开始前

主要为ggplot2 中的前三个部分的内容。

ggplot2

可视化使得数据科学从业者更好地分析并解释数据

常用的ggplot 模版

ggplot2 的图形可以按照七种参数来对其进行调整

简单模版

ggplot(data = ) + 
<geom_function>(mapping = aex())

ggplot 的学习路径

data 数据

aes 及映射

group #分组
labels #标记

关于aes 相关参数可以直接为这些参数赋值为相关的变量，通过映射的方式，按照函数默认方式为它们赋值。

ggplot(data = test)+
  geom_point(mapping = aes(x = Sepal.Length,
                           y = Petal.Length,
                           color = Species))

如果想要将以上的参数赋值为手动定义的内容，则需要将其抽出aes 函数内。

ggplot(data = test)+
  geom_point(mapping = aes(x = Sepal.Length,
                           y = Petal.Length),
            color = "red")

手动设置与映射

映射要有“领导思维”，直接将变量给对应的参数；手动设置则“精准定位”，该是什么就给参数设定什么。

shape

具体的shape 有25个值。

facet 分面

facetgrid()

ggplot(mpg) + 
  geom_point(aes(displ,hwy,color=drv)) +
  facet_grid(drv ~ cyl)

facet_warp()

facet_grid 对多图形的分面显示不是特别友好，而facet_warp() 则可以设定分面行与列的数目。

对比一下

ggplot(mpg) + 
  geom_point(aes(displ,hwy,color=drv)) +
  facet_grid(class~.)

ggplot(mpg) + 
  geom_point(aes(displ,hwy,color=drv)) +
  facet_wrap(~class, ncol = 3)

warp与grid 的区别

warp 只能对一种变量进行分类（一个维度），因此如果对其使用两个变量，则其会罗列在一个维度。

但其相比grid 的优势在于，它可以自定义输出的分面的行与列数。

易错点

1. 对于color, shape 等不连续的变量区分参数，不适于映射连续变量。（其一无法体现连续变量的变化趋势，其二这些不连续的参数其数量有限，无法有效区分连续变量）对于连续变量可以选择size, alpha等。

练习题

6-1

#练习6-1
# 示例数据：ggplot2中数据集mpg
# 1.分别以mpg的displ和hwy两列作为横纵坐标，画点图。
ggplot(mpg) + 
  geom_point(aes(displ,hwy))
# 2.尝试修改颜色或大小，从mpg数据框中任选可以用来分类的列。
ggplot(mpg) + 
  geom_point(aes(displ,hwy,color=drv))
# 3.根据class列来分面
ggplot(mpg) + 
  geom_point(aes(displ,hwy,color=drv)) +
  facet_grid(class ~ .)
# 4.根据drv和cyl两个变量来分面
ggplot(mpg) + 
  geom_point(aes(displ,hwy,color=drv)) +
  facet_grid(drv ~ cyl)