07. R <- ggplot2语法概述及基本图片操作

ggplot2包基于一种全面的图形“语法”，提供了一种全新的图形创建方法。

ggplot2包实现了一个在R中基于全面一致的语法创建图形时的系统。这提供了在R中画图时经常缺乏的图形创造的一致性并允许我们创建具有创新性和新颖性的图表类型。

一、ggplot2语法介绍

在ggplot2中，图是采用（+号）串联起来并创建的。每个函数修改属于自己的部分。

例：

1
2
3
ggplot(data=mtcars, aes(x=wt, y=mpg)) + 
	geom_point() + 
	labs(title="Automobile Data", x="Weight", y="Miles Per Gallon")
image-20200809183055924

在这个例子当中：

  • ggplot()初始化图形并且指顶要用到的数据来源（mtcars）和变量（wt、mpg）
  • aes()函数的功能是指定每个变量扮演的角色（aes代表aesthetics，即如何用视觉形式呈现信息）。在这里，变量wt的值映射到沿x轴的距离，变量mpg的值映射到沿y轴的距离
  • geom向图形中添加了几何对象
  • lab()函数是可选的，添加了注释（轴标签和标题）。

用几何函数指定图的类型

ggplot()函数设置图形但没有自己的视觉输出。使用一个或多个几何函数向图中添加了几何对象（简写为geom），包括点、线、条、箱线图和阴影区域:

函数 添加 选项（参数）
geom_bar() 条形图 color、fill、alpha
geom_boxplot() 箱线图 color、fill、alpha、notch、width
geom_density() 密度图 color、fill、alpha、linetype
geom_histogram() 直方图 color、fill、alpha、linetype、binwidth
geom_hline() 水平线 color、alpha、linetype、size
geom_jitter() 抖动点 color、size、alpha、shape
geom_line() 线图 colorvalpha、linetype、size
geom_point() 散点图 color、alpha、shape、size
geom_rug() 地毯图 color、side
geom_smooth() 拟合曲线 method、formula、color、fill、linetype、size
geom_text() 文字注解 很多
geom_violin() 小提琴图 color、fill、alpha、linetype
geom_vline() 垂线 color、alpha、linetype、size

常见参数：

选项（参数） 描述
color 对点、线和填充区域的边界进行着色
fill 对填充区域着色，如条形和密度区域
alpha 颜色的透明度，从0（完全透明）到1（不透明）。
linetype 图案的线条（1=实线，2=虚线，3=点，4=点破折号，5=长破折号，6=双破折号）
size 点的尺寸和线的宽度
shape 点的形状（和pch一样，0=开放的方形，1=开放的圆形，2=开放的三角形，等等）
position 绘制诸如条形图和点等对象的位置。
对条形图来说，"dodge"将分组条形图并排，"stacked"堆叠分组条形图，"fill"垂直地堆叠分组条形图并规范其高度相等。
对于点来说，"jitter"减少点重叠
binwidth 直方图的宽度
notch 表示方块图是否应为缺口（TRUE/FALSE）
sides 地毯图的安置（"b"=底部，"l"=左部，"t"=顶部，"r"=右部，"bl"=左下部，等等）
width 箱线图的宽度

例，以car包中的Salaries数据集作为示例数据集：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# 展示数据集Salaries
> library(car)
载入需要的程辑包：carData
> head(Salaries)
       rank discipline yrs.since.phd yrs.service  sex salary
1      Prof          B            19          18 Male 139750
2      Prof          B            20          16 Male 173200
3  AsstProf          B             4           3 Male  79750
4      Prof          B            45          39 Male 115000
5      Prof          B            40          41 Male 141500
6 AssocProf          B             6           6 Male  97000

# 绘图
> library(ggplot2) 
> ggplot(Salaries, aes(x=rank, y=salary)) + 
     geom_boxplot(fill="cornflowerblue", 
                  color="black", notch=TRUE) + 
     geom_point(position="jitter", color="blue", alpha=.5) + 
     geom_rug(side="l", color="black")

image-20200809184749532

数据分组

为了理解数据，在一个图中画出两个或更多组的观察值通常是很有帮助的。在R中，组通常用分类变量的水平（因子）来定义。

分组是通过ggplot2图将一个或多个带有诸如形状、颜色、填充、尺寸和线类型的视觉特征的分组变量来完成的。ggplot()声明中的aes()函数负责分配变量（图形的视觉特征）。

根据不同的图像类型，分组的方式不尽相同，分组的方式可能并不会非常明显地定义出来。

这部分仍然使用car包中的Salaries来进行演示。

例1，根据Salaries$Rank进行分组：

1
2
3
4
5
6
7
8
9
10
11
> library(car)
> head(Salaries)
       rank discipline yrs.since.phd yrs.service  sex salary
1      Prof          B            19          18 Male 139750
2      Prof          B            20          16 Male 173200
3  AsstProf          B             4           3 Male  79750
4      Prof          B            45          39 Male 115000
5      Prof          B            40          41 Male 141500
6 AssocProf          B             6           6 Male  97000
> ggplot(data=Salaries, aes(x=salary, fill=rank)) + 
	geom_density(alpha=.3)

image-20200809190706605

这其中的分组并不是非常明显地定义出来，而是以填充颜色的方式（fill=rank）进行表示的。即按照Salaries$rank的类型进行颜色填充，因为原数据集中rank有三种类型（AsstProf，AssoProf，Prof），因此需要填充三种颜色，从而ggplot自然地将数据分为了三组，因为要填充三种颜色。

例2，散点图：

1
2
3
4
5
6
7
8
9
10
11
> head(Salaries)
       rank discipline yrs.since.phd yrs.service  sex salary
1      Prof          B            19          18 Male 139750
2      Prof          B            20          16 Male 173200
3  AsstProf          B             4           3 Male  79750
4      Prof          B            45          39 Male 115000
5      Prof          B            40          41 Male 141500
6 AssocProf          B             6           6 Male  97000
> ggplot(Salaries, aes(x=yrs.since.phd, y=salary, 
                       color=rank, shape=sex)) + 
		geom_point()

image-20200809191119409

这个例子当中按照color和shape对原数据分了两次组：原数据集中rank有三种类型（AsstProf，AssoProf，Prof），sex有两种类型（Female, Male），因此自动划分了各组的color和shape。

例3，条形图：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
> head(Salaries)
       rank discipline yrs.since.phd yrs.service  sex salary
1      Prof          B            19          18 Male 139750
2      Prof          B            20          16 Male 173200
3  AsstProf          B             4           3 Male  79750
4      Prof          B            45          39 Male 115000
5      Prof          B            40          41 Male 141500
6 AssocProf          B             6           6 Male  97000
> ggplot(Salaries, aes(x=rank, fill=sex)) + 
	geom_bar(position="stack") + labs(title='position="stack"') 

> ggplot(Salaries, aes(x=rank, fill=sex)) + 
	geom_bar(position="dodge") + labs(title='position="dodge"') 

> ggplot(Salaries, aes(x=rank, fill=sex)) + 
	geom_bar(position="fill") + labs(title='position="fill"')

image-20200809191951950

直接用了课本上的图....

刻面

如果组在图中并排出现而不是重叠为单一的图形，关系就是清晰的。我们可以使用facet_wrap()函数和facet_grid()函数创建网格图形（在ggplot2中也称刻面图）。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
# 使用格式
facet_wrap(
  facets,
  nrow = NULL,
  ncol = NULL,
  scales = "fixed",
  shrink = TRUE,
  labeller = "label_value",
  as.table = TRUE,
  switch = NULL,
  drop = TRUE,
  dir = "h",
  strip.position = "top"
)

facet_grid(
  rows = NULL,
  cols = NULL,
  scales = "fixed",
  space = "fixed",
  shrink = TRUE,
  labeller = "label_value",
  as.table = TRUE,
  switch = NULL,
  drop = TRUE,
  margins = FALSE,
  facets = NULL
)
语法 结果
facet_wrap(~var, ncol=n) 将每个var水平排列成n列的独立图
facet_wrap(~var, nrow=n) 将每个var水平排列成n行的独立图
facet_grid(rowvar~colvar) rowvar和colvar组合的独立图，其中rowvar表示行，colvar表示列
facet_grid(rowvar~.) 每个rowvar水平的独立图，配置成一个单列
facet_grid(.~colvar) 每个colvar水平的独立图，配置成一个单行

这部分的演示使用lattice包中的singer数据集和car包中的Salaries来进行：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
> library(lattice)
> head(singer)
  height voice.part
1     64  Soprano 1
2     62  Soprano 1
3     66  Soprano 1
4     65  Soprano 1
5     60  Soprano 1
6     61  Soprano 1
> library(car)
> head(Salaries)
       rank discipline yrs.since.phd yrs.service  sex salary
1      Prof          B            19          18 Male 139750
2      Prof          B            20          16 Male 173200
3  AsstProf          B             4           3 Male  79750
4      Prof          B            45          39 Male 115000
5      Prof          B            40          41 Male 141500
6 AssocProf          B             6           6 Male  97000

例1，按照不同类型进行刻面：

1
2
3
4
5
> library(ggplot2) 
> ggplot(data=singer, aes(x=height)) + 
     geom_histogram() + 
     facet_wrap(~voice.part, nrow=4)
# `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

image-20200809192859742

得到的图展示了各声部歌手身高的分布。把八个分布分为并排的小图可以方便比较。

例2，刻面+分组：

1
2
3
> ggplot(Salaries, aes(x=yrs.since.phd, y=salary, color=rank, 
                      shape=rank)) + geom_point() + 
		facet_grid(.~sex)

image-20200809193252739

添加光滑曲线

ggplot2包包含了一系列计算统计的函数来加到图形中。这些包括分级数据和计算密度、轮廓和分位数功能等。

我们可以使用geom_smooth()函数来添加一系列的平滑曲线和和置信区域。相关参数如下：

选项（参数） 描述
method= 使用的平滑函数。允许的值包括lm、glm、smooth、rlm和gam，分别对应线性、广义线性、loess 健壮线性和广义相加模型。smooth是默认值
formula= 在光滑函数中使用的公式。例子包括y~x（默认），y~log(x), y~poly(x,n)表示n次多项式拟合y~ns(x,n)表示一个具有n个自由度的样条拟合
se 绘制置信区间（TRUE/FALSE）。默认为TRUE
level 使用的置信区间水平（默认为95%）
fullrange 指定拟合应涵盖全图（TRUE）或仅仅是数据（FALSE）。 默认为FALSE

这部分的演示使用car包中的Salaries来进行演示。

1
2
3
4
5
6
7
8
9
> library(car)
> head(Salaries)
       rank discipline yrs.since.phd yrs.service  sex salary
1      Prof          B            19          18 Male 139750
2      Prof          B            20          16 Male 173200
3  AsstProf          B             4           3 Male  79750
4      Prof          B            45          39 Male 115000
5      Prof          B            40          41 Male 141500
6 AssocProf          B             6           6 Male  97000

例1，使用带有95%置信区间的非参数光滑曲线（loess）。

1
2
3
4
> library(ggplot2) 
> ggplot(data=Salaries, aes(x=yrs.since.phd, y=salary)) + 
		geom_smooth() + 
		geom_point()

image-20200809194744777

例2，二次多项式回归：

1
2
3
4
5
> ggplot(data=Salaries, aes(x=yrs.since.phd, y=salary, 
                           linetype=sex, shape=sex, color=sex)) + 
		geom_smooth(method=lm, formula=y~poly(x,2), 
                    se=FALSE, size=1) + 
		geom_point(size=2)

image-20200809195048205

二、对于图片的操作

这部分主要涉及修改图片的外观

在R的base绘图函数当中，可以通过par()来修改外观，对于ggplot2并不通用。

标签

标签指的是对图像上一些地方进行标注，例如添加坐标轴的标题、添加图例的标题、添加图片的标题等等。

对于标签的添加需要使用到lab()函数，这个函数负责的工作是将目标添加上去，对目标格式的修改，如修改颜色、字体等需要使用到theme()函数。

Usage:

1
2
3
4
5
6
7
8
9
10
11
12
13
labs(
  ...,
  title = waiver(),
  subtitle = waiver(),
  caption = waiver(),
  tag = waiver()
)

xlab(label)

ylab(label)

ggtitle(label, subtitle = waiver())
参数 描述
title The text for the title.
subtitle The text for the subtitle for the plot which will be displayed below the title.
caption The text for the caption which will be displayed in the bottom-right of the plot by default.
x The title of x axis
y The title of y axis
tag The text for the tag label which will be displayed at the top-left of the plot by default.
label The title of the respective axis (for xlab() or ylab()) or of the plot (for ggtitle()).

例：为某个图片添加各种标题：

1
2
3
4
5
6
7
8
> ggplot(Salaries, aes(x=rank, y=salary, fill=sex))+
		geom_boxplot()+
		labs(title = "The Main title", 
             subtitle = "The Subtitle",
             caption = "The Caption",
             tag = "The tag",
             x="X axis",
             y="Y axis")

image-20200810155620813

刻度线及刻度线标签

ggplot2包会在创建图时自动创建刻度线、刻度标记标签和坐标轴标签。它们往往看起来不错，但是有时我们需要在更大程度上控制它们的外观。

控制坐标轴和刻度线外观的函数:

函数 选项（参数）
scale_x_continuous()和scale_y_continuous() breaks=指定刻度标记，labels=指定刻度标记标签，limits=控制要展示的值的范围
scale_x_discrete()和scale_y_discrete() breaks=对因子的水平进行放置和排序，labels=指定这些水平的标签，limits=表示哪些水平应该展示
coord_flip() 颠倒x轴和y轴

使用car包中的Salaries来进行演示:

1
2
3
4
5
6
7
8
9
> library(car)
> head(Salaries)
       rank discipline yrs.since.phd yrs.service  sex salary
1      Prof          B            19          18 Male 139750
2      Prof          B            20          16 Male 173200
3  AsstProf          B             4           3 Male  79750
4      Prof          B            45          39 Male 115000
5      Prof          B            40          41 Male 141500
6 AssocProf          B             6           6 Male  97000
1
2
3
4
5
6
7
8
9
10
> library(ggplot2) 
> ggplot(data=Salaries, aes(x=rank, y=salary, fill=sex)) + 
		geom_boxplot() + 
		scale_x_discrete(breaks=c("AsstProf", "AssocProf", "Prof"), 
                         labels=c("Assistant\nProfessor", 
                                  "Associate\nProfessor", 
                                  "Full\nProfessor")) + 
		scale_y_continuous(breaks=c(50000, 100000, 150000, 200000), 
                        labels=c("$50K", "$100K", "$150K", "$200K")) + 
		labs(title="Faculty Salary by Rank and Sex", x="", y="")

image-20200809195727203

图例

图例是指出如何用颜色、形状、尺寸等视觉特性表示数据特征的指南。ggplot2包能自动生成图例，而且在很多时候能够满足我们的需求；但是在其他时候，我们可能要对其进行自定义。图例的标题和位置是最常用的定制特征。

当更改图例的标题时，必须考虑图例是否基于颜色、填充、尺寸、形状或它们的组合。

  • 图例标题的位置由theme()函数中的legend.position选项控制。可能的值包括"left"、"top"、"right"（默认值）和"bottom"。
    • 如果想删除图例，可以使用legend.position="none"

这部分使用car包的Salaries数据集进行演示：

1
2
3
4
5
6
7
8
9
10
> library(car)
载入需要的程辑包：carData
> head(Salaries)
       rank discipline yrs.since.phd yrs.service  sex salary
1      Prof          B            19          18 Male 139750
2      Prof          B            20          16 Male 173200
3  AsstProf          B             4           3 Male  79750
4      Prof          B            45          39 Male 115000
5      Prof          B            40          41 Male 141500
6 AssocProf          B             6           6 Male  97000
1
2
3
4
5
6
7
8
9
10
11
12
> library(ggplot2)
> ggplot(data=Salaries, aes(x=rank, y=salary, fill=sex)) + 
		geom_boxplot() + 
		scale_x_discrete(breaks=c("AsstProf", "AssocProf", "Prof"),
                         labels=c("Assistant\nProfessor","Associate\nProfessor", 
                                  "Full\nProfessor")) + 
		scale_y_continuous(breaks=c(50000, 100000, 150000, 200000), 
                           labels=c("$50K", "$100K", "$150K", "$200K")) + 
		labs(title="Faculty Salary by Rank and Gender", 
             x="", y="", fill="Gender") + 
		# 图例的左上角是距离左侧边缘10%和底部边缘80%的部分
		theme(legend.position=c(.1,.8))

image-20200809213743609

标尺

1. 标尺添加

ggplot2包使用标尺把数据空间的观察值映射到可视化的空间中。标尺既可以应用到连续的变量，也可以应用到离散的变量

例1，使用内置的mtcars数据集进行演示：

1
2
3
4
5
6
7
8
> head(mtcars)
                   mpg cyl disp  hp drat    wt  qsec vs am gear carb
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1
1
2
3
4
> ggplot(mtcars, aes(x=wt, y=mpg, size=disp)) + 
		geom_point(shape=21, color="black", fill="cornsilk") + 
		labs(x="Weight", y="Miles Per Gallon", 
             title="Bubble Chart", size="Engine\nDisplacement")

image-20200809214120500

  • aes()函数的参数size=disp生成连续型变量disp（发动机排量）的标尺，并使用它来控制点的尺寸

2. 将标尺与更多因素关联

例2，使用标尺将带有因子水平的视觉线索（如颜色、形状、线条类型、尺寸和透明度）关联起来，使用car包的Salaries数据集进行演示：

1
2
3
4
5
6
7
8
9
10
> library(car)
载入需要的程辑包：carData
> head(Salaries)
       rank discipline yrs.since.phd yrs.service  sex salary
1      Prof          B            19          18 Male 139750
2      Prof          B            20          16 Male 173200
3  AsstProf          B             4           3 Male  79750
4      Prof          B            45          39 Male 115000
5      Prof          B            40          41 Male 141500
6 AssocProf          B             6           6 Male  97000
1
2
3
> ggplot(data=Salaries, aes(x=yrs.since.phd, y=salary, color=rank)) + 
		scale_color_manual(values=c("orange", "olivedrab", "navy")) + 
		geom_point(size=2)

image-20200809214351844

有一些预设好的颜色集，通用与各种场合：

可以通过scale_color_brewer()和scale_fill_brewer()函数来预先指定分得清的颜色集。

1
2
> ggplot(data=Salaries, aes(x=yrs.since.phd, y=salary, color=rank)) + 
		scale_color_brewer(palette="Set1") + geom_point(size=2)

其它的颜色集可以通过RColorBrewer包进行可视化选择：

1
2
> library(RColorBrewer) 
> display.brewer.all()

image-20200809214910619

关于颜色相关的函数使用方法如下，通过指定palette来选取预设颜色集：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
scale_colour_brewer(
  ...,
  type = "seq",
  palette = 1,
  direction = 1,
  aesthetics = "colour"
)

scale_fill_brewer(
  ...,
  type = "seq",
  palette = 1,
  direction = 1,
  aesthetics = "fill"
)

scale_colour_distiller(
  ...,
  type = "seq",
  palette = 1,
  direction = -1,
  values = NULL,
  space = "Lab",
  na.value = "grey50",
  guide = "colourbar",
  aesthetics = "colour"
)

scale_fill_distiller(
  ...,
  type = "seq",
  palette = 1,
  direction = -1,
  values = NULL,
  space = "Lab",
  na.value = "grey50",
  guide = "colourbar",
  aesthetics = "fill"
)

scale_colour_fermenter(
  ...,
  type = "seq",
  palette = 1,
  direction = -1,
  na.value = "grey50",
  guide = "coloursteps",
  aesthetics = "colour"
)

scale_fill_fermenter(
  ...,
  type = "seq",
  palette = 1,
  direction = -1,
  na.value = "grey50",
  guide = "coloursteps",
  aesthetics = "fill"
)

theme()

theme()函数中的选项可以让我们调整字体、背景、颜色和网格线等。主题可以使用一次，也可以保存起来应用到多个图中。

theme()函数并不负责将某些元素添加到图像当中，例如它并不为图像添加标题。theme()函数制定了某些元素，例如坐标轴标题，字体，背景等元素该如何添加到图像当中去，即规定这些元素的格式（属性）。

1. 相关参数

theme()函数的相关参数：

参数 设置内容 继承自
line 所有线属性
rect 所有矩形区域属性
text 所有文本相关属性
title 所有标题属性
axis.title 坐标轴标题 text
axis.title.x x轴属性 axis.title
axis.title.y y轴属性 axis.title
axis.text 坐标轴刻度标签属性 text
axis.text.x 属性和继承和前面类似，不再重复
axis.text.y
axis.ticks 坐标轴刻度线 line
axis.ticks.x
axis.ticks.y
axis.ticks.length 刻度线长度
axis.ticks.margin 刻度线和刻度标签之间的间距
axis.line 坐标轴线 line
axis.line.x
axis.line.y
legend.background 图例背景 rect
legend.margin 图例边界
legend.key 图例符号
legend.key.size 图例符号大小
legend.key.height 图例符号高度
legend.key.width 图例符号宽度
legend.text 图例文字标签
legend.text.align 图例文字标签对齐方式 0为左齐，1为右齐
legend.title 图例标题 text
legend.title.align 图例标题对齐方式
legend.position 图例位置 left, right, bottom, top, 两数字向量
legend.direction 图例排列方向 “horizontal” or “vertical”
legend.justification 居中方式 center或两数字向量
legend.box 多图例的排列方式 “horizontal” or “vertical”
legend.box.just 多图例居中方式
panel.background 绘图区背景 rect
panel.border 绘图区边框 rect
panel.margin 分面绘图区之间的边距
panel.grid 绘图区网格线 line
panel.grid.major 主网格线
panel.grid.minor 次网格线
panel.grid.major.x
panel.grid.major.y
panel.grid.minor.x
panel.grid.minor.y
plot.background 整个图形的背景
plot.title 图形标题
plot.margin 图形边距 top, right, bottom, left
strip.background 分面标签背景 rect
strip.text 分面标签文本 text
strip.text.x
strip.text.y

2. 相关函数

margin()

Usage:

1
margin(t = 0, r = 0, b = 0, l = 0, unit = "pt")

element_

与theme()函数相关的函数有：element_line，element_rect，element_text和element_blank

对各个函数的说明：

In conjunction with the theme system, the element_ functions specify the display of how non-data components of the plot are drawn.

  1. element_blank: draws nothing, and assigns no space.
  2. element_rect: borders and backgrounds.
  3. element_line: lines.
  4. element_text: text.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
margin(t = 0, r = 0, b = 0, l = 0, unit = "pt")

element_blank()

element_rect(
  fill = NULL,
  colour = NULL,
  size = NULL,
  linetype = NULL,
  color = NULL,
  inherit.blank = FALSE
)

element_line(
  colour = NULL,
  size = NULL,
  linetype = NULL,
  lineend = NULL,
  color = NULL,
  arrow = NULL,
  inherit.blank = FALSE
)

element_text(
  family = NULL,
  face = NULL,
  colour = NULL,
  size = NULL,
  hjust = NULL,
  vjust = NULL,
  angle = NULL,
  lineheight = NULL,
  color = NULL,
  margin = NULL,
  debug = NULL,
  inherit.blank = FALSE
)

rel(x)

相关参数：

参数 描述
t, r, b, l Dimensions of each margin. (To remember order, think trouble).
unit Default units of dimensions. Defaults to “pt” so it can be most easily scaled with the text.
fill Fill colour.
colour, color Line/border colour. Color is an alias for colour.
linetype Line type. An integer (0:8), a name (blank, solid, dashed, dotted, dotdash, longdash, twodash), or a string with an even number (up to eight) of hexadecimal digits which give the lengths in consecutive positions in the string.
inherit.blank Should this element inherit the existence of an element_blank among its parents? If TRUE the existence of a blank element among its parents will cause this element to be blank as well. If FALSE any blank parent element will be ignored when calculating final element state.
lineend Line end Line end style (round, butt, square)
arrow Arrow specification, as created by grid::arrow()
family Font family
face Font face (“plain”, “italic”, “bold”, “bold.italic”)
hjust Horizontal justification (in [0, 1])
vjust Vertical justification (in [0, 1])
angle Angle (in [0, 360])
margin Margins around the text. See margin() for more details. When creating a theme, the margins should be placed on the side of the text facing towards the center of the plot.
debug If TRUE, aids visual debugging by drawing a solid rectangle behind the complete text area, and a point where each label is anchored.
x A single number specifying size relative to parent element.

grid::arrow()

Produces a description of what arrows to add to a line. The result can be passed to a function that draws a line, e.g., grid.lines.

Usage:

1
2
arrow(angle = 30, length = unit(0.25, "inches"),
      ends = "last", type = "open")
参数 描述
angle The angle of the arrow head in degrees (smaller numbers produce narrower, pointier arrows). Essentially describes the width of the arrow head.
length A unit specifying the length of the arrow head (from tip to base).
ends One of “last”, “first”, or “both”, indicating which ends of the line to draw arrow heads.
type One of “open” or “closed” indicating whether the arrow head should be a closed triangle.

3. 演示实例

具体的函数使用方法如下，基本上来说就是ggplot(...) + theme(...)的方式：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
plot <- ggplot(mpg, aes(displ, hwy)) + geom_point()

plot + theme(
  panel.background = element_blank(),
  axis.text = element_blank()
)

plot + theme(
  axis.text = element_text(colour = "red", size = rel(1.5))
)

plot + theme(
  axis.line = element_line(arrow = arrow())
)

plot + theme(
  panel.background = element_rect(fill = "white"),
  plot.margin = margin(2, 2, 2, 2, "cm"),
  plot.background = element_rect(
    fill = "grey90",
    colour = "black",
    size = 1
  )
)

这部分的演示使用car包的Salaries数据集来进行：

1
2
3
4
5
6
7
8
9
10
> library(car)
载入需要的程辑包：carData
> head(Salaries)
       rank discipline yrs.since.phd yrs.service  sex salary
1      Prof          B            19          18 Male 139750
2      Prof          B            20          16 Male 173200
3  AsstProf          B             4           3 Male  79750
4      Prof          B            45          39 Male 115000
5      Prof          B            40          41 Male 141500
6 AssocProf          B             6           6 Male  97000
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
> library(ggplot2) 
> mytheme <- theme(plot.title=element_text(face="bold.italic", 
                                          size="14", color="brown"), 
                  axis.title=element_text(face="bold.italic", 
                                          size=10, color="brown"), 
                  axis.text=element_text(face="bold", size=9, 
                                         color="darkblue"), 
                  panel.background=element_rect(fill="white", 
                                                color="darkblue"), 
                  panel.grid.major.y=element_line(color="grey", 
                                                  linetype=1), 
                  panel.grid.minor.y=element_line(color="grey", 
                                                  linetype=2), 
                  panel.grid.minor.x=element_blank(), 
                  legend.position="top") 
> ggplot(Salaries, aes(x=rank, y=salary, fill=sex)) + 
		geom_boxplot() + 
		labs(title="Salary by Rank and Sex", x="Rank", y="Salary") + 
		mytheme

image-20200810152825990

图像的组合：多重图

我们使用图形参数mfrow和基本函数layout()把两个或更多的基本图放到单个图形中。同样，这种方法在ggplot2包中不适用。将多个ggplot2包的图形放到单个图形中最简单的方式是使用gridExtra包中的grid.arrange()函数。

Usage：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
arrangeGrob(..., grobs = list(...), 
            layout_matrix, vp = NULL,
            name = "arrange", as.table = TRUE, 
            respect = FALSE, clip = "off",
            nrow = NULL, ncol = NULL, widths = NULL, 
            heights = NULL, top = NULL,
            bottom = NULL, left = NULL, 
            right = NULL, padding = unit(0.5, "line"))

grid.arrange(..., newpage = TRUE)

marrangeGrob(grobs, ..., ncol, nrow, 
             layout_matrix = matrix(seq_len(nrow * ncol), 
             nrow = nrow, ncol = ncol), 
             top = quote(paste("page", g, "of", npages)))

这部分的演示使用car包中的Salaries数据集：

1
2
3
4
5
6
7
8
9
> library(car)
> head(Salaries)
       rank discipline yrs.since.phd yrs.service  sex salary
1      Prof          B            19          18 Male 139750
2      Prof          B            20          16 Male 173200
3  AsstProf          B             4           3 Male  79750
4      Prof          B            45          39 Male 115000
5      Prof          B            40          41 Male 141500
6 AssocProf          B             6           6 Male  97000
1
2
3
4
5
6
7
8
9
# 绘制三幅图像，并保存
> library(ggplot2) 
> p1 <- ggplot(data=Salaries, aes(x=rank)) + geom_bar() 
> p2 <- ggplot(data=Salaries, aes(x=sex)) + geom_bar() 
> p3 <- ggplot(data=Salaries, aes(x=yrs.since.phd, y=salary)) + geom_point() 

# 将三幅图像合并
> library(gridExtra) 
> grid.arrange(p1, p2, p3, ncol=3)

image-20200810162036196

保存图像

可以使用R内置的保存方式对图像就进行保存，对于ggplot2创建的图形，可以使用ggsave实现更好地保存。

Usage：

1
2
3
4
5
6
7
8
9
10
11
12
13
ggsave(
  filename,
  plot = last_plot(),
  device = NULL,
  path = NULL,
  scale = 1,
  width = NA,
  height = NA,
  units = c("in", "cm", "mm"),
  dpi = 300,
  limitsize = TRUE,
  ...
)
参数 描述
filename File name to create on disk.
plot Plot to save, defaults to last plot displayed.
device Device to use. Can either be a device function (e.g. png()), or one of “eps”, “ps”, “tex” (pictex), “pdf”, “jpeg”, “tiff”, “png”, “bmp”, “svg” or “wmf” (windows only).
path Path of the directory to save plot to: path and filename are combined to create the fully qualified file name. Defaults to the working directory.
scale Multiplicative scaling factor.
width, height, units Plot size in units (“in”, “cm”, or “mm”). If not supplied, uses the size of current graphics device.
dpi Plot resolution. Also accepts a string input: “retina” (320), “print” (300), or “screen” (72). Applies only to raster output types.
limitsize When TRUE (the default), ggsave will not save images larger than 50x50 inches, to prevent the common error of specifying dimensions in pixels.

例：

1
2
myplot <- ggplot(data=mtcars, aes(x=mpg)) + geom_histogram() 
ggsave(file="mygraph.png", plot=myplot, width=5, height=4)

在当前路径下将myplot保存为名为mygraph.png的5英寸×4英寸（12.7厘米×10.2厘米）PNG格式的图片。我们可以通过设定文件扩展名为ps、tex、jpeg、pdf、tiff、png、bmp、svg或wmf来保存为不同的格式。wmf文件仅限在装有Windows系统的计算机中保存。

如果忽略plot=选项，最近创建的图形会被保存。如：

1
2
ggplot(data=mtcars, aes(x=mpg)) + geom_histogram() 
ggsave(file="mygraph.pdf")

其他示例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
## Not run: 
ggplot(mtcars, aes(mpg, wt)) + geom_point()

ggsave("mtcars.pdf")
ggsave("mtcars.png")

ggsave("mtcars.pdf", width = 4, height = 4)
ggsave("mtcars.pdf", width = 20, height = 20, units = "cm")

# delete files with base::unlink()
unlink("mtcars.pdf")
unlink("mtcars.png")

# specify device when saving to a file with unknown extension
# (for example a server supplied temporary file)
file <- tempfile()
ggsave(file, device = "pdf")
unlink(file)

# save plot to file without using ggsave
p <- ggplot(mtcars, aes(mpg, wt)) + geom_point()
png("mtcars.png")
print(p)
dev.off()


## End(Not run)
软件使用总结 > R
#速查 #R #Statistics
07. R <- ggplot2语法概述及基本图片操作
https://zhenyumi.github.io/posts/b93b47fd/
作者
向海
发布于
2020年8月9日
更新于
2020年8月10日
许可协议