原文请见R Graphics: Introduction to ggplot2 (12) (ucla.edu)https://stats.oarc.ucla.edu/stat/data/intro_ggplot2_int/ggplot2_intro_interactive.html#(12)

图形的语法元素

1. Data：变量，可映射到图的美学特征。

2. Geoms：图形上的对象/形状。

3. Stats: 汇总数据的统计转换（例如 mean，confidence intervals(置信区间)）

4. Scales: 图形值(aesthetic values)到数据值的映射。图例和轴可视化尺度

5. Coordinate systems(坐标系):数据被映射到图形上的平面。

6. Faceting: 将数据分成子集，以创建同一图形的多个变体(分面)。

Sitka数据集(这一部分其实就是一个示范而已)

为了练习使用图形语法，我们将使用Sitka数据集(来自MASS包)。

注意:用包加载到R中的数据集可以立即使用。要在RStudio的Environment窗格中看到对象(所以你可以点击查看它)，在数据集上运行data()，然后在数据集上运行另一个函数，如str()。

> library(ggplot2)
> library(MASS)
> data()
> str(Sitka)

# 出现
'data.frame':	395 obs. of  4 variables:
 $ size : num  4.51 4.98 5.41 5.9 6.15 4.24 4.2 4.68 4.92 4.96 ...
 $ Time : num  152 174 201 227 258 152 174 201 227 258 ...
 $ tree : int  1 1 1 1 1 2 2 2 2 2 ...
 $ treat: Factor w/ 2 levels "control","ozone": 2 2 2 2 2 2 2 2 2 2 ...

ggplot()函数与aesthetics

所有图形都以指定ggplot()函数开始(注意:不是包名ggplot2)

在ggplot()函数中，我们指定包含变量的数据集。这些变量将映射到aesthetics(图的视觉属性)。数据集必须是一个data.frame对象。

注意aesthetics是在aes()中指定的，aes()本身嵌套在ggplot()中。

gplot()内部指定的aesthetics被后续的层继承:

# scatter plot of volume vs sales
ggplot(txhousing, aes(x=volume, y=sales)) +
  geom_point()

通过将Sitka数据集中的Time映射到x, size映射到y，初始化一个Time与size的关系图。

如果没有任何额外的层，就不会绘制数据。

Layers and overriding aesthetics

单独指定x和y的aesthetics将产生一个只有两个轴的图。

ggplot(data = txhousing, aes(x=volume, y=sales))

我们将带有字符+的图层添加到图形中，以添加图形组件。

图层由geoms，stats，scales和themes组成，我们将详细讨论这些内容。

请记住，每个后续层都从ggplot()继承其aesthetics。但是，在一个层中指定新的aesthetics将覆盖ggplot()中指定的aesthetics。

# scatter plot of volume vs sales
#  with rug plot colored by median sale price
ggplot(txhousing, aes(x=volume, y=sales)) +     # x=volume and y=sales inherited by all layers  
  geom_point() +
  geom_rug(aes(color=median))   # color will only apply to the rug plot because not specified in ggplot()

> library(ggplot2)
> library(MASS)
> ggplot(Sitka, aes(x=Time, y=size))+
+ geom_point(aes(color=treat))+
+ geom_smooth()

上面两个例子其实就是只要前面有加号就会后面的操作就会继承ggplot()的aesthetics，就是在ggplot()所建立的坐标轴上继续。注意：此处coloring仅应用于geom_point().

Aesthetics

aesthetcis是图形中对象的视觉属性。

哪些aesthetics是需要的，哪些aesthetics是允许的，这取决于geom。

Mapping vs setting

Map是在aes()函数内将aesthetics对应到变量。

# mapping color to median inside of aes()
ggplot(txhousing, aes(x=volume, y=sales)) +
  geom_point(aes(color=median))

Set是在aes()函数外将aesthetics对应到常量。

# setting color to green outside of aes()
ggplot(txhousing, aes(x=volume, y=sales)) +
  geom_point(color="green")

若果是在aes()函数内将aesthetics对应到常量会有意料之外的结果。

# color="green" inside of aes()
# geom_point() cannot find a variable called "green" and
#   uses a default color instead
ggplot(txhousing, aes(x=volume, y=sales)) +
  geom_point(aes(color="green"))
# 虽为color但是可能为其它颜色

Geoms

Geom函数在plot时产生的几何形状上有所不同。

Geoms and aesthetics

每个Geom需要aesthetics提供来定义。例如，geom_point()同时需要x和y，这是散点图的最小规范。

Geoms接受aesthetics中的arguments而不同。例如：geom_point()接受aesthetic shape，但是geom_bar()不接受shape。

查看geom函数的帮助文件，可了解所需并理解asethetics。在geom的帮助文件的Asethetics部分中，所要求asethetics是加粗的。

我们来看看常见的geoms.

Histograms

ggplot(txhousing, aes(x=median)) + 
  geom_histogram()

直方图是描述连续变量分布的常用选择。

> ggplot(Sitka, aes(x=size))+
+ geom_histogram(bins=20)

bins默认为30，且bins不是aesthetic，所以不应该在aes()内。

Density plots

ggplot(txhousing, aes(x=median)) + 
  geom_density()

密度图基本上是平滑的直方图。

密度图与直方图不同，可以通过将分组变量映射到color来分组单独绘制。

ggplot(txhousing, aes(x=median, color=factor(month))) + 
  geom_density()

Boxplots

ggplot(txhousing, aes(x=factor(year), y=median)) + 
  geom_boxplot()

箱线图可以直观地显示分布的特定统计信息:

lower and upper hinges of box: first and third quartiles
middle line: median
lower and upper whiskers: (hinge−1.5×IQR)(hinge−1.5×IQR) and (hinge+1.5×IQR)(hinge+1.5×IQR) where IQR is the interquartile range (distance between hinges)
dots: outliers

箱形图对于比较组间连续变量的整体分布可能特别有用。

> ggplot(Sitka, aes(x=size, y=treat))+
+ geom_boxplot()

Bar plots

ggplot(diamonds, aes(x=cut)) + 
  geom_bar()

条形图常用于显示factor(categorical)变量的频率。

> ggplot(Sitka, aes(x=treat))+
+ geom_bar()

填充条状图的颜色不是由aesthetic颜色控制的，而是由fill控制的，它只能映射到一个factor(catgorical)变量。我们可以通过将其中一个变量映射到geom_bar()中来可视化变量的交叉表:

ggplot(diamonds, aes(x=cut, fill=clarity)) + 
  geom_bar()

> ggplot(Sitka, aes(x=treat, fill=factor(Time)))+
+ geom_bar()

Scatter plots

# scatter of volume vs sales
ggplot(txhousing, aes(x=volume, y=sales)) + 
  geom_point()

散点图描述了成对变量(通常都是连续的)之间的协变。

geom_point()描述了映射到x和y的变量之间的协变。

散点图是最灵活的图之一，因为变量可以映射到许多aesthetic上，如color、shape、size和alpha。

ggplot(txhousing, aes(x=volume, y=sales, 
                      color=median, alpha=listings, size=inventory)) + 
  geom_point()

Line graphs

ggplot(txhousing, aes(x=date, y=sales, group=city)) + 
  geom_line()

线形图用线而不是点来描述映射到x和y的变量之间的协变。

geom_line()将把所有数据视为属于一行，除非一个变量被映射到以下aestetics之一，将数据分组为单独的行:

group: lines will look the same
color: line colors will vary with mapped variable
linetype: line patterns will vary with mapped variable

让我们首先检查一个没有分组的线形图:

ggplot(txhousing, aes(x=date, y=sales)) + 
  geom_line()

如您所见，除非数据表示单个系列，否则线形图通常需要进行一些分组。

在geom_line()中使用color或linetype将隐式地对行进行分组。

ggplot(txhousing, aes(x=date, y=sales, color=city)) + 
  geom_line()

让我们试着为每棵树画出单独的线(生长曲线)

> ggplot(Sitka, aes(x=Time, y=size, group=tree))+
+ geom_line()

> ggplot(Sitka, aes(x=Time, y=size, group=tree, color=treat))+
+ geom_line()

> ggplot(Sitka, aes(x=Time, y=size, group=tree, linetype=treat))+
+ geom_line()

Stats

stat函数对数据进行统计转换，通常是某种形式的汇总，如平均值、标准差或置信区间。

每个stat函数都与一个默认的geom相关联，所以提供(render)形状并不需要geom。

stat_summary()可能是所有stat函数中最有用的一个，它应用一个summary函数，将x变量的每个值映射到y的变量。默认的汇总函数是mean_se()，以及相关的geom geom_pointrange()，它将为x变量的每个值生成一个映射到y的变量的平均值(点)和标准误差(线)的图。

# summarize sales (y) for each year (x)
ggplot(txhousing, aes(x=year, y=sales)) + 
  stat_summary()

> ggplot(Sitka, aes(x=Time, y=size))+
+ stat_summary()

stat_summary()的强大之处在于，您可以使用任何接受向量作为summary函数的函数(例如mean()、var()、max()等)，并且还可以更改geom来调整绘制的形状。

Scales

未完待续