ggplot2（2） 从qplot开始入门

2.1 简介

qplot的意思是快速作图（quick plot）。

qplot是一种快捷方式，如果您已习惯于使用基础plot()，则可以使用它。它可以使用一致的调用模式快速创建许多不同类型的图。

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

• x,y：图中对象的x坐标和y坐标；
• data：可选，用于指定数据框，若进行了指定，那么函数会首先在该数据框内查找变量名，如果没有指定，将创建一个，从当前环境中提取向量；
• facets：用于图形分面；
• margins：逻辑值或字符向量。margins是附加的面；
• geom：指定绘图类型的字符向量。如果指定x和y，默认为“点”;如果指定x，默认为“柱状图”；
• xlim,ylim：x和y坐标边界；
• log：哪些变量要进行对数转换(“x”、“y”或“xy”)；
• main：标题；
• xlab,ylab：x和y坐标轴标签；
• asp：y/x的长宽比。

2.2 数据集

> head(diamonds)
# A tibble: 6 x 10
  carat cut       color clarity depth table price     x     y     z
  <dbl> <ord>     <ord> <ord>   <dbl> <dbl> <int> <dbl> <dbl> <dbl>
1 0.23  Ideal     E     SI2      61.5    55   326  3.95  3.98  2.43
2 0.21  Premium   E     SI1      59.8    61   326  3.89  3.84  2.31
3 0.23  Good      E     VS1      56.9    65   327  4.05  4.07  2.31
4 0.290 Premium   I     VS2      62.4    58   334  4.2   4.23  2.63
5 0.31  Good      J     SI2      63.3    58   335  4.34  4.35  2.75
6 0.24  Very Good J     VVS2     62.8    57   336  3.94  3.96  2.48

A dataset containing the prices and other attributes of almost 54,000 diamonds. The variables are as follows:

• price: price in US dollars (\$326–\$18,823)
• carat: weight of the diamond (0.2–5.01)
• cut: quality of the cut (Fair, Good, Very Good, Premium, Ideal)(均匀、良好、非常好、优质、理想)
• color: diamond colour, from D (best) to J (worst)
• clarity: a measurement of how clear the diamond is (I1 (worst), SI2, SI1, VS2, VS1, VVS2, VVS1, IF (best))
• x: length in mm (0–10.74)
• y: width in mm (0–58.9)
• z: depth in mm (0–31.8)
• depth: total depth percentage = z / mean(x, y) = 2 * z / (x + y) (43–79)
• table: width of top of diamond relative to widest point (43–95)

> str(diamonds)
Classes ‘tbl_df’, ‘tbl’ and '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cut、color、clarity为有序分类变量。

抽样：（方便观察，加快运算速度）

set.seed(1410)  # 让样本可重复
 
dsmall <- diamonds[sample(nrow(diamonds), 100), ]

2.3 基本用法

绘制散点图。

qplot(carat, price, data = diamonds)

对数变换（对坐标系进行变换，并没有改变变量的值）。

qplot(carat, price, data = diamonds, log = 'xy')

2.4 颜色、大小、形状和其他图形属性

自动向重量和价格的散点图中添加颜色和切工的信息。

qplot(carat, price, data = dsmall, colour = color)
 
qplot(carat, price, data = dsmall, shape = cut)

---

不透明度选择，在数据量很大时，太多的点重合，影响观察，使用半透明的颜色可以有效减轻图形元素重叠的现象，观察数据集聚趋势，alpha值可以设定不透明度，取值从0（完全透明）到1（完全不透明），通常用分数来表示，例如1/10或1/20，其分母表示经过多少次重叠之后颜色将变得不透明。

qplot(carat, price, data = diamonds, log = 'xy', alpha = I(1/10))

qplot(carat, price, data = diamonds, colour = color, alpha = I(1/5))

2.5 几何对象

二维对象：

• geom = "point"：绘制散点图；
• geom = "smooth"：拟合一条平滑曲线，并将标准误展示在图中，如果不需要展现标准误可以使用se = FALSE；
• geom = "boxplot"：绘制箱线图，用以概括一系列点的分布情况；
• geom = "jitter"：绘制扰动点图；
• geom = "path"或geom = "line"：可以在数据点之间绘制连线，这类图形的作用是探索时间和其他变量之间的关系，但连线同样可以用其他的方式将数据点连接起来，线条图只能创建从左到右的连线，而路径图则可以使任意的方向。

一维对象：

• geom = "histogram"：绘制直方图；
• geom = "freqpoly"：绘制频率多边形；
• geom = "density"：绘制密度曲线；
• geom = "bar：对离散变量绘制条形图。

2.5.1 向图中添加平滑曲线

使用c()将多个对象传递给geom，几何对象会按照指定的顺序进行堆叠。

qplot(carat, price, data = dsmall, geom = c("point", "smooth"))

利用method参数可以选择不同的平滑器。

• method = "loess"使用的是局部回归方法，在当n较小是是默认选项，其平滑程度由span控制，取值范围为0（很不平滑）到1（很平滑）。Loess对于大数据并不合适，因为其内存消耗是$O(n^{2})$。
• 使用method = "gam", formula = y ~ s(x)可以调用mgcv包拟合一个广义可加模型。对于大数据应使用y ~ s(x, bs = "cs")。

library(mgcv)
qplot(carat, price, data = dsmall, geom = c("point", "smooth"), method = "gam", formula = y ~ s(x))

• method = "lm"拟合的是线性模型，默认得到一条直线，但可以通过formula = y ~ poly(x, 2)来拟合一个二次多项式。

qplot(carat, price, data = dsmall, geom = c("point", "smooth"), method = "lm") 

• method = "rlm"与"lm"类似，但采用了一种更为稳健的拟合方法，使得结果对异常值不太敏感，这一方法是MASS包的一部分，因此使用时需要先加载MASS包。

2.5.2 箱线图和扰动点图

qplot(color, price/carat, data = diamonds, geom = "jitter", alpha = I(1/30))
qplot(color, price/carat, data = diamonds, geom = "boxplot")

每种方法都有它的优势和不足，箱线图只用了5个数字进行描述，更具概括性；扰动点图绘制了全部点，更具全面性。

2.5.3 直方图和密度曲线图

直方图和密度曲线图可以展现单个变量的分布，相对于箱线图而言，它们提供了更多的关于单个变量分布的信息，但它们不太容易在不同组之间进行比较。

qplot(carat, data = diamonds, geom = "histogram")
qplot(carat, data = diamonds, geom = "density")

对于密度曲线而言，adjust参数控制了曲线的平滑程度（adjust取值越大，曲线越平滑）；对于直方图，binwidth参数通过设置组距来调节平滑度，或者也可以使用breaks对切分位置进行显示的指定。

在直方图中，应当尝试多种组距：组距较大时图形能够反应总体特性；组距较小时，则能显示出更过细节。

要在不同的分组之间进行比较，只需在加上一个图形映射。

qplot(carat, data = diamonds, geom = "density", colour = color)
qplot(carat, data = diamonds, geom = "histogram", fill = color)

密度曲线图似乎更吸引人，因为很容易阅读，而且适于在不同的曲线之间进行比较。然而要真正理解密度曲线则比较困难，而且密度曲线有一些隐含的假设，例如曲线应该是无界、连续和平滑的，这些假设不一定适用于真实的数据。

2.5.4 条形图

用于绘制离散变量，与直方图类似。条形图会计算每一个水平下观测的数量。使用weight可以进行加权。

qplot(color, data = diamonds, geom = "bar")
qplot(color, data = diamonds, geom = "bar", weight = carat) + scale_y_continuous("carat")

第一幅图展现了分组的计数，第二幅图展现了没中颜色钻石的总重量。

2.5.5 时间序列中的线条图和路径图

线条图和路径图用于可视化时间序列数据。线条图将点从左到右进行连接，而路径图则按照点在数据集中的顺序进行连接。线条图的x轴一般是时间，它展现了单个变量随时间的变化情况；路径图则展现了两个变量随时间联动的情况，时间反映在点的连接顺序上。

数据集：economics

> head(economics)
# A tibble: 6 x 6
  date         pce    pop psavert uempmed unemploy
  <date>     <dbl>  <dbl>   <dbl>   <dbl>    <dbl>
1 1967-07-01  507. 198712    12.6     4.5     2944
2 1967-08-01  510. 198911    12.6     4.7     2945
3 1967-09-01  516. 199113    11.9     4.6     2958
4 1967-10-01  512. 199311    12.9     4.9     3143
5 1967-11-01  517. 199498    12.8     4.7     3066
6 1967-12-01  525. 199657    11.8     4.8     3018

该数据集来自美国经济时间序列数据。

• date：数据收集月份
• psavert：个人储蓄率
• pce：个人消费支出
• unemploy：失业人数（以千计）
• uempmed：失业持续时间的中位数，以周为单位。
• pop：总人口，以千为单位

绘制时间序列线条图。（失业率）

qplot(date, unemploy/pop, data = economics, geom = "line")

绘制路径图（失业率&失业持续时间）。将时间date映射到colour属性上更容易看出时间的行进方向。

qplot(unemploy/pop, uempmed, data = economics, geom = c("point", "path"), colour = date)

2.6 分面

分面将数据分隔成若干子集，然后创建一个图形的矩阵，将一个子集绘制到矩阵的窗格中。

通过row_var ~ col_var的表达式进行指定，如果指向指定一行或者一列，可以使用 . 作为占位符。

qplot(carat, data = diamonds, facets = color ~ ., geom = "histogram", binwidth = 0.1,
    xlim = c(0, 3))
 
qplot(carat, ..density.., data = diamonds, facets = color ~ cut, geom = "histogram",
    binwidth = 0.1, xlim = c(0, 3))

..density..告诉ggplot2将密度而不是频数映射到y轴。

2.7 与plot函数的区别

• qplot不是泛型函数，当将不同类型的R对象传入qplot时，它并不会自动匹配默认的函数调用。ggplot()是一个泛型函数；
• gglpot2中的图形属性名称如colour、shape和size等比基础绘图系统中的名称如col、pch、cex等更直观，容易记忆；
• 在基础绘图系统中，可以通过points()、lines()和text()函数来向已有的图形中添加更多的元素，而在ggplot2中，你需要在当前的图形中加入额外的图层。

总结