplot2简介

文章目录

• 通用教程简介(Introduction To ggplot2)
• 2 ggplot2入门笔记2—通用教程ggplot2简介
• • 1. 了解ggplot语法(Understanding the ggplot Syntax)
  • 2. 如何制作一个简单的散点图(How to Make a Simple Scatterplot)
  • 3. 如何调整XY轴范围(How to Adjust the X and Y Axis Limits)
  • • 3.1 方法1：通过删除范围之外的点
    • 3.2 方法2：放大
  • 4. 如何更改标题和轴标签(How to Change the Title and Axis Labels)
  • 5. 如何更改点的颜色和大小(How to Change the Color and Size of Points)
  • • 5.1 如何将颜色和尺寸更改为静态？(How to Change the Color and Size To Static?)
    • 5.2 如何更改颜色以在另一列中反映类别？(How to Change the Color To Reflect Categories in Another Column?)
  • 6. 如何更改X轴文本和刻度的位置(How to Change the X Axis Texts and Ticks Location)
  • • 6.1 如何更改X和Y轴文本及其位置？(How to Change the X and Y Axis Text and its Location?)
    • 6.2 如何通过设置原始值的格式为轴标签编写自定义文本？(How to Write Customized Texts for Axis Labels, by Formatting the Original Values?)
    • 6.3 如何使用预置主题一次性定制整个主题？(How to Customize the Entire Theme in One Shot using Pre-Built Themes?)

通用教程简介(Introduction To ggplot2)

代码下载地址
以前，我们看到了使用ggplot2软件包制作图表的简短教程。它很快涉及制作ggplot的各个方面。现在，这是一个完整而完整的教程。现在讨论如何构造和自定义几乎所有ggplot。它涉及的原则，步骤和微妙之处，使图像的情节有效和更具视觉吸引力。因此，出于实用目的，我希望本教程可以作为书签参考，对您日常的绘图工作很有用。
这是ggplot2的三部分通用教程的第1部分，ggplot2是R中的美观（非常流行）的图形框架。该教程主要针对具有R编程语言的一些基本知识并希望制作复杂且美观的图表的用户与R ggplot2。

• ggplot2简介(Introduction to ggplot2)
• 自定义外观(Customizing the Look and Feel)
• 前50个ggplot2可视化效果(top 50 ggplot2 Visualizations)

ggplot2简介涵盖了有关构建简单ggplot以及修改组件和外观的基本知识；自定义外观是关于图像的自定义，如使用多图，自定义布局操作图例、注释；前50个ggplot2可视化效果应用在第1部分和第2部分中学到的知识来构造其他类型的ggplot，例如条形图，箱形图等。

2 ggplot2入门笔记2—通用教程ggplot2简介

本章节简介涵盖了有关构建简单ggplot以及修改组件和外观的基本知识，该章节主要内容有：

1. 了解ggplot语法(Understanding the ggplot Syntax)
2. 如何制作一个简单的散点图(How to Make a Simple Scatterplot)
3. 如何调整XY轴范围(How to Adjust the X and Y Axis Limits)
4. 如何更改标题和轴标签(How to Change the Title and Axis Labels)
5. 如何更改点的颜色和大小(How to Change the Color and Size of Points)
6. 如何更改X轴文本和刻度的位置(How to Change the X Axis Texts and Ticks Location)

参考文档

http://r-statistics.co/Complete-Ggplot2-Tutorial-Part1-With-R-Code.html

1. 了解ggplot语法(Understanding the ggplot Syntax)

如果您是初学者或主要使用基本图形，则构造ggplots的语法可能会令人困惑。主要区别在于，与基本图形不同，ggplot适用于数据表而不是单个矢量。绘图所需的所有数据通常都包含在提供给ggplot（）本身的数据框中，或者可以提供给各个geom。第二个值得注意的功能是，您可以通过向使用该ggplot()功能创建的现有图上添加更多层（和主题）来继续增强图。

让我们根据midwest数据集初始化一个基本的ggplot

# Setup
# #关闭科学记数法，如1e+06
# turn off scientific notation like 1e+06
options(scipen=999)
library(ggplot2)
# load the data 载入数据
data("midwest", package = "ggplot2")
# 显示数据
head(midwest)
# Init Ggplot 初始化图像
# area and poptotal are columns in 'midwest'
ggplot(midwest, aes(x=area, y=poptotal))

Warning message:
"package 'ggplot2' was built under R version 3.6.1"

A tibble: 6 × 28

PID	county	state	area	poptotal	popdensity	popwhite	popblack	popamerindian	popasian	...	percollege	percprof	poppovertyknown	percpovertyknown	percbelowpoverty	percchildbelowpovert	percadultpoverty	percelderlypoverty	inmetro	category
<int>	<chr>	<chr>	<dbl>	<int>	<dbl>	<int>	<int>	<int>	<int>	...	<dbl>	<dbl>	<int>	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>	<int>	<chr>
561	ADAMS	IL	0.052	66090	1270.9615	63917	1702	98	249	...	19.63139	4.355859	63628	96.27478	13.151443	18.01172	11.009776	12.443812	0	AAR
562	ALEXANDER	IL	0.014	10626	759.0000	7054	3496	19	48	...	11.24331	2.870315	10529	99.08714	32.244278	45.82651	27.385647	25.228976	0	LHR
563	BOND	IL	0.022	14991	681.4091	14477	429	35	16	...	17.03382	4.488572	14235	94.95697	12.068844	14.03606	10.852090	12.697410	0	AAR
564	BOONE	IL	0.017	30806	1812.1176	29344	127	46	150	...	17.27895	4.197800	30337	98.47757	7.209019	11.17954	5.536013	6.217047	1	ALU
565	BROWN	IL	0.018	5836	324.2222	5264	547	14	5	...	14.47600	3.367680	4815	82.50514	13.520249	13.02289	11.143211	19.200000	0	AAR
566	BUREAU	IL	0.050	35688	713.7600	35157	50	65	195	...	18.90462	3.275891	35107	98.37200	10.399635	14.15882	8.179287	11.008586	0	AAR

上面绘制了一个空白ggplot。即使指定了x和y，也没有点或线。这是因为ggplot并不假定您要绘制散点图或折线图。我只告诉ggplotT使用什么数据集，哪些列应该用于X和Y轴。我没有明确要求它画出任何点。还要注意，该aes()功能用于指定X和Y轴。这是因为，必须在aes()函数中指定属于源数据帧的任何信息。

2. 如何制作一个简单的散点图(How to Make a Simple Scatterplot)

让我们通过使用称为的geom层添加散点图，在空白ggplot基础制作一个散点图geom_point。

library(ggplot2)
ggplot(midwest, aes(x=area, y=poptotal)) +
geom_point()

我们得到了一个基本的散点图，其中每个点代表一个县。但是，它缺少一些基本组成部分，例如绘图标题，有意义的轴标签等。此外，大多数点都集中在绘图的底部，这不太好。您将在接下来的步骤中看到如何纠正这些问题。
像geom_point()一样，有许多这样的geom层，我们将在本教程系列的后续部分中看到。现在，让我们使用geom_smooth（method=‘lm’）添加一个平滑层。由于该方法被设置为lm（线性模型的简称），所以它会画出最适合的拟合直线。

g <- ggplot(midwest, aes(x=area, y=poptotal)) +
geom_point() +
# set se=FALSE to turnoff confidence bands
# 设置se=FALSE来关闭置信区间
geom_smooth(method="lm", se=TRUE)
plot(g)

最合适的线是蓝色。您能找到其他method可用的选项geom_smooth吗？（注意：请参阅geom_smooth）。您可能已经注意到，大多数点都位于图表的底部，看起来并不好看。因此，让我们更改Y轴限制以关注下半部分。

3. 如何调整XY轴范围(How to Adjust the X and Y Axis Limits)

X轴和Y轴范围可以通过两种方式控制。

3.1 方法1：通过删除范围之外的点

与原始数据相比，这将更改最佳拟合线或平滑线。这可以通过xlim（）和ylim（）完成。可以传递长度为2的数值向量（具有最大值和最小值）或仅传递最大值和最小值本身。

library(ggplot2)
# set se=FALSE to turnoff confidence bands
# 设置se=FALSE来关闭置信区间
g <- ggplot(midwest, aes(x=area, y=poptotal)) +
geom_point() +
geom_smooth(method="lm")

# Delete the points outside the limits
# deletes points 删除点
g + xlim(c(0, 0.1)) + ylim(c(0, 1000000))
# g + xlim(0, 0.1) + ylim(0, 1000000)

Warning message:
"Removed 5 rows containing non-finite values (stat_smooth)."
Warning message:
"Removed 5 rows containing missing values (geom_point)."

在这种情况下，图表不是从头开始构建的，而是建立在g之上的。这是因为先前的图g以ggplot对象存储为，该对象在被调用时将重现原始图。使用ggplot，您可以在该图的顶部添加更多的图层，主题和其他设置。
您是否注意到最佳拟合线与原始图相比变得更加水平？这是因为，当使用xlim()和时ylim()，指定范围之外的点将被删除，并且在绘制最佳拟合线（使用geom_smooth(method=‘lm’)）时将不考虑这些点。当您希望知道移除某些极值（或离群值）时最佳拟合线将如何变化时，此功能可能会派上用场。

3.2 方法2：放大

另一种方法是通过放大感兴趣的区域而不删除点来更改X和Y轴限制。这是使用coord_cartesian()完成的。让我们将该图存储为g1，由于考虑了所有要点，因此最佳拟合线没有改变。

library(ggplot2)
g <- ggplot(midwest, aes(x=area, y=poptotal)) +
geom_point() +
# set se=FALSE to turnoff confidence bands
geom_smooth(method="lm")  

# Zoom in without deleting the points outside the limits.
# As a result, the line of best fit is the same as the original plot.
# 放大而不删除超出限制的点。因此，最佳拟合线与原始图相同。
g1 <- g + coord_cartesian(xlim=c(0,0.1), ylim=c(0, 1000000))
plot(g1)

4. 如何更改标题和轴标签(How to Change the Title and Axis Labels)

我将其存储为g1。让我们为X和Y轴添加绘图标题和标签。这可以一次性使用来完成labs()与功能title，x和y参数。另一种选择是使用ggtitle()，xlab()和ylab()

library(ggplot2)
# 画图
# set se=FALSE to turnoff confidence bands
g <- ggplot(midwest, aes(x=area, y=poptotal)) + geom_point() + geom_smooth(method="lm")
# 限制范围
g1 <- g + coord_cartesian(xlim=c(0,0.1), ylim=c(0, 1000000))  # zooms in
# Add Title and Labels
# 添加标签，标题名，小标题名，说明文字
g1 + labs(title="Area Vs Population", subtitle="From midwest dataset", y="Population", x="Area", caption="Midwest Demographics")

# 另外一种方法
g1 + ggtitle("Area Vs Population", subtitle="From midwest dataset") + xlab("Area") + ylab("Population")

优秀！因此，这是完整功能调用。

# Full Plot call
library(ggplot2)
ggplot(midwest, aes(x=area, y=poptotal)) +
geom_point() +
geom_smooth(method="lm") +
coord_cartesian(xlim=c(0,0.1), ylim=c(0, 1000000)) +
labs(title="Area Vs Population", subtitle="From midwest dataset", y="Population", x="Area", caption="Midwest Demographics")

5. 如何更改点的颜色和大小(How to Change the Color and Size of Points)

本节主要内容有：

• 如何将颜色和尺寸更改为静态？(How to Change the Color and Size To Static?)
• 如何更改颜色以在另一列中反映类别？(How to Change the Color To Reflect Categories in Another Column?)

5.1 如何将颜色和尺寸更改为静态？(How to Change the Color and Size To Static?)

我们可以通过修改相应的几何图形来改变几何图形图层的美感。让我们将点和线的颜色更改为静态值。

library(ggplot2)
# 画图
ggplot(midwest, aes(x=area, y=poptotal)) +
# Set static color and size for points
# 设置固定颜色和尺寸
geom_point(col="steelblue", size=3) +
# change the color of line
# 更改拟合直线颜色
geom_smooth(method="lm", col="firebrick") +
coord_cartesian(xlim=c(0, 0.1), ylim=c(0, 1000000)) +
labs(title="Area Vs Population", subtitle="From midwest dataset", y="Population", x="Area", caption="Midwest Demographics")

5.2 如何更改颜色以在另一列中反映类别？(How to Change the Color To Reflect Categories in Another Column?)

假设我们要根据源数据集中的另一列更改颜色midwest，则必须在aes()函数内指定颜色。

library(ggplot2)
gg <- ggplot(midwest, aes(x=area, y=poptotal)) +
# Set color to vary based on state categories.
# 根据状态类别将颜色设置为不同。
geom_point(aes(col=state), size=3) +
geom_smooth(method="lm", col="firebrick", size=2) +
coord_cartesian(xlim=c(0, 0.1), ylim=c(0, 1000000)) +
labs(title="Area Vs Population", subtitle="From midwest dataset", y="Population", x="Area", caption="Midwest Demographics")
plot(gg)

现在，每个点都基于aes所属的状态（col=state）上色。不只是颜色，大小、形状、笔划（边界的厚度）和填充（填充颜色）都可以用来区分分组。作为附加的优点，图例将自动添加。如果需要，可以通过在theme（）函数中将legend.position设置为None来删除它。

# remove legend 移除图例
gg + theme(legend.position="None")

另外，您可以用调色板完全更改颜色。

# change color palette 更改调色板
gg + scale_colour_brewer(palette = "Set1")

在RColorBrewer软件包中可以找到更多这样的调色板，具体颜色显示见网页

library(RColorBrewer)
head(brewer.pal.info, 10)

A data.frame: 10 × 3

	maxcolors	category	colorblind
	<dbl>	<fct>	<lgl>
BrBG	11	div	TRUE
PiYG	11	div	TRUE
PRGn	11	div	TRUE
PuOr	11	div	TRUE
RdBu	11	div	TRUE
RdGy	11	div	FALSE
RdYlBu	11	div	TRUE
RdYlGn	11	div	FALSE
Spectral	11	div	FALSE
Accent	8	qual	FALSE

6. 如何更改X轴文本和刻度的位置(How to Change the X Axis Texts and Ticks Location)

本节主要内容有：

• 如何更改X和Y轴文本及其位置？(How to Change the X and Y Axis Text and its Location?)
• 如何通过设置原始值的格式为轴标签编写自定义文本？(How to Write Customized Texts for Axis Labels, by Formatting the Original Values?)
• 如何使用预置主题一次性定制整个主题？(How to Customize the Entire Theme in One Shot using Pre-Built Themes?)

6.1 如何更改X和Y轴文本及其位置？(How to Change the X and Y Axis Text and its Location?)

好了，现在让我们看看如何更改X和Y轴文本及其位置。这涉及两个方面：breaks和labels。

第1步：设置breaks
坐标轴间隔breaks的范围应该与X轴变量相同。注意，我使用的是scale_x_continuous，因为X轴变量是连续变量。如果它是一个日期变量，那么可以使用scale_x_date。与scale_x_continuous()类似，scale_y_continuous()也可用于Y轴。

library(ggplot2)

# Base plot
gg <- ggplot(midwest, aes(x=area, y=poptotal)) +
# Set color to vary based on state categories
# 设置颜色
geom_point(aes(col=state), size=3) +
geom_smooth(method="lm", col="firebrick", size=2) +
coord_cartesian(xlim=c(0, 0.1), ylim=c(0, 1000000)) +
labs(title="Area Vs Population", subtitle="From midwest dataset", y="Population", x="Area", caption="Midwest Demographics")

# Change breaks
# 改变间距
gg + scale_x_continuous(breaks=seq(0, 0.1, 0.01))

第2步：更改labels
可以选择更改labels轴刻度。labels取与长度相同的向量breaks。通过设置labels从a到k的字母进行演示（尽管在这种情况下它没有任何意义）。

library(ggplot2)

# Base plot
gg <- ggplot(midwest, aes(x=area, y=poptotal)) +
# Set color to vary based on state categories
# 设置颜色
geom_point(aes(col=state), size=3) +
geom_smooth(method="lm", col="firebrick", size=2) +
coord_cartesian(xlim=c(0, 0.1), ylim=c(0, 1000000)) +
labs(title="Area Vs Population", subtitle="From midwest dataset", y="Population", x="Area", caption="Midwest Demographics")

# Change breaks + label
# letters字母表
gg + scale_x_continuous(breaks=seq(0, 0.1, 0.01), labels = letters[1:11])

如果需要反转刻度，请使用scale_x_reverse()/scale_y_reverse()

library(ggplot2)

# Base plot
gg <- ggplot(midwest, aes(x=area, y=poptotal)) +
# Set color to vary based on state categories
# 设置颜色
geom_point(aes(col=state), size=3) +
geom_smooth(method="lm", col="firebrick", size=2) +
coord_cartesian(xlim=c(0, 0.1), ylim=c(0, 1000000)) +
labs(title="Area Vs Population", subtitle="From midwest dataset", y="Population", x="Area", caption="Midwest Demographics")

# Reverse X Axis Scale
# 反转x轴
gg + scale_x_reverse()

6.2 如何通过设置原始值的格式为轴标签编写自定义文本？(How to Write Customized Texts for Axis Labels, by Formatting the Original Values?)

让我们设置Y轴文本的breaks，并设置X轴和Y轴标签。我用了两种方法格式化标签。方法1：使用sprintf()。（在下面的示例中，将其格式化为％）* 方法2：使用自定义的用户定义函数。（按1000到1K的比例格式化）

library(ggplot2)

# Base plot
gg <- ggplot(midwest, aes(x=area, y=poptotal)) +
# Set color to vary based on state categories
# 设置颜色
geom_point(aes(col=state), size=3) +
geom_smooth(method="lm", col="firebrick", size=2) +
coord_cartesian(xlim=c(0, 0.1), ylim=c(0, 1000000)) +
labs(title="Area Vs Population", subtitle="From midwest dataset", y="Population", x="Area", caption="Midwest Demographics")

# Change Axis Texts
gg +
# 更改x轴
scale_x_continuous(breaks=seq(0, 0.1, 0.01), labels = sprintf("%1.2f%%", seq(0, 0.1, 0.01))) +
# 更改y轴
scale_y_continuous(breaks=seq(0, 1000000, 200000), labels = function(x){paste0(x/1000, 'K')})

6.3 如何使用预置主题一次性定制整个主题？(How to Customize the Entire Theme in One Shot using Pre-Built Themes?)

最后，我们可以使用预先构建的主题来更改整个主题本身，而不是单独更改主题组件。帮助页面?theme_bw显示了所有可用的内置主题。这通常是通过两种方式来实现的。在绘制ggplot之前，使用theme_set()设置主题。请注意，此设置将影响将来的所有绘图。或者绘制ggplot，然后添加整个主题设置（例如theme_bw()）

library(ggplot2)

# Base plot
gg <- ggplot(midwest, aes(x=area, y=poptotal)) +
# Set color to vary based on state categories.
geom_point(aes(col=state), size=3) +
geom_smooth(method="lm", col="firebrick", size=2) +
coord_cartesian(xlim=c(0, 0.1), ylim=c(0, 1000000)) +
labs(title="Area Vs Population", subtitle="From midwest dataset", y="Population", x="Area", caption="Midwest Demographics")

gg <- gg + scale_x_continuous(breaks=seq(0, 0.1, 0.01))

# method 1: Using theme_set()
theme_set(theme_classic())
gg

# method 2: Adding theme Layer itself.
# 添加主题层
gg + theme_bw() + labs(subtitle="BW Theme")

gg + theme_classic() + labs(subtitle="Classic Theme")