《ggplot2: 数据分析与图形艺术》学习笔记1

2019-05-12 本文已影响0人冬之心

title: "《ggplot2: 数据分析与图形艺术》学习笔记1"
author: "wintryheart"
date: "2019年5月10日"
output:
html_document:
toc: TRUE
toc_float: TRUE

knitr::opts_chunk$set(echo = TRUE, warning = FALSE)

1、图形语法

一张统计图形是从数据到几何对象的图形属性的一个映射。此外，图形中还可能包含数据的统计变换，最后绘制在某个特定的坐标系中，而分面则可以用来生成数据不同子集的图形。
一张统计图形就是由上述这些独立的图形部件所组成的。

最基础的部分是你想要可视化的数据（data）以及一系列将数据中的变量对应到图形属性的映射（mapping）；
几何对象（geom）：在图中实际看到的图形元素，如点、线、多边形等；
统计变换（stats）：对数据进行的某种汇总，如分组计数、线性回归等。可选，但很有用。
标度（scale）：将数据的取值映射到图形空间，如用颜色、大小或形状来表示不同的取值，使读者可以从图形中读取原始数据。展现方式为绘制图例和坐标轴。
坐标系（coord）：描述数据是如何映射到图形所在的平面，同时提供看图所需的坐标轴和网络线。通常使用笛卡尔坐标系，但也可以变换为其他类型，如极坐标和地图投影。
分面（facet）：描述如何将数据分解为各个子集，以及如何对子集作图并联合进行展示。分面也称为条件作图或网格作图。

2、qplot(quick plot)快速作图

主要学习：

qplot()的基本用法
数据和映射
图形属性（如颜色、大小和形状）
几何对象(如点、线、条形等）)
分面（条件作图）
外观

2.2 数据集

ggplot2包中的diamonds数据集包含约54000颗钻石的信息，数据涵盖：

钻石质量的四个C：
- 克拉重量（carat）
- 切工（cut）
- 颜色（color）
- 净度（clarity）
五个物理指标
- 深度（depth)
- 钻面宽度（table）
- 其他测量尺度（x, y, z）

library(gridExtra)  #支持ggplot2多图并列
library(ggplot2)
data("diamonds")
head(diamonds)

这个数据集太大，我们取100个随机样本来作图展示。

set.seed(1410) ##让样本可重复
dsmall <- diamonds[sample(nrow(diamonds),100),]

第一张图

attach(diamonds)
p1 <- qplot(carat, price)  #价格和重量之间的关系
p2 <- qplot(log(carat), log(price))  #变量变换
p3 <- qplot(carat,x*y*z)  #变量组合,体积和重量之间关系
grid.arrange(p1,p2,p3, ncol=3)
detach(diamonds)

qplot-1.png

2.4 图形属性

attach(dsmall)
p4 <- qplot(carat, price, color=color) #将color变量映射到点的颜色
p5 <- qplot(carat, price, shape=cut)  # 将cut变量映射到点的形状
grid.arrange(p4,p5,ncol=2)
detach(dsmall)

mapping-1.png

不同类型的变量适合不同的图形属性：

颜色和形状适合于分类变量；
大小适合于连续变量；
数据量很大，不同组的数据之间很难区分，适合于分面。

2.5 几何对象

适用于考察二维变量关系的几何对象：

geom="point"，绘制散点图。
geom="smooth"，拟合一条平滑曲线，并将曲线和标准误展示在图中。
geom="boxplot"，绘制箱形胡须图，用以概括一系列点的分布情况。
geom="path"和geom="line"可以在数据点之间绘制连线。
- 路径图可以是任意的方向；
- 线条图只能创建从左到右的连线。

适用于考察一维变量分布的几何对象：

对于连续变量：

geom="histogram"，绘制直方图；
geom="freqpoly"，绘制频率多边形；
geom="density"，绘制密度曲线。
qplot()默认直方图。

对于离散变量：

geom="bar"，绘制条形图。

2.5.1 平滑曲线

添加平滑曲线，展示数据趋势。

p5 <- qplot(carat, price, data=dsmall, geom=c("point","smooth")) 
#利用c()函数将多个几何对象组成一个向量传递给geom。几何对象会按指定的顺序进行堆叠。  
#如果不想绘制标准误，可以使用se=FALSE。
p6 <- qplot(carat, price, data=dsmall, geom=c("point", "smooth"), se=FALSE)
grid.arrange(p5, p6, ncol=2)

smooth-1.png

利用method参数可以选择许多不同的平滑器：

method="loess"，当n<1000时是默认选项，使用的是局部回归的方法。曲线的平滑程度由span参数控制，取值范围为0（很不平滑）至1（很平滑）。

qplot(carat, price, data=dsmall, geom=c("point","smooth"), span=0.2)

loess-1.png

method="gam", formula=y ~ s(x)，调用mgcv包拟合一个广义可加模型。这个模型与lm中的样条模型类似，但样条的阶数是通过数据得到的。如果n>1000，使用公式 formula = y ~ s(x, bs="cs")。

library(mgcv)
p7 <- qplot(carat, price, data=dsmall, geom=c("point","smooth"), method="gam", formula=y~s(x))
p8 <- qplot(carat, price, data=diamonds, geom=c("point","smooth"), method="gam", formula=y~s(x, bs="cs"))
grid.arrange(p7, p8, ncol=2)

mgcv-1.png

method="lm"，默认拟合一条直接。通过指定formula = y ~ poly(x,2)可以拟合二次多项式。通过加载splines包可以使用样条模型：formula = y ~ ns(x,2)。第二个参数是自由度：自由度越大，曲线波动越大。

p9 <- qplot(carat, price, data=dsmall, geom=c("point","smooth"), method="lm")
library(splines)
p10 <- qplot(carat, price, data=dsmall, geom=c("point","smooth"), method="lm", formula=y~ns(x,5))
grid.arrange(p9,p10, ncol=2)

splines-1.png

method="rlm"，与“lm”类似，但调用MASS包，拟合稳健回归直线。

2.5.2 箱线图和扰动点图

p11 <- qplot(color, price/carat, data=diamonds, geom="jitter")  #扰动点图
p12 <- qplot(color, price/carat, data=diamonds, geom="boxplot")  #箱线胡须图
grid.arrange(p11,p12,ncol=2)

jitter-1.png

对于扰动点图，可以如一般散点图控制其他图形属性，如size, colour和shape。
对于箱线图，可以用color控制框线颜色，fill设置填充颜色，size调节线的粗细。

2.5.3 直方图和密度曲线图

p13 <- qplot(carat, data=diamonds, geom="histogram")  #直方图
p14 <- qplot(carat, data=diamonds, geom="density")  #密度曲线图
grid.arrange(p13, p14, ncol=2)

histogram-1.png

对于密度曲线，adjust参数控制曲线的平滑程度，取值越大，曲线越平滑。
对于直方图， binwidth参数，通过设定组距来调节平滑度。组距越小，越体现细节。

对于分组分布比较，只需要再加上一个图形映射。

p15 <- qplot(carat, data=diamonds, geom="density", color=color)
p16 <- qplot(carat, data=diamonds, geom="histogram", fill=color)
#等式后面的color是数据集中的变量color钻石颜色，按color分组。
grid.arrange(p15,p16,ncol=2)

group-1.png

2.5.4 条形图

在离散变量的情形下，条形图与直方图类似。
如果数据已经汇总，或者想用其他的方式对数据进行分组处理（如，对连续变量进行分组求和），可以使用weight几何对象。

p17 <- qplot(color, data=diamonds, geom="bar")  #普通条形图
p18 <- qplot(color, data=diamonds, geom="bar", weight=carat) +
  scale_y_continuous("carat")  #按重量加权的条形图，展示每种颜色的钻石的总重量
grid.arrange(p17,p18,ncol=2)

bar-1.png

2.5.5 时间序列中的线条图和路径图

线条图将点从左到右进行连接（等价于将数据按X取值进行排序，然后绘制路径图）；x轴一般是时间，展示单变量随时间变化的情况。
路径图按照点在数据集中的顺序对其进行连接。展示两个变量随时间联动的情况，时间反映在点的顺序上。

p19 <- qplot(date, unemploy/pop, data=economics, geom="line")  #失业率变化  
p20 <- qplot(date, uempmed, data=economics, geom="line")  #失业星期数的中位数变化
grid.arrange(p19,p20, ncol=2)

serial-1.png

我们可以用一张散点图表示失业率和失业时间长度之间的关系，但是我们不能看出变量关系随时间的变化。解决办法是将临近时间点的散点连接起来，形成一张路径图。
由于线条有很多交叉，我们可以将年份映射到color属性上，方便看出时间的行进方向。

year <- function(x) as.POSIXlt(x)$year +1900  #year函数提取年份
qplot(unemploy/pop, uempmed, data=economics, geom="path", color=year(date))
#可以看出虽然失业率失业时间长度一直高度相关，但最近几年，失业时间长度与失业率相比有增长的趋势。

path-1.png

2.6 分面

分面将数据分割成若干子集，然后创建一个图形矩阵，将每一个子集绘制到图形矩阵的窗格中。所有的子图采用相同的图形类型，并进行一定的设计，使得它们之间方便比较。

qplot()通过row_var ~ col_var表达式进行指定。可以指定任意数量的行变量和列变量，但注意当变量数超过两个时，生成的图形可能非常多，以至于不适合在屏幕上显示。

如果只想指定一行或一列，可以使用.作为占位符，例如row_var ~ . 创建一个单列多行的图形矩阵。

p21 <- qplot(carat, data=diamonds, facets = color ~ ., geom = "histogram", binwidth=0.1, xlim = c(0,3))
p22 <- qplot(carat, ..density.., data=diamonds, facets = color ~ ., geom = "histogram", binwidth=0.1, xlim = c(0,3))  
# ..density..告诉ggplot2将密度而不是频数映射到y轴。
grid.arrange(p21, p22, ncol=2)
#左图展示的是频数，右图展示的是频率。在比较不同组分布时，频率图不受该组样本量大小的影响。图形显示，高质量的钻石（颜色D)在小尺寸分布上是偏斜的，但随着质量下降，重量分布越来越平坦。

facet-1.png

2.7 其他选项

其他一些控制图形的外观的参数：

xlim, ylim: 设置x轴和y轴的显示区间。取值是一个长度为2的向量。例如xlime=c(0,20)；
log： 一个字符型向量，说明哪个坐标轴应该取对数。例如：log="x"，表示对x轴取对数；log="xy"，表示对x轴和y轴都取对数。
main：图形的主标题，可以是字符串，也可以是一个表达式。例如main = expression(beta[1]==1)。更多数学表达式参见?plotmath命令。
xlab, ylab：设置x轴和y轴的标签文字。可以是字符串，也可以是表达式。

p23 <- qplot(carat, price, data=dsmall,
      xlab ="Weight(carats)" , ylab="Price($)",
      main="Price-weight relationship"
)

p24 <- qplot(carat, price/carat, data=dsmall,
      xlab = "Weight(carats)", ylab= expression(frac(price,carat)),
      main="Price-weight relationship",
      xlim=c(.2,1)
)
p25 <- qplot(carat, price, data=dsmall, log="xy")
grid.arrange(p23,p24,p25,ncol=3)

others-1.png