ggplot2数据可视化大致理解

ggplot2的中的gg是 <<grammar of graphics>>, 这本书描述了一种数据可视化的思想，把数据可视化为data, transformation, mapping,scale, guides, display 等步骤。ggplot2 是这种 数据可视化思想 的R实现。ggplot2 底层包是grid包，grid只提供低层次的绘图函数，是lattice,ggplot2高级绘图包的基础。

数据可视化 就是 从数据到图。我们从解剖数据和图开始

1.数据的维度 variable

ggplot2 绘图的数据须是data.frame 类。以mtcars为例
data.frame 数据是有维度的，每一列代表一个维度，我们这里把每一列称之为一个variable.

image.png

2. 图形的组成 轴

以常见的图为例

ggplot(mtcars)+geom_point(aes(x=mpg,y=wt,color=cyl))
ggplot(mtcars)+geom_point(aes(x=mpg,y=wt,color=factor(cyl)))

image.png

这幅图对应了三个变量，mpg,wt,cyl，分别对应X轴，Y轴，和颜色bar，他们都对应一个连续变量，都有断点，都有label, 从这点上说颜色bar和X轴，Y轴是一样的，我们都把他们称为图形的"轴"。这里的轴就是图形的aesthetics组件, 之所以此处称之为“轴”，是因为对初学者来说，aesthetics直译是“美学”，有些让人不知所云。
这副point图包括了三个轴，X轴，Y轴，颜色轴，每个轴都有自己的name，分别为mpg,wt,cyl，轴上都有breaks和对应的label, name,breaks,label 是轴的三个基本属性。
轴是图形的有效部分，承载了原data.frame的信息。其他如背景线，标签位置，颜色调整等只是图形的修饰。

3.映射mapping（数据有维，图形有轴）

上图，每个轴实际上表示了一个dataframe的variable。mtcars的mpg信息完全反映在X轴，wt信息完全反映在y轴，cyl信息完全反映在颜色轴。
因此，数据有维，图形有轴，ggplot2的基本绘图思想，就是把data.frame的variable投射到图形的轴上。这个过程叫映射mapping。
继续以上图为例，我们来看颜色轴,cyl的信息完映射aes到了图形的颜色轴。
ggplot2对图形的轴有内置的默认设置，以color轴为例，对于point图，color轴默认有2个，一个连续的色带，一个是离散的点. aes(color=cyl）做的事情就是把 cyl信息 转变为color信息。
可以想象，在data.frame中cyl是连续变量，所以aes会把cyl信息映射到连续的色带，就是默认的蓝色色带。
这个过程很容易理解。对应好后，给色带指定break和label.

image.png
如果数据改变了，连续变量cyl多了一个9，那么9会对应到色带的最高点，4对应的颜色还是不变.
如果cyl是离散变量，那么就会按factor顺序对应到内置的离散颜色轴，这个轴只有8个颜色，随意如果变量factor有9个level，那么第9个level会和第1个level映射后的颜色相同。

4.geom 几何图形

geom是图形函数，指定了图形类型。如上geom_point 是声明画一个点图，那么就应该知道每个点的属性。geom_point的参数包括 x,y,color,shape,size,alpha等，这正是画点图所需要的每个点的属性，有了这些信息，geom_point就可以画出图形了。显然，在这几个参数中，x,y是必须的。
ggplot2在绘图前主要工作就是把variable转换成这些图形需要的轴。

p <- ggplot(mtcars)+geom_point(aes(x=mpg,y=wt,color=cyl))
p$data  ## 即原始绘图数据data.frame
dim(p$data)  ## 32行
g <- ggplot_build(p)  ## 查看stat后的信息。g$plot即为图形
stated <- g$data[[1]]  ## geom的绘图信息
dim(stated )  ## 32行

image.png
数据是这样的，原来的data.frame 数据aes后实际上变成了点图（geom_point）所需的信息，
如上图，这个数据实际上完全等价于图形,geom_point就是根据这个表达渲染出图形的。

5.geom的轴：aesthetic组件

所谓 aesthetics组件, 就是图形的“轴”, ggplot2中常用的有
颜色类：color(颜色或边框颜色)、fill(填充颜色)和alpha(透明度)
形状类：linetype(线型)、size(点的大小或线的宽度)和shape(形状)
位置类：x、y、xmin、xmax、ymin、ymax、xend、yend
分组：group
不同的geom有不同的轴。ggplot2是2d平面绘图，所以x,y是几乎对所有geom必须的.

6.stat+geom

每个geom同时也是一个stat（统计变换）,这句话怎么理解呢？
以上画的点图，这个太容易理解，很直观的转换，几乎不需要stat.我们看个略复杂点的。
继续以mtcats为例。geom_bra

dat<-mtcars
dat$cyl <- paste0("cyl",dat$cyl)
ggplot(dat)+geom_bar(aes(x =cyl))

image.png

然后就出了这么个很丑的图。geom_bar,我们先看下 ?geom_bar所需要的轴，在geom_bar的帮助文档中Aesthetics部分有x,y,alpha,color,fill,froup,linetype,size。实际上，我们要画个bar图，那么我们需要的信息是：多少个bar,每个bar的X轴位置，高度（Y轴位置），alpha,color,fill,froup,linetype,size信息。其中x,y是必须的，其他可以用默认值。
不对啊，只是一个离散变量cyl映射到了x轴啊，y轴信息从哪来的，别急，这幅图的真实映射是这样的。
X轴对啥，是分类变量cyl的levle. 真实的x轴对应如分类 x= c("cyl4","cyl5","cyl6")
y轴是x轴每个level的count. 真实的Y轴对应连续变量 y=c(11,7,14)
其他aesthetics参数使用默认值，然后geom_bar就可以渲染出上图。
在这个从 x= cy l到 x=cyl的level, y=cyl的count, 中间需要有一个统计变换的，这部分工作是由stat完成的，也就是geom_bar的stat参数，geom_bar默认的是stat="count".
画不同的geom需要不同stat,对于多数geom来说，geom外观就已经决定了应该如何stat,所以多数geom只能对应一个stat.
ggplot2还把stat单独作为函数，也就是一系列stat函数，同样，stat后的信息就是画图所需要的data.frame信息，加上geom参数信息，就包括了渲染图形所需要的信息，就可以画图图形了。这是stat为什么也能画图的原因。上图图形的stat信息，3个bar的信息如下图。

image.png

7.aesthetic写在aes内与写在aes外

geom的aesthetic，如color,写在aes内和外

ggplot(mtcars)+geom_point(aes(x=mpg,y=wt,color=cyl)) ## 需要的图
ggplot(mtcars)+geom_point(aes(x=mpg,y=wt,color="blue") ##所有点红色
ggplot(mtcars)+geom_point(aes(x=mpg,y=wt），color="blue") ##所有点蓝色

上述第一句哈，是mtcars的cyl 映射到 color轴，可以得到正确的颜色。
第二句话是 'blue' 映射到color轴，'blue'实际上是从c('blue'),是个长度为1的字符串，离散型变量，所以映射函数会把从c('blue')映射到 离散型的默认color轴，第一个颜色是红色，所以所有点是红色。注意映射函数接受长度为1或者长度和x,y等长的vector.
第三句话，写在aes外，不需要经映射函数处理，在geom内，相当于给geom直接指定了'blue'颜色（上述stated数据的color列），'blue'是R内置的颜色。如果在上述geom_bar中，color可以接受长度为1或者3的vector.
所以可以在原data.frame加上一列color等，填充自己需要的颜色，然后不aes,就是对应的颜色。

结合6和7部分，你也可以自己stat原data.frame到 geom 需要的变量, 然后直接把这些变量不aes,赋予geom的轴，直接出图。

8.scale系列函数

还是以颜色轴为例，变量cyl映射为 一条 蓝色色带（geom_point默认），但是我不喜欢这条蓝色色带，我想使用别的颜色怎么办？这就需要scale.scale本身由“按比例”的意思。
scale是更改默认的轴，并重新建立映射关系。每个轴都有两种形式，离散的和连续的。
所以scale系类函数基本形式都是这样的
scale_aesthetics（轴）_discrete or continuous.
而形如scale_color_brewer只是scale_color_discrete的其中一种快捷函数。
所有的轴都有三个共同的参数，name,breaks,label.
修改轴的name是很常见的操作，所有有几个快捷函数。
labs（aesthetics=" newname"）可以修改某个轴的名字
xlab("newname")，修改X轴名字，实际上是scale_x_discrete or continuous(name=""newname"")
同理，ggplot2中scale相关快捷函数有很多。
以下三种写法是一样的

ggplot(mtcars)+geom_point(aes(x=mpg,y=wt,color=cyl))+scale_color_continuous(name="newname")
ggplot(mtcars)+geom_point(aes(x=mpg,y=wt,color=cyl))+xlab("newname")
ggplot(mtcars)+geom_point(aes(x=mpg,y=wt,color=cyl))+labs(x='newname')

9 ggplot的一般流程

综上ggplot的一般流程
ggplot（data）+ ## 打开绘图面板，建立数据环境。
aes( .....) + ## 建立映射
geom_ ( ) + ## 对应几何图形。
scale_ _ ()