《ggplot2：数据分析与图形艺术》，读书笔记

第1章简介

1.3图形的语法

第2章从qplot开始入门

1、基本用法：qplot(x，y，data)

x是自变量横轴，y是因变量纵轴，data是数据框

2、图形参数

colour=I("red")，shape，size=I(2)，alpha=I(1/20)

colour是（外框）颜色，fill是填充颜色，shape是点的形状，适合描述分类变量：形状和颜色

size是点的大小，适合描述连续变量：大小和颜色

alpha是点的透明度，1/20说明20个重叠在一起就会变得不透明，可以用来观察点的密集区域

3、几何对象geom=c("point","smooth")按顺序堆叠，按数据维度可划分为：

二维变量关系：

geom=“point”：绘制散点图

geom=“smooth”：拟合一条平滑曲线，灰色区域是置信区间，不绘制标准误差则se=FASLE

geom=“boxplot”：绘制箱线胡须图，概括一系列点的分布情况

geom=“path” 和 geom=“line”：在数据点之间绘制连线，一般用来探索时间和其他变量之间的关系，线条图只能创建从左到右的连线，而路径图则可以是任意方向

一维分布：集合对象由变量类型决定

连续变量：

geom=“histogram”：直方图（默认）

geom=“freqpoly”：频率多边形

geom=“density”：密度曲线

离散变量：

geom=“bar”：条形图

3.1 平滑曲线geom=“smooth”具体参数

默认灰色区域是置信区间，设置se=FALSE将不绘制标准误

method参数，选择不同的平滑器：

method=“loess”，span=0。1：局部回归方法，曲线的平滑程度由span控制，内存消耗为O(n²)，当n超过1000时将采用别的平滑算法。n较小时是默认选项

method=“gam”，formula=y~s(x)：mgcv包拟合广义加性模型。与lm的样条类似，但样条的阶数是通过数据估计得到的。对于大数据（n>1000）使用y~s(x，bs=“cs”)

method=“lm”：线性模型，默认是一条直线，可通过formula=y~poly(x，2)拟合二次多项式，也可加载splines包使用样条曲线formula=y~ns(x，2)，第二个参数是自由都，取值越大，曲线的波动越大

method=“rlm”：MASS包，和lm类似，但采用更稳健的拟合算法，使得对异常值不太敏感

3.2 箱线图和扰动点图：研究连续变量随着分类变量的变化情况

geom=“jitter”：扰动点图

geom=“boxplot”：箱线胡须图，反映中位数等。可以配合使用colour、fill和size等

3.3 直方图和密度曲线图：展示单个变量的分布（连续变量）

一般绘制

geom=“histogram”直方图，binwidth设定组距（组距大反映总体特征），break可以显示指定切分位置

geom=“density”：密度曲线图，adjust控制曲线的平滑程度（adjust越大曲线越平滑）

增加分类型变量控制

参数colour或者fill根据设定分类变量时，几何对象会自动拆分，并绘制多条密度曲线图或直方图

3.4条形图geom=“bar”（离散变量）

普通条形图

增加连续变量权重： weight

3.5时间序列中的线条图和路径图

geom=“line”：线条图，按x的取值排序（一般横轴是时间），从左到右连接

geom=“path” ：路径图，任意原始顺序连接（点的顺序反映先后时间）：colour参数设置时间来反映

group设置多个序列个体，并映射到一张图中（4.5.3节）

4、分面：facets 将图形拆分成多个窗格（7.2节）

facets=row.var.name~.：单列多行

facets=row.var.name~col.var.name：多行多列

“..density..”——新语法，将密度而不是频数映射到y轴

5、其他参数

main——标题

xlab，ylab——横纵坐标轴标题。如ylab=expression(frac(y,x))=y/x

xlim，ylim——横纵坐标轴取值范围，如c(.2,1)

log——log=“xy”或者log=“x”设置某个坐标取对数

第9章数据操作

9.1 plyr包简介

分组变量：用一张图内的数据分成几个部分处理
分面变量：用来把数据分割成几个部分，每个部分分别画在一张小图里

ddply(.data，.variable，.fun)——针对多个子集，应用对单独子集的操作函数

subset()——用来对数据取子集

ddply(diamonds，.(color)，subset，order(carat)<=2) #选取各个颜色里最小的2颗钻石

transform()——用来进行数据变换

ddply(diamonds，.(color)，transform，price=scale(price)) #每个颜色组里钻石的价格标准化

colwise()——把一个处理向量的函数变为处理每列数据框

colwise(func)

func(<data.frame>)

或者

colwise(func)(<dataframe>)

numcolwise()——只对数值类型的列操作
catcolwise()——只对分类类型的列操作

9.2“宽数据”变为“长数据”

melt()——变量不再放在各个列上，而是排成一列，每个变量都分别占其中的几行。reshape2包

data是待变形的元数据

id.vars依旧放在列上位置保持不变的变量，该值通常是离散的，类似数据库中的主键

measure.vars需要被放在同一列的变量，不同变量放在同一列并根据变量名进行分组。

多重时间序列图

在一张图上画2个时间序列：

1、画图时把两个变量放在两个不同的图层上

2、把数据变成一个“长数据”，然后根据variable变量区分

分析：由于两个时间序列取值差异太大，常常会导致其中一个序列值趋近一条直线

改进方法：

1、把数值调整到相同范围：做极差正规化变换

2、使用自由标度的分面

qplot(date,value,data=emp,geom="line")+facet_grid(variable~.，scale=“free_y”)

平行坐标图

每个样本画一条曲线时（需要保证样本取值可比），将行名rowname作为分组变量，同时结合大数据作图方法（透明度和聚类）

9.3 ggplot()方法

主要思想：将数据变形和图形展示尽可能分开进行，而不必让画图局限在某些特殊函数里。ggplot负责绘图，fortify()负责数据变形

ggplot是一种泛型函数，只提供作图所需要的工具。

线性模型

编写自己的方法

其它：

第4章：

1、图形属性映射：aes(x=x,y=y,colour=z)图形属性参数

2、统计变换

3、位置调整

4、整合

来自为知笔记(Wiz)