R：ggplot2（7），第4章 用圖形建構圖像（3）

《ggplot2：資料分析與圖形藝術》

第4章 用圖形建構圖像

4.6 幾何對象

幾何圖形對象，簡稱為geom，它執行着圖層的實際渲染，控制着生成的圖像類型。表4.2列出了ggplot2裡面所有可用的幾何對象。

• 表4.2 ggplot2中的幾何對象

名稱	描述
abline	線，由斜率和截距決定
area	面積圖（area plot）
bar	條形圖，以x軸為底的矩形
bin2d	2維熱圖
blank	空白，什麼也不畫
boxplot	箱線圖
contour	等高線圖
crossbar	帶有水準中心線的盒子圖
density	光滑密度曲線圖
density2d	二維密度等高線圖
dotplot	“點直方圖”，用點來表示觀測值的個數
errorbar	誤差棒
errorbarh	水準的誤差棒
freqploy	頻率多邊形圖
hex	用六邊形表示的2維熱圖
histogram	直方圖
hline	水準線
jitter	給點添加擾動，減輕圖形重疊問題
line	線圖，按照x坐标點大小順序依次連接配接各個觀測值
linerange	一條代表一個區間的豎直線
map	基準地圖裡的多邊形
path	按資料的原始順序連接配接各個觀測值
point	點，用來繪制散點圖
pointrange	用一條中間帶點的豎直線代表一個區間
ploygon	多邊形，相當于一個有填充的路徑
quantile	添加分位數回歸線
raster	高效的矩形瓦片圖
rect	2維的矩形圖
ribbon	色帶圖，連接配接的x值所對應的y的範圍
rug	邊際地毯圖
segment	添加線段或箭頭
smooth	添加光滑的條件均值線
step	以階梯形式連接配接各個觀測值
text	文本注釋
tile	瓦片圖
violin	小提琴圖
vline	豎直線

每個幾何對象都有一組它能識别的圖形屬性和一組繪圖所需的值。例如，一個點含有顔色、大小和形狀等圖形屬性，以及x和y位置坐标。一個條形含有高度、條寬、邊界顔色和填充顔色等圖形屬性值。表4.3列出了所有幾何對象的圖形屬性值。

• 表4.3預設的統計變換和圖形屬性。黑體圖形屬性是必須聲明的參數。

名稱	預設的統計變換	圖形屬性
abline	abline	colour, linetype, size
area	identity	colour, fill, linetype, size, x, y
bar	bin	colour, fill, linetype, size, weight, x
bin2d	bin2d	colour, fill, linetype, size, weight, xmax, xmin, ymax, ymin
blank	identity
boxplot	boxplot	colour, fill, lower, middle, size, upper, weight, x, ymax, ymin
contour	contour	colour, linetype, size, weight, x, y
crossbar	identity	colour, fill, linetype, size, x, y, ymax, ymin
density	density	colour, fill, linetype, size, weight, x, y
density2d	density2d	colour, linetype, size, weight, x, y
dotplot	dotplot	colour, fill, x, y
errorbar	identity	colour, linetype, size, width, x, ymax, ymin
errorbarh	identity	colour, linetype, size, width, y, ymax, ymin
freqploy	bin	colour, linetype, size
hex	binhex	colour, fill, size, x, y
histogram	bin	colour, fill, linetype, size, weight, x
hline	hline	colour, linetype, size
jitter	identity	colour, fill, shape, size, x, y
line	identity	colour, linetype, size, x, y
linerange	identity	colour, linetype, size, x, ymax, ymin
map	identity	colour, fill, linetype, size, x, y, map_id
path	identity	colour, linetype, size, x, y
point	identity	colour, fill, shape, size, x, y
pointrange	identity	colour, fill, linetype, shape, size, x, y, ymax, ymin
polygon	identity	colour, fill, linetype, size, x, y
quantile	quantile	colour, linetype, size, weight, x, y
raster	identity	colour, fill, linetype, size, x, y
rect	identity	colour, fill, linetype, size, xmax, xmin, ymax, ymin
ribbon	identity	colour, fill, linetype, size, x, ymax, ymin
rug	identity	colour, linetype, size
segment	identity	colour, linetype, size, x, xend, y, yend
smooth	smooth	alpha, colour, fill, linetype, size, weight, x, y
step	identity	colour, linetype, size, x, y
text	identity	angle, colour, hjust, label, size, vjust, x, y
tile	identity	colour, fill, linetype, size, x, y
violin	ydensity	weight, colour, fill, size, linetype, x, y
vline	vline	colour, linetype, size

有些幾何對象主要在它們參數化的方式上有所不同。例如，瓦塊幾何對象（tile geom）設定的是其中心位置、長和寬，而矩形幾何對象（rect geom） 設定的是它的上（ymax）、下（ymin）、左（xmin）和右（right）位置。實際上，矩形幾何對象被看作一個多邊形，它的參數是四個角的位置。這在非笛卡爾坐标系中是非常有用的，在第7章我們會詳細介紹。

每一個幾何對象都有一個預設的統計變換，并且每一個統計變換都有一個預設的幾何對象。例如封箱（bin）統計變換預設使用條狀幾何對象（bar geom）來繪制直方圖。這些預設值可參見表4.3。修改這些預設值雖然能生成符合文法的繪圖，但是它們可能會違反一些繪圖慣例。見4.9.1節中的例子。

4.7 統計變換

統計變換，簡稱為stat，即對資料進行統計變換，它通常以某種方式對資料資訊進行彙總。例如，平滑（smoother）是一個很有用的統計變換，它能在一些限制條件的限制下計算給定x值時y的平均值。表4.4列出來目前可用的統計變換。為了闡明在圖形中的意義，一個統計變換必須時一個位置尺度不變量，即f(x+a)=f(x)+a并且f(b·x)=b·f(x)。這樣才能保證當改變圖形的标度時，資料變換保持不變。

用法是stat_bin()，stat_bin2() … …

• 表4.4 ggplot2中的統計變換

名稱	描述
bin	計算封箱(bin)資料
bin2d	計算矩陣封箱内的觀測值個數
bindot	計算“點直方圖”的封箱資料
binhex	計算六邊形熱圖的封箱資料
boxplot	計算組成箱線圖的各種元素值
contour	三維資料的等高線
density	一維密度估計
density2d	二維密度估計
function	添加新函數
identity	不對資料進行統計變換
qq	計算qq圖的相關值
quantile	計算連續的分位數
smooth	添加光滑曲線
spoke	将角度和半徑轉換成xend和yend
sum	計算每個單一值的頻數，有助于解決散點圖的圖形重疊問題
summary	對每個x所對應的y值做統計描述
summary2d	對2維矩陣封箱設定函數
summaryhex	對2維六邊形封箱設定函數
unique	删除重複值
ydensity	小提琴圖，計算1維y軸方向的核密度函數估計值

統計變換可以将輸入的資料集看作輸入，将傳回的資料集作為輸出，是以統計變換可以向原資料集中插入新的變量。例如，常被用來繪制直方圖的stat_bin統計變換會生成如下變量：

count，每個組裡觀測值的數目；

density，每個組裡觀測值的密度（占整體的百分數/組寬）；

x，組的中心位置。

這些生成變量可以被直接調用。例如，直方圖預設将條形的高度指派為觀測值的頻數（count），如果你更喜歡傳統的直方圖，可以用密度（density）來代替。例如：

> ggplot(diamonds, aes(carat))+geom_histogram(aes(y=..density..), binwidth=0.1)

#這時縱坐标的名稱為density

> ggplot(diamonds, aes(carat))+geom_histogram(aes(y=..count..), binwidth=0.1)

#這時縱坐标的名稱為count

生成的變量的名字必須要用“…”圍起來。可以防止原資料集中的變量和生成變量重名時造成混淆。

> qplot(carat, ..density.., data=diamonds, geom="histogram", binwidth=0.1)+ylab("density")

#用qplot函數，需要加一個ylab，否則生成的圖形的y軸，名稱為“…density…”。

4.8 位置調整

所謂位置調整，即對該層中的元素位置進行微調，簡稱為position。ggplot2中可用的位置調整參數：

• 表4.5五種位置調整參數

名稱	描述
dodge	避免重疊，并排放置
fill	堆疊圖形元素并将高度标準化為1
identity	不做任何調整
jitter	給點添加擾動避免重合
stack	将圖形元素堆疊起來

位置調整一般多見于處理離散型資料，連續型資料一般很少出現完全重疊的問題，當出現了這類問題時（由于資料密度高），即使微調，如随機擾動，通常也無法解決問題。

條形圖比較适合不同類型的位置調整，例如堆疊（stacking）、填充（filling）、并列（dodging）這三種類型。

堆疊式條形圖

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

這裡繪制的條形圖，屬于堆疊式條形圖（也是預設繪制圖形的結果），這裡x軸的表示clarity資料，而y軸表示計算x軸資料得到計算數量，是以用count表示。fill=cut，用cut進行圖形填充并分組，堆積的效果是不同x軸數值其對應的不同cut分組，每個x軸數值都對應着幾種cut的分組，對x軸的每一個值的同一類型cut的分組分别計數，之後将計算不同分組(不同顔色的條形長度)依次向上堆積。因為clarity(用于做x軸的分組)和cut(用于做資料填充顔色的分組)資料均屬于離散型變量，是以沒有出現圖形顔色遮擋的效果。

而如果指定y軸的值，則需要進行位置調整，否則繪圖失敗，例如：

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

錯誤: stat_count() must not be used with a y aesthetic.

這裡設定x軸的值為x=clarity，設定y軸的值為y=table。但會運作報錯，表示隻運用一個y軸的值顯示。

普通加y軸條形圖

是以在指定y軸的值後，必須加入位置調整參數，例如：

> ggplot(diamonds, aes(x=clarity, y=table, fill=cut))+geom_bar(position="identity", stat="identity")

#位置調整設定為不做任何調整(position=“identity”)，統計變換stat也不做任何調整(stat=“identity”)，

這樣y軸的值就顯示出來了，對應y軸顯示的數值，下面有執行個體解釋。

> test <- data.frame(type=c('A','B','C','A','A','B','B','C','C'), number=c(1,3,3,2,3,2,1,1,3), color=c('r','r','b','r','y','b','r','y','b'))

> test

·type number color

1 A 1 r

2 B 3 r

3 C 3 b

4 A 2 r

5 A 3 y

6 B 2 b

7 B 1 r

8 C 1 y

9 C 3 b

> ggplot(test, aes(type, number, fill=color))+geom_bar(position="identity", stat="identity")

#

根據上圖中值出現的位置

> subset(test, type=="A")

·type number color

1 A 1 r

4 A 2 r

5 A 3 y

#type為A時，A的r出現了1，2兩個數值，但被A的y出現的3這個值給覆寫了，是以條形值覆寫的順序是由rownames值的順序以此進行覆寫，即1，4，5。

> subset(test, type=="B")

·type number color

2 B 3 r

6 B 2 b

7 B 1 r

#type為B時，B的r先出現了3，之後B的b出現了2，最後B的r出現了1，是以按照2，6，7的覆寫順序得到了上述結果。

> subset(test, type=="C")

·type number color

3 C 3 b

8 C 1 y

9 C 3 b

type為C時，展示的結果和type為A時相同，都是被C的b給覆寫了，其number值為3最大。

是以對于geom_bar(position="

identity

", stat=“identity”)繪制的覆寫條形圖，圖形的覆寫順序是，對于某一個x軸的分類，fill填充的順序是按照其rownames出現的順序進行填充，如果rownames後面的數值其對應的y軸數值大，則會将前面的數值小的條形圖進行覆寫，是以柱形的柱頂顯示的值是x軸每一分類的最大值，不區分細分的fill分類。

> subset(test, type=="A")

·type number color

1 A 3 y

4 A 2 b

5 A 1 r

這樣覆寫的結果是y，b，r。

堆疊條形圖加y軸計數

y軸含數值的數量堆疊圖，需要用到堆疊的位置調整，例如：

> options(scipen=200)

#輸入這個指令後縱坐标軸不顯示科學計數法

> ggplot(diamonds, aes(x=clarity, y=table, fill=cut))+geom_bar(position="stack", stat="identity")

#位置調整設定為堆疊(position=“stack”)，統計變換stat也不做任何調整(stat=“identity”)，

這樣y軸的值就顯示出來了，對應y軸顯示的數值，下面有執行個體解釋。

> test <- data.frame(type=c('A','B','C','A','A','B','B','C','C'), number=c(1,3,3,2,3,2,1,1,3), color=c('r','r','b','r','y','b','r','y','b'))

> test

·type number color

1 A 1 r

2 B 3 r

3 C 3 b

4 A 2 r

5 A 3 y

6 B 2 b

7 B 1 r

8 C 1 y

9 C 3 b

> ggplot(test, aes(type, number, fill=color))+geom_bar(position="stack", stat="identity")

#

根據上圖中值出現的位置

> subset(test, type=="A")

·type number color

1 A 1 r

4 A 2 r

5 A 3 y

#type為A的r出現的number數值分别為1，2其加和為3，y出現的number數值為3，與r的加和數值相等，是以在圖中r和y的number數值加和為6，r和y的占比各0.5。

> subset(test, type=="B")

·type number color

2 B 3 r

6 B 2 b

7 B 1 r

#r的number值加和為4，b的number值為2，是以r占4，b占2，加和為6。

> subset(test, type=="C")

·type number color

3 C 3 b

8 C 1 y

9 C 3 b

#b加和為6，y為1，加和為7

是以對于geom_bar(position="

stack

", stat=“identity”)繪制的堆疊條形圖，在圖形中對于各個x軸的分類來說，其每一個fill分類都會進行顯示，柱形的最高值為各個fill分類的加和值，占比是看各個fill分類，相同分類的y軸數值加和再進行的占比計算，繪制最終占比結果。

填充式條形圖

> dds <- diamonds[sample(nrow(diamonds), 10), ]

#展示資料的存在樣式，我們隻随機選擇diamonds資料集的10個，并進行繪圖。

> dds

# A tibble: 10 x 10

carat cut color clarity depth table price x y

1 0.41 Premi… D VVS2 62.5 58 1295 4.72 4.75

2 0.9 Very … E SI1 61.8 60 4054 6.14 6.2

3 0.3 Very … E VVS2 61.4 58 789 4.25 4.28

4 0.3 Ideal H VS1 61.6 55 526 4.27 4.3

5 0.42 Very … D SI2 63.2 57 838 4.77 4.75

6 0.3 Good I SI1 64.1 57 391 4.25 4.3

7 1.02 Good E SI1 63.2 61 5183 6.31 6.37

8 0.39 Premi… E SI1 59.1 59 860 4.81 4.76

9 1.03 Ideal H SI1 62.2 56 5005 6.45 6.51

10 1.51 Very … H VVS2 63.1 59 11934 7.28 7.26

# ... with 1 more variable: z <dbl>

> ggplot(dds, aes(clarity, table, fill=color))+geom_bar(position="fill", stat="identity")

#我們首先看看資料集

> dds$clarity

#例如SI1存在兩個

[1] VS2 SI1 SI2 IF VVS2 VS1 SI2 VS1 SI2 SI1

8 Levels: I1 < SI2 < SI1 < VS2 < VS1 < VVS2 < … < IF

> dds$table

#對應的table的數值分别是56和63

[1] 60 56 60 57 56 60 60 57 62 63

> dds$color

#對應的color的分組為E和F兩種顔色

[1] G E F I H F D D J F

Levels: D < E < F < G < H < I < J

是以，在繪圖時position=“fill”, stat=“identity”，position表示位置調整，調整為fill，填充圖形元素并将高度标準化為1；stat表示統計變換，調整為identity，不做任何調整

這裡以clarity資料的SI1為例，在clarity中出現兩次，在table對應兩個數值56和63，在color對應兩種分類E和F；是以繪制的圖形高度标準化為1後，看的是table數值中各個值的占比，總比例為1，是以63大于56，而對應的顔色{E:56, F:63}，對應的顔色條填充的占比也是F大于E，F的占比大于0.5，E的占比小于0.5，是以這是對該圖形較好的解釋，那種隻有一個數值或隻有一種顔色的占比值就為1。

是以對于geom_bar(position="

fill

", stat=“identity”)繪制的填充條形圖，在圖形中對于各個x軸的分類來說，其每一個fill分類都會進行顯示，柱形的最高值為1，填充圖的目的在于看占比，是以各個fill分類加和占比為1，占比值是看各個fill分類，相同分類的y軸數值加和再進行的占比計算，繪制最終占比結果，雖然不同x軸組别的y軸值加和不同，但最終柱形的值都為1，是以填充條形圖意在看占比結果。

> ggplot(test, aes(type, number, fill=color))+geom_bar(position="fill", stat="identity")

> subset(test, type=='A')

·type number color

1 A 1 r

4 A 2 r

5 A 3 y

> subset(test, type=='B')

·type number color

2 B 1 r

6 B 2 b

7 B 1 r

雖然，A的總number數為6與B的總number數為4不等，但在圖形中，A組的r與y占比各0.5，B組的r與b占比各0.5。

并列式條形圖

> test <- data.frame(type=c('A','B','C','A','A','B','B','C','C'), number=c(1,3,3,2,3,2,1,1,3), color=c('r','r','b','r','y','b','r','y','b'))

#先編造一定資料

> test

·type number color

1 A 1 r

2 B 3 r

3 C 3 b

4 A 2 r

5 A 3 y

6 B 2 b

7 B 1 r

8 C 1 y

9 C 3 b

> ggplot(test, aes(type, number, fill=color))+geom_bar(position="dodge", stat="identity")

#繪圖并看結果

解釋繪圖原因，并剖析；

首先繪制的結果是并列條形圖，position=“dodge”, stat=“identity”，position表示位置調整，調整為dodge，避免重疊，并排放置。并排放置條形圖後，條的高度取決于哪些結果呢，我們先看資料，以B為例，

2 B 3 r

；

6 B 2 b

；

7 B 1 r

；這裡同時出現了B3r和B1r，但是在圖中隻繪制了B3r的結果，是以同一個type的同一個color條圖的高度取決于number值的最大值。

如果是下面的資料

> test <- data.frame(type=c('A','B','C','A','A','B','B','C','C'), number=c(1,1,3,2,3,2,1,1,3), color=c('r','r','b','r','y','b','r','y','b'))

> subset(test, type=='B')

·type number color

2 B 1 r

6 B 2 b

7 B 1 r

B的b值為2，B的r值為1，則繪制的并列條形圖，B的r值為1。

是以對于geom_bar(position="

dodge

", stat=“identity”)繪制的并列條形圖，在圖形中對于各個x軸的分類來說，其每一個fill分類都會進行并行顯示，柱形的最高值為各個fill分類的最大值，注意這裡是最大值，并列圖顯示的規則是，将各個fill分類并行顯示之後，按照各個fill分類的y軸值進行覆寫，是以最終顯示的柱形的最高值為各個fill分類的最大值。

如果用直方圖繪制連續型資料，而且存在資料重疊問題，可将直方圖轉換為密度圖，這樣重疊的資料就都會顯示了。

> ggplot(diamonds, aes(clarity, color=cut))+geom_density()

或者将資料的count值計算出來作為權重值繪制線條圖。

4.9 整合

多種圖層的組合

4.9.1 結合幾何對象和統計變換

将幾何對象和不同的統計變換進行組合，繪制直方圖的三個“變體”。它們都應用了基于直方圖的統計變換，但使用了不同的幾何對象來展示結果：面積、點和瓦塊(tile)。

> d <- ggplot(diamonds, aes(carat))+xlim(0,3)

> d + stat_bin(aes(ymax=..count..), binwidth=0.1, geom="area")

#stat_bin表示計算封箱(bin)資料

> d + stat_bin(aes(size=..density..), binwidth=0.1, geom="point", position="identity")

> d + stat_bin2d(aes(y=1, fill=..count..), binwidth=0.1, geom="tile", position="identity")

#如果用stat_bin()則會報錯

錯誤: stat_bin() must not be used with a y aesthetic.

；stat_bin表明統計變換是計數，計數會被投射到y軸，與y=1沖突。

上面展示的是直方圖的三種變體，即頻率多邊形；散點圖，點的大小和高度都映射給了頻率；熱圖用顔色來表示頻率。

類似地，ggplot2中有大量的幾何對象是基于其他幾何對象衍生出來的，即修改某個已經存在的幾何對象的預設圖形屬性或統計變換。例如，擾動幾何對象（jitter geom）就是将點的位置調整設定為随機打亂。當某種圖形變體被多次使用，或者在某種非常特殊的環境下使用時，你便可以建立一個新的幾何對象。表4.6列出了一些幾何對象的“别名”。

• 表4.6通過修改其他幾何對象預設值得到的幾何對象

别稱	基礎幾何對象	預設值的更改
area	ribbon	aes(min=0, max=y), position=“stack”
density	area	stat=“density”
freqpoly	line	stat=“bin”
histogram	bar	stat=“bin”
jitter	point	position=“jitter”
quantile	line	stat=“quantile”
smooth	ribbon	stat=“smooth”

4.9.2 顯示已計算過的統計量

如果你有已經彙總過的資料，并且想直接用它，而不進行其他的統計變換，可以使用stat_identity()，然後将合适的變量映射到相應的圖形屬性中。

4.9.3 改變圖形屬性和資料集