图形沟通：ggplot2

栏目: R语言 · 发布时间: 5年前

准备工作

library(tidyverse)
#> ─ Attaching packages ────────────────────────────────────────── tidyverse 1.2.1 ─
#> ✔ ggplot2 3.0.0     ✔ purrr   0.2.5
#> ✔ tibble  1.4.2     ✔ dplyr   0.7.6
#> ✔ tidyr   0.8.1     ✔ stringr 1.3.1
#> ✔ readr   1.1.1     ✔ forcats 0.3.0
#> ─ Conflicts ─────────────────────────────────────────── tidyverse_conflicts() ─
#> ✖ dplyr::filter() masks stats::filter()
#> ✖ dplyr::lag()    masks stats::lag()

ggplot(mpg, aes(displ, hwy)) + 
    geom_point(aes(color = class)) + 
    geom_smooth(se = FALSE) + 
    labs(
        title = paste(
            "Fuel efficiency generally decreases with",
            "engine size"
        ),
        subtitle = paste(
            "Two seaters (sports car) are an exception",
            "because of their light weight"
        ),
        caption = "Data from fueleconomy.com"
    )
#> `geom_smooth()` using method = 'loess' and formula 'y ~ x'

图形沟通：ggplot2

我们还可以使用 labs() 函数替换坐标轴和图例的标题。

ggplot(mpg, aes(displ, hwy)) + 
    geom_point(aes(color = class)) + 
    geom_smooth(se = FALSE) + 
    labs(
        x = "Engine displacement (L)",
        y = "Highway fuel economy (mpg)",
        color = "Car type"
    )
#> `geom_smooth()` using method = 'loess' and formula 'y ~ x'

图形沟通：ggplot2

我们还可以在标题中使用数学公式代替字符串文本，使用 quote() 函数代替 "" ，再使用 ?plotmath 命令查看可用选项：

df = tibble(
    x = runif(10),
    y = runif(10)
)

ggplot(df, aes(x, y)) + 
    geom_point() +
    labs(
        x = quote(sum(x[i] ^ 2, i == 1, n)),
        y = quote(alpha + beta + frac(delta, theta))
    )

图形沟通：ggplot2

注释

除了为图形的主要部分添加标签，有时我们还想对单个观测或分组观测添加标签。可用使用 geom_text() 函数，它的用法基本与 geom_point() 函数相同，但提供了一个额外的图形属性 label ，我们可以通过该属性添加文字。

可以通过2种方法提供标签。

首先，可以使用tibble。下面标记每类汽车中效率最高的型号。

best_in_class = mpg %>% 
    group_by(class) %>% 
    filter(row_number(desc(hwy)) == 1)
ggplot(mpg, aes(displ, hwy)) +
    geom_point(aes(color = class)) + 
    geom_text(aes(label = model), data = best_in_class)

图形沟通：ggplot2

上面的图标签重叠，数据点混在一起，所以不是很好看。改进的方式是使用 geom_label() 替换，它可以给文本加个方框，另外我们可以用 nudge_y 参数让标签位于数据点的正上方：

ggplot(mpg, aes(displ, hwy)) +
    geom_point(aes(color = class)) + 
    geom_label(
        aes(label = model),
        data = best_in_class,
        nudge_y =  2,
        alpha = 0.5
    )

图形沟通：ggplot2

这样情况似乎好上不少，但我们可以发现左上角有两个标签重叠了。我们无法通过对每个标签进行转换来解决这问题，但可以使用Kamil Slowikowski开发的ggrepel包，该包可以自动调整标签的位置，使得它们免于重叠。

ggplot(mpg, aes(displ, hwy)) +
    geom_point(aes(color = class)) + 
    geom_point(size = 3, shape = 1, data = best_in_class) +
    ggrepel::geom_label_repel(
        aes(label = model),
        data = best_in_class
    )

图形沟通：ggplot2

这里我们还做了一个贴心的改动：使用较大的空心圆强调添加了标签的数据点。

有时候我们可以通过相同的方式将标签直接放在图上，以替代图例。

class_avg = mpg %>% 
    group_by(class) %>% 
    summarise(
        displ = median(displ),
        hwy = median(hwy)
    )

ggplot(mpg, aes(displ, hwy, color = class)) +
    ggrepel::geom_label_repel(aes(label = class),
                              data = class_avg,
                              size = 6,
                              label.size = 0,
                              segment.color = NA) +
    geom_point() + theme(legend.position = "none")

图形沟通：ggplot2

即使只想向图中添加一个标签，也需要创建一个数据库（这就是麻烦之处吧）。通常我们希望标签在图的角落，此时应使用 summarise() 计算出x和y的最大值，并保存在数据框中。

label = mpg %>% 
    dplyr::summarize(
        displ = max(displ),
        hwy = max(hwy),
        label = paste(
            "Increasing engine size is \nrelated to",
            "decreasing fuel economy"
        )
        
    )

ggplot(mpg, aes(displ, hwy)) + 
    geom_point() +
    geom_text(
        aes(label = label),
        data = label,
        vjust = "top",
        hjust = "right"
    )

图形沟通：ggplot2

如果想让标签紧贴着图形的边界，可以使用+Inf和-Inf值，这样就不用计算位置了，使用tibble()函数直接创建数据库即可。

label = tibble(
    displ = Inf,
    hwy = Inf,
    label = paste(
            "Increasing engine size is \nrelated to",
            "decreasing fuel economy"
        )
        
    )

ggplot(mpg, aes(displ, hwy)) + 
    geom_point() +
    geom_text(
        aes(label = label),
        data = label,
        vjust = "top",
        hjust = "right"
    )

图形沟通：ggplot2

前面我们都是使用 \n 手动切换文本行。另一种方式是用 stringr::str_wrap() 函数自动换行，不过需要给定每行的字符数。

"Increasing engine size is related to decreasing fuel economy." %>% 
    stringr::str_wrap(width = 40) %>% 
    writeLines()
#> Increasing engine size is related to
#> decreasing fuel economy.

除了 geom_text() ，ggplot2还有很多其他函数可以为图形添加注释。

使用 geom_hline() 和 geom_vline() 函数添加参考线。
使用 geom_rect() 函数为感兴趣的数据点周围绘制一个矩形。边界由 xmin 、 xmax 、 ymin 和 ymax 确定。
使用 geom_segment() 函数及arrow参数绘制箭头，指向需要关注的数据点，属性 x 和 y 定义开始位置， xend 和 yend 定义结束位置。

唯一的限制是你的想象力和耐心。

标度

标度控制从数据值到图形属性的映射，它可以将数据转换为视觉上可以感知的东西。 默认ggplot2会自动向图表中添加标度 。

例如，输入下面代码：

ggplot(mpg, aes(displ, hwy)) + 
    geom_point(aes(color = class))

图形沟通：ggplot2

ggplot2会自动在后台为代码添加默认标度：

ggplot(mpg, aes(displ, hwy)) + 
    geom_point(aes(color = class)) + 
    scale_x_continuous() +
    scale_y_continuous() +
    scale_color_discrete()

标度的命名模式为：scale_图形属性名称_标度名称。

基于以下两种原因，我们可以不使用默认标度。

对默认标度一些参数进行调整
整体替换默认标度

坐标轴刻度与图例

影响坐标轴和图例外观的主要参数有两个： breaks 和 labels 。 breaks 控制坐标轴的刻度位置，以及与图例相关的数值显示。 labels 控制与每个坐标轴或图例相关的文本标签。

breaks 的最常用用途是替换默认刻度。

ggplot(mpg, aes(displ, hwy)) + 
    geom_point() + 
    scale_y_continuous(breaks = seq(15, 40, by = 5))

图形沟通：ggplot2

我们可以用相同方式使用 labels （与 breaks 长度相同的字符向量）。我们可以将其设为NULL，这样不显示刻度标签，对于地图或不适合展示数值的图表来说，这种方式很有用。

ggplot(mpg, aes(displ, hwy)) + 
    geom_point() + 
    scale_x_continuous(labels = NULL) + 
    scale_y_continuous(labels = NULL)

图形沟通：ggplot2

相应地，我们可以利用这两个参数控制图例外观。坐标轴和图例统称为 引导元素 。坐标轴用于表示x和y图形属性；图例用于表示其他的引导信息。

需要使用 breaks 的另一种情况是，数据点少，而我们想强调观测的确切位置。

下面图形展示每位美国总统任期的开始时间和结束时间。

presidential %>% 
    mutate(id = 33 + row_number()) %>% 
    ggplot(aes(start, id)) + 
    geom_point() + 
    geom_segment(aes(xend = end, yend = id)) + 
    scale_x_date(
        NULL,
        breaks = presidential$start,
        date_labels = "'%y"
    )

图形沟通：ggplot2

日期型和日期时间型标度的刻度和标签格式对应于 date_labels 和 date_breaks 。

图例布局

如果想要控制图例的位置，需要使用 theme() 函数设置。简而言之，主题的作用就是控制图形中与数据无关的部分。

主题设置中的 legend.position 可以控制图例的位置。

base = ggplot(mpg, aes(displ, hwy)) + 
    geom_point(aes(color = class))

base + theme(legend.position = "left")

图形沟通：ggplot2

base + theme(legend.position = "top")

图形沟通：ggplot2

base + theme(legend.position = "bottom")

图形沟通：ggplot2

base + theme(legend.position = "right")  # 默认设置

图形沟通：ggplot2

使用 legend.position = "none" 可以去掉图例显示。

要想控制单个图例的显示，可以配合 guide_legend() 或 guide_colorbar() 函数来使用 guides() 函数。

下面，我们给出两个重要设置：使用 nrow 设定图例项目的行数，并覆盖一个图形属性，以便数据点更大一些。如果想在一张图表上使用较低的alpha值显示多个数据点，那么这些设置非常重要。

ggplot(mpg, aes(displ, hwy)) + 
    geom_point(aes(color = class)) + 
    geom_smooth(se = FALSE) +
    theme(legend.position = "bottom") +
    guides(
        color = guide_legend(
            nrow = 1,
            override.aes = list(size = 4)
        )
    )
#> `geom_smooth()` using method = 'loess' and formula 'y ~ x'

图形沟通：ggplot2

标度替换

我们还可以替换整体标度。最经常进行替换的两种标度是连续型标度和颜色标度。它们的原理适用于其他图形属性。

绘制出变量转换是非常有用的，比如：

ggplot(diamonds, aes(carat, price)) + 
    geom_bin2d()

图形沟通：ggplot2

ggplot(diamonds, aes(log10(carat), log10(price))) + 
    geom_bin2d()

图形沟通：ggplot2

这种变换的缺点是坐标轴是以转换后的值来标记的。除了在图形属性映射中进行转换，我们还可以使用标度进行转换。

ggplot(diamonds, aes(carat, price)) +
    geom_bin2d() +
    scale_x_log10() + 
    scale_y_log10()

图形沟通：ggplot2

经常需要修改定制的另一种标度是颜色。默认分类标度以一种非常均匀的方式在色环上选择颜色。常用的另一种配色方式是使用ColorBrewer标度，经过手工调整后，这种方式适合那些有色盲症的人。

ggplot(mpg, aes(displ, hwy)) + 
    geom_point(aes(color = drv))

图形沟通：ggplot2

ggplot(mpg, aes(displ, hwy)) + 
    geom_point(aes(color = drv)) +
    scale_color_brewer(palette = "Set1")

图形沟通：ggplot2

如果只有很少几种颜色，我们完全可以再添加一种形状映射，虽然冗余，但这样可以确保图表在黑白方式下也可以为人所理解。

ggplot(mpg, aes(displ, hwy)) + 
    geom_point(aes(color = drv, shape = drv)) + 
    scale_color_brewer(palette = "Set1")

图形沟通：ggplot2

ColorBrewer标度在线网址是 http://colorbrewer2.org/ ，在R中可以通过RColorBrewer包实现，包的作者是Erich Neuwirth。

如果预先确定了数据值和颜色间的映射，那么可以使用 scale_color_manual() 函数。

presidential %>% 
    mutate(id = 33 + row_number()) %>% 
    ggplot(aes(start, id, color = party)) + 
    geom_point() + 
    geom_segment(aes(xend = end, yend = id)) + 
    scale_color_manual(
        values = c(Republican = "red", Democratic = "blue")
    )

图形沟通：ggplot2

对于连续的颜色标度，我们可以使用内置函数 scale_color_gradient() 或 scale_fill_gradient() 来表示。如果想要发散的颜色标度，可以使用 scale_color_gradient2() 函数，它可以使用正数和负数表示不同的颜色。这对于区分出位于平均值以上和以下的点非常合适。

另一个可以选用的函数是由viridis包提供的 scale_color_viridis() ，它对ColorBrewer分类标度进行了连续模拟。以下是该包使用指南的一个示例：

df = tibble(
    x = rnorm(10000),
    y = rnorm(10000)
)

ggplot(df, aes(x, y)) + 
    geom_hex() + 
    coord_fixed()

图形沟通：ggplot2

ggplot(df, aes(x,y)) + 
    geom_hex() +
    viridis::scale_fill_viridis() + 
    coord_fixed()

图形沟通：ggplot2

缩放

控制图形范围的方法有3种：

coord_cartesian()

如果想放大图形的一篇区域，最好使用 coord_cartesian() 函数。比较以下两个图形：

ggplot(mpg, mapping = aes(displ, hwy)) + 
    geom_point(aes(color = class)) + 
    geom_smooth() +
    coord_cartesian(xlim = c(5, 7), ylim = c(10, 30))
#> `geom_smooth()` using method = 'loess' and formula 'y ~ x'

图形沟通：ggplot2

mpg %>% 
    filter(displ >= 5, displ <= 7, hwy >= 10, hwy <= 30) %>% 
    ggplot(aes(displ, hwy)) + 
    geom_point(aes(color = class)) + 
    geom_smooth()
#> `geom_smooth()` using method = 'loess' and formula 'y ~ x'

图形沟通：ggplot2

最后，我们可以使用主题来定制图形中的非数据元素。

ggplot(mpg, aes(displ, hwy)) + 
    geom_point(aes(color = class)) +
    geom_smooth(se = FALSE) +
    theme_bw()
#> `geom_smooth()` using method = 'loess' and formula 'y ~ x'

图形沟通：ggplot2

ggplot2默认可以使用下面8种主题，在ggthemes包（ https://github.com/jrnold/ggthemes ）中，还可以使用更多主题。

theme_bw()
theme_light()
theme_classic()
theme_linedraw()
theme_dark()
theme_minimal()
theme_gray()
theme_void()

很多人感到诧异，为什么默认主题要使用灰色背景。这是有意为之，因为这样可以在网格线可见的情况下更加突出数据。白色网格线既是可见的（它们有助于位置判定），又对视觉没有什么严重影响，我们完全可以视而不见。图表的灰色背景不像白色背景那么突兀，与文本印刷颜色非常相近，保证了图形与文档其他部分浑然一体。最后，灰色背景可以创建一片连续的颜色区域，使得图形成为形象鲜明的一个视觉实体。

保存图形

有两种办法将图形从R导入最终报告：

ggsave()
knitr

ggsave() 可以将最近生成的图形保存到磁盘。

ggplot(mpg, aes(displ, hwy)) + geom_point()

图形沟通：ggplot2

调用 ggsave() ：

ggsave("my-plot.pdf")

ggsave() 会使用当前绘图设备的尺寸保存图形。

然而，我们一般通常用R Markdown生成最终报告，因此我们将重点介绍在生成图形时应该了解的一些重要代码选项。

图形大小

在R Markdown中，关于图形的最大问题是如何确定其大小和形状。控制图形大小的选项主要有5个： fig.width 、 fig.height 、 fig.asp 、 out.width 和 out.height 。

之所以说图形大小是一个难题，是因为图形大小有两种（R生成的图形的大小，以及插入和输出文档中的图形的大小），而且指定图形大小的方法也有多种（即高度、宽度和高宽比；三者任选其二）。

我们只使用以上5种选项中的3种。

我们发现， 宽度一致的图形是最令人伤心悦目的 。为了使图形宽度保持一致，我们设置图形的默认参数为 fig.width = 6 （6英寸）和 fig.asp = 0.618 （黄金分割）。在单个代码段中，我们只调整 fig.asp 。
我们使用 out.width 控制输出图形的大小，并将其设置为行宽的百分比。默认设置为 out.width = "70" 和 fig.align = "center" 。这样图形既不会占用太多空间，也不会显得拥挤。
如果想在一行中放置多个图形，可以将 out.width 设置为50%以放置2个图形、设置为33%以放置3个图形。

如果我们发现必须眯起眼睛才能看清图形的文本，那么久需要调整 fig.width 参数。如果 fig.width 大于最终文档中的图形尺寸，那么文本就会显得过小；如果 fig.width 小于最终文档中的图形尺寸，那么文本就会显得过大。一般来说，我们需要试验几次才能找到 fig.width 和最终文档中的图形的最佳比例。

为了说明这个问题，我们可以看看一下3幅图形，它们的 fig.width 分别是4、6、8。

图形沟通：ggplot2