21 天从入门到精通 R 语言｜第 4 天：使用 ggplot2 进行数据可视化
为了让大家更好的理解本文的内容，欢迎各位培训班会员参加明天晚上 9 点的直播课：「使用 ggplot2 进行数据可视化」
该课程是「R 语言数据科学的第 3 课时」，课程主页(点击文末的阅读原文即可跳转)：
https://rstata.duanshu.com/#/brief/course/229b770183e44fbbb64133df929818ec
这是《R 数据科学》系列课程的第三讲：数据可视化。本讲将会简要介绍 ggplot2 的基本用法。通过本次课的学习，你将能使用 ggplot2 绘制各种常见的统计图表。一起来学习吧！
之所以要学习 ggplot2，是因为它真的比 R 语言的基础绘图系统更容易使用且绘制出的图形更美观。ggplot2 基于 grammar of graphics 进行构图，大致可以理解为，使用 ggplot2 绘图的时候，图表是一层层绘制的。这种绘图方式的好处就在于你可以一层层的添加图层拓展你的图表。
准备工作
library(tidyverse)
library(ggplot2)
为了方便 Stata 用户学习，下面我将使用 auto.dta 数据演示 ggplot2 的使用：
haven::read_dta('auto.dta') -> auto
auto
#> # A tibble: 74 × 12
#> make price mpg rep78 headr…¹ trunk weight length turn displ…² gear_…³
#> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 AMC Conc… 4099 22 3 2.5 11 2930 186 40 121 3.58
#> 2 AMC Pacer 4749 17 3 3 11 3350 173 40 258 2.53
#> 3 AMC Spir… 3799 22 NA 3 12 2640 168 35 121 3.08
#> 4 Buick Ce… 4816 20 3 4.5 16 3250 196 40 196 2.93
#> 5 Buick El… 7827 15 4 4 20 4080 222 43 350 2.41
#> 6 Buick Le… 5788 18 3 4 21 3670 218 43 231 2.73
#> 7 Buick Op… 4453 26 NA 3 10 2230 170 34 304 2.87
#> 8 Buick Re… 5189 20 3 2 16 3280 200 42 196 2.93
#> 9 Buick Ri… 10372 16 3 3.5 17 3880 207 43 231 2.93
#> 10 Buick Sk… 4082 19 3 3.5 13 3400 200 42 231 3.08
#> # … with 64 more rows, 1 more variable: foreign <dbl+lbl>, and abbreviated
#> # variable names ¹headroom, ²displacement, ³gear_ratio
attributes(auto$make)
#> $label
#> [1] "Make and Model"
#>
#> $format.stata
#> [1] "%-18s"
创建一个 ggplot2 图表
ggplot(data = auto) +
geom_point(mapping = aes(x = weight, y = price))
美学映射
上面的示例仅仅创建了 x 和 y 的映射，实际上我们可以创建样式丰富的映射，例如说，我们使用散点的大小来表示另外一个变量 rep78，这个变量是 1978 年该汽车的维修次数：
ggplot(data = auto) +
geom_point(mapping = aes(x = weight, y = price, size = rep78))
使用散点颜色也行：
ggplot(data = auto) +
geom_point(mapping = aes(x = weight, y = price, color = rep78))
更多映射的设定可以阅读 ?geom_point 查看。
除了映射之外，我们还可以对图层的某个属性值进行设定，例如设定散点的颜色为 “blue”：
ggplot(data = auto) +
geom_point(mapping = aes(x = weight, y = price), color = "blue")
ggplot2 支持样式丰富的散点，我们可以画个图展示下：
1:5 %>%
crossing(1:5) %>%
set_names(c("x", "y")) %>%
mutate(z = as.numeric(row.names(.))) %>%
ggplot(aes(x, y, shape = I(z))) +
geom_point(size = 5) +
geom_label(aes(label = z, y = y + 0.5)) +
theme(axis.text = element_blank(),
axis.title = element_blank())
思考：
下面的代码绘制的散点为什么不是蓝色的？
ggplot(data = auto) +
geom_point(mapping = aes(x = weight, y = price, color = "blue"))
stroke 对应散点的什么属性？
ggplot(data = subset(auto, !is.na(rep78))) +
geom_point(mapping = aes(x = weight, y = price, stroke = rep78), shape = 1)
可以比较它和 size 参数：
ggplot(data = subset(auto, !is.na(rep78))) +
geom_point(mapping = aes(x = weight, y = price, size = rep78), shape = 1)
分面
分面也就是说我们使用一个数据集，根据某个变量进行拆分，每个子数据集绘制一个小图再组合，通常使用 facet_wrap() 和 facet_grid() 实现。
facet_wrap:
ggplot(auto) +
geom_point(aes(weight, price), shape = 1) +
facet_wrap(~foreign, nrow = 1)
auto %>%
mutate(foreign = factor(foreign,
levels = 0:1,
labels = c("国产车", "进口车"))) %>%
ggplot() +
geom_point(aes(weight, price), shape = 1) +
facet_wrap(~foreign, nrow = 1)
还可以多个变量进行组合：
auto %>%
mutate(foreign = factor(foreign,
levels = 0:1,
labels = c("国产车", "进口车"))) %>%
ggplot() +
geom_point(aes(weight, price), shape = 1) +
facet_wrap(foreign ~ rep78, nrow = 4)
因为 facet_wrap 在创建分面图的时候各个图之间都要有空隙，所以就导致了上面的结果，对于这种情况，可以使用 facet_grid:
facet_grid:
auto %>%
mutate(foreign = factor(foreign,
levels = 0:1,
labels = c("国产车", "进口车"))) %>%
ggplot() +
geom_point(aes(weight, price), shape = 1) +
facet_grid(foreign ~ rep78)
多种图层
ggplot(auto) +
geom_point(aes(weight, price), shape = 1) +
geom_smooth(aes(weight, price))
实际上如果多个图层中有共同的参数，可以把这些参数放置在 ggplot() 里面：
ggplot(auto, aes(weight, price)) +
geom_point(shape = 1) +
geom_smooth()
还可以设定更多的映射：
ggplot(auto, aes(weight, price)) +
geom_point(shape = 1) +
geom_smooth(aes(linetype = factor(foreign),
color = factor(foreign)))
比较下面三个图：
library(patchwork)
ggplot(auto, aes(weight, price)) +
geom_point(shape = 1) +
geom_smooth() -> p1
ggplot(auto, aes(weight, price)) +
geom_point(shape = 1) +
geom_smooth(aes(group = factor(foreign))) -> p2
ggplot(auto, aes(weight, price)) +
geom_point(shape = 1) +
geom_smooth(aes(color = factor(foreign)),
show.legend = FALSE) -> p3
p1 + p2 + p3
不同的图层也可以使用不同的数据：
ggplot(auto, aes(weight, price)) +
geom_point(shape = 1) +
geom_smooth(data = subset(auto, foreign == 1), se = FALSE)
思考：
线图、箱线图、直方图、区域图如何绘制？
ggplot(auto, aes(weight, price)) +
geom_line()
ggplot(auto, aes(factor(rep78), price)) +
geom_boxplot()
ggplot(auto, aes(price)) +
geom_histogram()
ggplot(auto, aes(weight, price)) +
geom_area()
观察前面教程中的图，使用 auto 数据集中的其它变量绘制类似的试试。
统计变换
我觉得统计变换是 ggplot2 中最让人费解的了。大家可以尽可能的掌握，掌握不了也没有任何问题，因为我们也可以先提前计算好统计量再绘图，例如：
ggplot(auto) +
geom_bar(aes(x = rep78))
这里面就涉及到了统计变换（很好理解，就是图中的数据并不是原始数据集中的数据，而是经过计算得到的）。如果我们没有掌握统计变换，我们可以怎么做呢？
auto %>%
count(rep78) %>%
ggplot() +
geom_bar(aes(x = rep78, y = n), stat = 'identity')
是不是结果一样。但是统计变换的优势也表现出来了，简洁、快速，仿佛有魔力。
实际上上面的 geom_bar 代码的完整版是这样的：
ggplot(auto) +
geom_bar(aes(x = rep78, y = ..count..), stat = "count")
展示各个组的比例可以这样：
ggplot(auto) +
geom_bar(aes(x = rep78, y = ..prop..))
或者这样：
ggplot(auto) +
geom_bar(aes(x = rep78, y = stat(prop)))
上面的代码中我们使用的是 geom，然后辅助使用统计变换，如果我们更多使用的是统计变换，用下面的样式可能更好：
ggplot(auto) +
stat_summary(
mapping = aes(rep78, price),
fun.min = min,
fun.max = max,
fun = median,
geom = "pointrange"
)
位置调整
我们通常见到的柱形图有下面三种：
ggplot(auto) +
geom_bar(aes(x = rep78, color = factor(rep78), fill = factor(rep78)))
ggplot(auto) +
geom_bar(aes(x = rep78, color = factor(foreign), fill = factor(foreign)))
ggplot(auto) +
geom_bar(aes(x = rep78, color = factor(foreign), fill = factor(foreign)),
position = position_identity())
ggplot(auto) +
geom_bar(aes(x = rep78, color = factor(foreign), fill = factor(foreign)),
position = position_dodge())
ggplot(auto) +
geom_bar(aes(x = rep78, color = factor(foreign), fill = factor(foreign)),
position = position_fill())
还有很多种位置调整，例如我们可以使用 position_jitter 来缓解散点图中的重叠问题：
ggplot(auto) +
geom_point(aes(x = weight, y = price), position = position_jitter())
坐标系
最常用的就是笛卡尔坐标系了，还有下面几种常用的坐标系：
coord_flip(): 横纵轴调换；
ggplot(auto, aes(factor(rep78), price)) +
geom_boxplot() +
coord_flip()
coord_fixed(): 设定横纵轴的比例。
ggplot(auto, aes(mpg, trunk)) +
geom_point() +
geom_abline() +
coord_fixed(ratio = 1)
coord_sf(): 地理坐标系
例如我们绘制一幅展示 6 月 10 日全球新冠疫情确诊病例的分布图：
library(sf)
library(ggplot2)
library(tidyverse)
wdmp <- read_sf('world_high_resolution_mill.geo.json')
df <- haven::read_dta('world-covid19.dta')
wdmp %>%
left_join(df, by = c("code" = "iso")) %>%
subset(date == "2020-06-10") %>%
ggplot() +
geom_sf(aes(fill = confirmed), color = "white", size = 0.01) +
coord_sf() +
guides(fill = guide_legend())
也可以绘制好看点（未来会细致讲述）：
wdmp %>%
left_join(df, by = c("code" = "iso")) %>%
subset(date == "2020-06-10") %>%
ggplot() +
geom_sf(aes(fill = confirmed), color = "white", size = 0.01) +
scale_fill_viridis_c(option = 'A', direction = -1,
trans = 'log',
breaks = c(50, 1000, 20000, 500000)) +
# theme_ipsum(base_family = cnfont) +
theme(panel.grid.major = element_blank(),
panel.grid.minor = element_blank(),
axis.text.x = element_blank(),
axis.text.y = element_blank()) +
guides(fill = guide_legend()) +
labs(fill = "确诊人数",
title = "全球新冠疫情：2020-06-10",
caption = "数据来源：约翰斯·霍普金斯大学")
coord_polar()：极坐标转换。
大家细心的话会发现上面没有讲解如何绘制饼图（而这是种非常常用的图表类型）。实际上 ggplot2 并没有专门设计绘制饼图的图层，饼图只不过是柱形图在极坐标下的样子：
count(auto, rep78) %>%
ggplot() +
geom_col(aes(x = 1, y = n,
fill = rep78),
position = position_fill()) +
coord_polar(theta = 'y')
另外我们还可以通过极坐标转换绘制玫瑰图：
ggplot(auto) +
geom_bar(aes(x = rep78,
fill = factor(rep78),
color = factor(rep78)),
width = 1) +
coord_polar()
理解 ggplot2 的构图过程
这部分就直播的时候直接演示了。
今天的内容就到这里了～
直播信息
为了让大家更好的理解上面的内容，欢迎各位培训班会员参加明天晚上 9 点的直播课：「使用 ggplot2 进行数据可视化」
直播地址：腾讯会议(需要报名 RStata 培训班参加) 讲义材料：需要报名 RStata 培训班，详情可阅读：一起来学习 R 语言和 Stata 啦！学习过程中遇到的问题也可以随时提问！
更多关于 RStata 会员的更多信息可添加微信号 r_stata 咨询：