（数据科学学习手札38）ggplot2基本图形简述

一、简介

　　上一篇中我们介绍了ggplot2的基本语法规则，为了生成各种复杂的叠加图层，需要了解ggplot2中一些基本的几何图形的构造规则，本文便就常见的基础几何图形进行说明；

二、各基础图形

2.1 abline()、hline()与vline()

　　在R的基础绘图系统中我们可以在已绘制的图床上通过abline来添加线条，在ggplot2中当然也有类似的方法：

geom_abline()：

　　我们主要使用两个参数控制线条的位置，slope控制斜率，intercept控制截距，下面是一个简单的例子，我们在散点图层上叠加截距为20，斜率为2的直线：

library(ggplot2)

p <- ggplot(mtcars, aes(wt, mpg)) + 
  geom_point() +
  geom_abline(intercept = 20,slope = 2)
p

geom_vline()：

　　如果你想添加的直线垂直于x轴，则可以使用geom_vline()来快捷地添加垂直线条，xintercept传入的参数即为线条在x轴上的位置，若传入向量则可同时添加多条线条：

library(ggplot2)

p <- ggplot(mtcars, aes(wt, mpg)) + 
  geom_point() +
  geom_vline(xintercept = 5)
p

p <- ggplot(mtcars, aes(wt, mpg)) + 
  geom_point() +
  geom_vline(xintercept = 1:5)
p

geom_hline()：

　　同样的，我们通过在geom_hline()中传入参数yintercept来绘制垂直于y轴的线条：

p <- ggplot(mtcars, aes(wt, mpg)) + 
  geom_point() +
  geom_hline(yintercept = 20)
p

p <- ggplot(mtcars, aes(wt, mpg)) + 
  geom_point() +
  geom_hline(yintercept = 15:25)
p

 2.2 area()

 　　面积图也是一种很常用的图，多用于表现某些水平或比例类指标随时间的变化情况，下面是一个朴素的例子，以huron湖水水平变化数据为例：

library(ggplot2)

p <- ggplot(huron,aes(x=year,y=level))+
  geom_area(fill='springgreen')
p

　　实际上面积图最有表现力的类型是堆积面积图，下面以美国5个消费指标上5个年份的数据为例绘制堆积面积图：

library(ggplot2)
library(reshape2)

#将原数据转置以处理成行对应一个年份的形式
data <- data.frame(t(USPersonalExpenditure))
#添加年份变量
data$year <- as.numeric(row.names(data))
#利用reshape2中的melt函数按照year列将原数据集伸展为“年份、变量名、对应数值”的形式
data <- melt(data, id='year')

h <- ggplot(data, aes(x=year, y=value))+
  geom_area(aes(fill=variable),position = 'fill')+
  theme(legend.position = 'bottom')+
  labs(title='堆积面积图')+
  theme(plot.title = element_text(hjust=0.5))
h

　　这样得到的图就比较具有美感和表现力，当然我们更改position参数也可以得到真实的水平逐年变化情况：

h <- ggplot(data, aes(x=year, y=value))+
  geom_area(aes(fill=variable),position = 'identity')+
  theme(legend.position = 'bottom')+
  labs(title='堆积面积图')+
  theme(plot.title = element_text(hjust=0.5))
h

 2.3 bar()

　　基础的条形图我们前面一篇中已经涉及到了，所以这里我们只与上述的堆积面积图进行对比，这里注意，geom_bar()默认的统计变换为count，即计算频数，我们这里想展示真实数值需要将geom_bar()中的stat设置为'identity'，即不做任何变换：

library(ggplot2)
library(reshape2)

data <- data.frame(t(USPersonalExpenditure))
data$year <- row.names(data)
data <- melt(data, id='year')

p <- ggplot(data, aes(x=year,y=value))+
  geom_bar(aes(fill=factor(variable)),stat = 'identity')+
  labs(title='消费水平')+
  theme(plot.title=element_text(hjust=0.5))
p

　　可以看出这时我们的堆叠条形图便而可以看作离散的堆积面积图；

2.4 bin2d()

　　二维热图也是一种非常实用的图像，我们可以用来一览数据的某两个变量上的指标分布情况：

library(ggplot2)

d <- ggplot(diamonds, aes(x, y))+
  geom_bin2d()+
  labs(title='钻石长宽分布')+
  theme(plot.title=element_text(hjust=0.5))
d

　　我们还可以利用bin2d()来直观的了解数据集的缺失情况：

library(ggplot2)
library(reshape2)

#载入数据
data <- airquality
#统计缺失值位置并保存为矩阵
na.count <- is.na(data[,-6])

#用1表示缺失，0表示未缺失
na.count[na.count == T] <- 1
na.count[na.count == F] <- 0

#将Day按列与na.count拼接并转为数据框
na.count <- data.frame(cbind(na.count,data[,6]))
names(na.count) <- names(airquality)
#利用melt以Day为b
na.count <- melt(na.count,id='Day')
#绘制数据集缺失情况概括图，以变量名为分面依据
p <- ggplot(na.count,aes(x=Day,y=value))+
  geom_bin2d()+
  facet_grid(facets = .~variable)
p

2.5 density()与density2d()

　　很多时候当我们获取的数据集样本数量足够时，通常我们可以绘制密度估计图来大致描述数据集数据的分布，ggplot2中当然提供了这类方法，我们先从一维的说起：
geom_density()：

　　和R基本绘图系统中的密度曲线绘制方法很接近：

library(ggplot2)

data <- data.frame(matrix(rnorm(200),nrow=100))
v <- ggplot(data, aes(x=X1))+
  geom_density(alpha=0.3,fill='springgreen',colour='springgreen')
v

geom_density2d()：

　　和density()类似，只是我们可以通过density2d来绘制二维变量的概率密度分布：

v <- ggplot(data, aes(X1, X2))+
  geom_point()+
  stat_density2d(aes(colour=..level..))
v

　　也可以不绘制等高线，将..density..作为fill的传入参数，注意这里一定要设置contour为F：

# 密度图函数,通过fill设置填充颜色数据为密度，geom设置绘制栅格图
p <- ggplot(data, aes(x = X1, y = X2)) +
  stat_density2d(aes(fill = ..density..), geom = "raster", contour = F)
p

　　或是在透明度alpha上动手脚：

# 密度图函数：alpha设置填充透明度数据为密度，geom设置绘制栅格图
p <- ggplot(data, aes(x = X1, y = X2)) +
  geom_point() +
  stat_density2d(aes(alpha = ..density..), geom = "raster", contour = FALSE)
p

2.6 boxplot()

　　在统计学描述数据分布的图形中，箱线图是非常有代表性的，它通过图形表现五数概括的情况，在数据基本的描述性统计中具有重要意义，而ggplot2中必然可以绘制箱线图，而且可以绘制得非常精美，下面先看一个最朴素的分组箱线图形式：

p <- ggplot(mpg, aes(class, hwy)) +
  geom_boxplot()
p

我们为其赋以分组依据以配上颜色：

p <- ggplot(mpg, aes(class, hwy, fill=factor(class)))
p + geom_boxplot()

为我们的填充设置透明度，并将边框也赋以对应的颜色：

p <- ggplot(mpg, aes(class, hwy, fill=factor(class), colour=factor(class)))+
  geom_boxplot(alpha=0.55)
p

　　还可以将散点图与箱线图结合起来（这里施加jitter随机扰动以组织样本点重合）：

p <- ggplot(mpg, aes(class, hwy, fill=factor(class), colour=factor(class)))+
  geom_boxplot(alpha=0.55)+
  geom_point(position = 'jitter')
p

2.7 histogram()

　　关于直方图，因为前面也说过，这里就举几个由朴素的直方图扩展开的示例：

library(ggplot2)


p <- ggplot(diamonds, aes(carat)) +
  geom_histogram()
p

p <- ggplot(diamonds, aes(carat,fill=cut)) +
  geom_histogram()
p

p <- ggplot(diamonds, aes(carat, fill=cut)) +
  geom_histogram()+
  facet_grid(facets = .~cut)
p

2.8 curve()与segment()

　　有时候我们需要在已绘制的图形中添加线段、曲线、小箭头之类的注解，这时候就可以用到ggplot2中的geom_curve()与geom_segment()，他们的主要参数类似，需要在aes()中定义起点坐标x、y，以及终点坐标xend、yend，如需要线段或曲线上带有小箭头，则额外定义参数arrow即可，箭头方向由之前的起点终点决定：

data <- data.frame(x=c(1,2,3,4),y=c(1,2,3,4))

p <- ggplot(data,aes(x,y))+
  geom_point()
p

p + geom_curve(data=data,aes(x=x[1],y=y[1],xend=x[4],yend=y[4],colour='曲线'))

在原有图形基础上添加线段并带上小箭头：

p + geom_curve(data=data,aes(x=x[1],y=y[1],xend=x[4],yend=y[4],colour='曲线'))+
  geom_segment(data=data,aes(x=x[2],y=y[2],xend=x[3],yend=y[3],colour='直线'),
               arrow = arrow(length = unit(0.02, 'npc')))

2.9 text()与label()

　　有些时候我们需要在已绘制的图形上添加文本类标签，这种时候就需要用到text()和label()了，下面以不同的示例来说明其常见用法：

用对应每一个样本的文本标签代替散点：

p <- ggplot(mtcars, aes(wt, mpg, label = rownames(mtcars)))

p + geom_text()

对出现标签遮挡的情况进行抹除（不建议使用）：

p + geom_text(check_overlap = TRUE)

使用别致的标签：

p + geom_label()

改变文本标签的大小：

p + geom_text(size = 10)

调整文字标签位置：

p + geom_point() + geom_text(hjust = 0, nudge_x = 0.05)

调整文字标签位置：

p + geom_point() + geom_text(vjust = 0, nudge_y = 0.5)

调整文本标签位置：

p + geom_point() + geom_text(angle = 45)

更精致的标签类型：

p + geom_label(aes(fill = factor(cyl)), colour = "white", fontface = "bold")

在图床指定位置添加文本标签：

df <- data.frame(
  x = c(1, 1, 2, 2, 1.5),
  y = c(1, 2, 1, 2, 1.5),
  text = c("bottom-left", "bottom-right", "top-left", "top-right", "center")
)
ggplot(df, aes(x, y)) +
  geom_text(aes(label = text))

可以看出，落入四角的标签因为其中心对应坐标点，导致部分内容伸出边界，这里我们令vjust = "inward", hjust = "inward"使得它自适应的调整位置以显示全部信息：

ggplot(df, aes(x, y)) +
  geom_text(aes(label = text), vjust = "inward", hjust = "inward")

2.10 violin()

　　小提琴图是一种功能和箱线图类似，但增加了核密度估计功能的图形，且更为美观，ggplot2可以绘制出与seaborn中的小提琴图同样优美的图形，因为涉及的内容比较复杂，我准备在之后单独开一篇来介绍，下面仅展示一张简单的小提琴图：

library(ggplot2)

data <- mtcars

p <- ggplot(data, aes(factor(cyl), mpg))+
  geom_violin(aes(fill = cyl,colour=cyl))
p

　　以上就是ggplot2中常规图形的简单介绍，其中比较重要且比较复杂的几种将会在之后单独开文章详细介绍，如有笔误，望指出。