ggplot2作图详解1：入门函数qplot

ggplot2的功能不用我们做广告，因为它的作者Hadley Wickham就说ggplot2是一个强大的作图工具，它可以让你不受现有图形类型的限制，创造出任何有助于解决你所遇到问题的图形。一点也不谦虚。H.W.还说了另外一句话，“学习ggplot2你得忘记一些东西”，所以也有人说ggplot2是作图软件中的太极功。有点高深。

那好吧，我就怀着无比崇敬的心情来学一学这太极图法。先安装软件包：

install.packages("ggplot2")

1 qplot函数参数

Hadley Wickham同学很善解人意，知道我们接受一种新事物不会太容易，所以设计了个qplot函数。qplot 即“快速作图”（quick plot），顾名思义，能快速对数据进行可视化分析。它的用法和R base包的plot函数很相似，主要作用是让读者/用户在不知不觉中洗脑。先看看它的参数：

qplot(x, y = NULL, ..., data, facets = NULL,
      margins = FALSE, geom = "auto", stat = list(NULL),
      position = list(NULL), xlim = c(NA, NA),
      ylim = c(NA, NA), log = "", main = NULL,
      xlab = deparse(substitute(x)),
      ylab = deparse(substitute(y)), asp = NA)

• x, y： 意义明确，不用说了
• data： 这个可以有，为数据框（data.frame）类型；如果有这个参数，那么x，y的名称必需对应数据框中某列变量的名称
• facets： 图形/数据的分面。这是ggplot2作图比较特殊的一个概念，它把数据按某种规则进行分类，每一类数据做一个图形，所以最终效果就是一页多图
• margins： 是否显示边界
• geom： 图形的几何类型（geometry），这又是ggplot2的作图概念。ggplot2用几何类型表示图形类别，比如point表示散点图、line表示曲线图、bar表示柱形图等。
• stat： 统计类型（statistics），这个更加特殊。直接将数据统计和图形结合，这是ggplot2强大和受欢迎的原因之一。
• position： 图形或者数据的位置调整，这不算太特殊，但对于图形但外观很重要
• xlim, ylim, xlab, ylab, asp： 初步可以按照plot函数的相应参数来理解

作为入门的第一节，下面主要讲data和geom参数。

2 qplot做散点图

2.1 使用向量数据

和plot函数一样，如果不指定图形的类型，qplot默认做出散点图。对于给定的x和y向量做散点图，qplot用法也和plot函数差不多：

library(ggplot2)
x <- 1:1000
y <- rnorm(1000)
plot(x, y, main="Scatter plot by plot()")
qplot(x,y, main="Scatter plot by qplot()")

2.2 使用数据框数据

虽然可以直接使用向量数据，但ggplot2更倾向于使用数据框类型的数据作图。使用数据框有几个好处：数据框可以用来存储数值、字符串、因子等不同类型等数据；把数据放在同一个R数据框对象中可以避免使用过程中数据关系的混乱；数据外观的整理和转换方便。ggplot2中使用数据框作图的最直接的一个效果就是：你可以直接用数据的分类特性（数据框中的列变量）来决定图形元素的外观，这个过程在ggplot2中称为映射（mapping），是自动的。

在演示使用数据框作图的好处之前我们先了解以下ggplot2提供的一组有关钻石的示范数据 diamonds:

str(diamonds)

## 'data.frame':	53940 obs. of  10 variables:
##  $ carat  : num  0.23 0.21 0.23 0.29 0.31 0.24 0.24 0.26 0.22 0.23 ...
##  $ cut    : Ord.factor w/ 5 levels "Fair"<"Good"<..: 5 4 2 4 2 3 3 3 1 3 ...
##  $ color  : Ord.factor w/ 7 levels "D"<"E"<"F"<"G"<..: 2 2 2 6 7 7 6 5 2 5 ...
##  $ clarity: Ord.factor w/ 8 levels "I1"<"SI2"<"SI1"<..: 2 3 5 4 2 6 7 3 4 5 ...
##  $ depth  : num  61.5 59.8 56.9 62.4 63.3 62.8 62.3 61.9 65.1 59.4 ...
##  $ table  : num  55 61 65 58 58 57 57 55 61 61 ...
##  $ price  : int  326 326 327 334 335 336 336 337 337 338 ...
##  $ x      : num  3.95 3.89 4.05 4.2 4.34 3.94 3.95 4.07 3.87 4 ...
##  $ y      : num  3.98 3.84 4.07 4.23 4.35 3.96 3.98 4.11 3.78 4.05 ...
##  $ z      : num  2.43 2.31 2.31 2.63 2.75 2.48 2.47 2.53 2.49 2.39 ...

可以看到这是数据框（data.frame）类型，有10个变量（列），每个变量有53940个测量值（行）。第一列为钻石的克拉数（carat），为数字型数据；第二列为钻石的切工好坏（cut），为因子类型数据，有5个水平；第三列为钻石颜色（color），为7水平的因子；后面还有其他数据。由于数据太多，我们只取前7列的100个随机观测值。数据基本就是我们平时记录原始数据的样式：

set.seed(1000) # 设置随机种子，使随机取样具有可重复性
datax<- diamonds[sample(53940, 100), seq(1,7)]
head(datax, 4)

##       carat   cut color clarity depth table price
## 17686  1.23 Ideal     H     VS2  62.2    55  7130
## 40932  0.30 Ideal     E     SI1  61.7    58   499
## 6146   0.90  Good     H     VS2  61.9    58  3989
## 37258  0.31 Ideal     G    VVS1  62.8    57   977

如果要做钻石克拉和价格关系的曲线图，用plot和qplot函数都差不多：

plot(x=datax$carat, y=datax$price, xlab="Carat", ylab="Price", main="plot function")
qplot(x=carat, y=price, data=datax, xlab="Carat", ylab="Price", main="qplot function")

但如果要按切工进行分类作图，plot函数的处理就复杂了，你首先得将数据进行分类提取，然后再一个个作图。虽然可以用循环完成，但作图后图标的添加还得非常小心，你得自己保证数据和图形外观之间的对应关系：

plot(x=datax$carat, y=datax$price, xlab="Carat", ylab="Price", main="plot function", type='n')
cut.levels <- levels(datax$cut)
cut.n <- length(cut.levels)
for(i in seq(1,cut.n)){
  subdatax <- datax[datax$cut==cut.levels[i], ]
  points(x=subdatax$carat, y=subdatax$price, col=i, pch=i)
}
legend("topleft", legend=cut.levels, col=seq(1,cut.n), pch=seq(1,cut.n), box.col="transparent", cex=0.8)

但用ggplot2作图你需要考虑数据分类和图形元素方面的问题就很少，你只要告诉它用做分类的数据就可以了：

qplot(x=carat, y=price, data=datax, color=cut, shape=cut, main="qplot function")

如果不喜欢它默认的图形背景，要改变也相当简单，ggplot2预置了几个模板，这些内容我们在后面再详细说：

theme_set(theme_bw())
qplot(x=carat, y=price, data=datax, color=cut, shape=cut, main="qplot function")

数据框可以存储不同的数据，而这些数据是有类型差别的。ggplot2作图对各类数据的要求也非常严格，用于分类的数据必需是因子类型，否则就出错，例如下面的语句就会出错：

qplot(x=carat, y=price, data=datax, shape=depth)

## Error: A continuous variable can not be mapped to shape

3 qplot做曲线图

和plot函数一样，qplot也可以通过设置合适的参数产生曲线图，这个参数就是geom（几何类型）。图形的组合非常直接，组合表示几何类型的向量即可：

qplot(x=carat, y=price, data=datax, color=cut, geom="line", main="geom=\"line\"")
qplot(x=carat, y=price, data=datax, color=cut, geom=c("line", "point"), main="geom=c(\"line\", \"point\")")

4 qplot做统计图

qplot是名副其实的qplot（quick plot）函数，通过改变几何类型geom参数的值你可以获得各种图形。geom参数可以设置的值和意义是：

• point：散点图
• line：曲线图
• smooth：平滑曲线
• jitter：另一种散点图
• boxplot：箱线图
• histogram：直方图
• density：密度分布图
• bar：柱状图

前两种我们看过了，bar类型下面另讲，jitter以后有机会再说，看看其他4种类型：

qplot(carat, price, data = diamonds, color=cut, geom = "smooth", main = "smooth")
qplot(cut, price, data = diamonds, fill=cut, geom = "boxplot", main = "boxplot")
qplot(price, data = diamonds, fill=cut, geom = "histogram", main = "histogram")
qplot(price, data = diamonds, color=cut, geom = "density", main = "density")

能做什么样的图形取决于数据，这点我们都很清楚，所以不同类型的图使用的数据有所不同，参数也有变化。前面我们说ggplot2可以整合不同类型的图形到一个图中，但很重要的一个前提是要组合的这些形状要能共享一组数据和参数。道理很简单，如果某人绞尽脑汁把散点图和密度分布图融合在一个图中展示，不出一周他就要住进精神病院。

qplot(price, data = diamonds, color=cut, geom = c("point", "density"))

## Error: geom_point requires the following missing aesthetics: y

5 qplot做柱形图

做柱形图很少直接用原始数据，一般都要通过计算变换如求平均值后再做。这其实是一个统计过程，所以多数柱形图应该也是统计类型的图。ggplot2对柱形图的处理体现了这一思想：柱形图是一种特殊的直方图。所以ggplot2可以直接用原始数据做出柱形图，这是它的优点之一。下面按钻石切工对价格求平均值后做柱形图：

qplot(x=cut, y=price, data = diamonds, fill=cut, geom = "histogram",
      stat="summary", fun.y="mean")

stat参数表示统计的类型，而fun.y则表示应用于统计的函数。把geom参数值换成bar得到相同的图形：

qplot(x=cut, y=price, data = diamonds, fill=cut, geom = "bar",
      stat="summary", fun.y="mean")

如果不嫌麻烦，可以先计算出平均值再柱形图也没什么问题。引物bar图形的本质是统计图形，所以得设置stat参数为identity，即不做统计：

(mean.price <- with(diamonds, aggregate(price~cut, FUN=mean)))

##         cut price
## 1      Fair  4359
## 2      Good  3929
## 3 Very Good  3982
## 4   Premium  4584
## 5     Ideal  3458

qplot(x=cut, y=price, data=mean.price, fill=cut, geom="bar", stat="identity")

通过学习上面的简单例子可能会有点收获：了解了ggplot2的qplot函数能用什么样的数据做什么图，知道一点关于ggplot2几何类型和统计类型的概念，如何从传统的R语言作图中转过脑筋来。但也仅此而已。ggplot2作图是基于图层的，从上面qplot函数的使用例子中显然看不出来，除此外还有很多深层次的概念、理论和函数。

6 SessionInfo

sessionInfo()

## R version 3.1.0 (2014-04-10)
## Platform: x86_64-pc-linux-gnu (64-bit)
## 
## locale:
##  [1] LC_CTYPE=zh_CN.UTF-8       LC_NUMERIC=C              
##  [3] LC_TIME=zh_CN.UTF-8        LC_COLLATE=zh_CN.UTF-8    
##  [5] LC_MONETARY=zh_CN.UTF-8    LC_MESSAGES=zh_CN.UTF-8   
##  [7] LC_PAPER=zh_CN.UTF-8       LC_NAME=C                 
##  [9] LC_ADDRESS=C               LC_TELEPHONE=C            
## [11] LC_MEASUREMENT=zh_CN.UTF-8 LC_IDENTIFICATION=C       
## 
## attached base packages:
## [1] tcltk     stats     graphics  grDevices utils     datasets  methods  
## [8] base     
## 
## other attached packages:
## [1] mgcv_1.7-29     nlme_3.1-117    ggplot2_0.9.3.1 zblog_0.1.0    
## [5] knitr_1.5      
## 
## loaded via a namespace (and not attached):
##  [1] colorspace_1.2-4 digest_0.6.4     evaluate_0.5.3   formatR_0.10    
##  [5] grid_3.1.0       gtable_0.1.2     highr_0.3        labeling_0.2    
##  [9] lattice_0.20-29  MASS_7.3-31      Matrix_1.1-3     munsell_0.4.2   
## [13] plyr_1.8.1       proto_0.3-10     Rcpp_0.11.1      reshape2_1.2.2  
## [17] scales_0.2.4     stringr_0.6.2    tools_3.1.0