如何用ggplot2绘制漂亮的统计图形

导言

ggplot2 是由 Hadley Wickham 开发的一个功能十分强大的 R 语言绘图程序包，它能够非常轻松的画出各种好看的统计图形。关于 ggplot2 的教程有很多，Cédric Scherer 博士的这篇blog（“A ggplot2 Tutorial for Beautiful Plotting in R”）是我目前为止看到过的最棒的 ggplot2 教学，讲得非常全面且详细。因此，在自己学习的同时希望将它分享给更多相关专业的同学。

blog原文链接：https://cedricscherer.netlify.app/2019/08/05/a-ggplot2-tutorial-for-beautiful-plotting-in-r/#prep本文翻译&整理了 Cédric Scherer 的这篇 blog，为了让它更加容易理解，也参考了其它相关的资料，对部分内容进行了补充和改写。此外，这项工作也得到了 Cédric Scherer 博士本人的授权以及支持。

由于整篇教学十分全面且详细，故篇幅也较大，因此将其整理为以下内容，并将在随后分期推送，希望感兴趣的同学可以持续关注，也可加入我们共同交流，分享你的宝贵经验。第一期：ggplot2基础（一）—— A default ggplot, axes, titles第二期：ggplot2基础（二）—— Legends, backgrounds & grid lines, margins第三期：ggplot2基础（三）—— Colors, themes第四期：ggplot2基础（四）—— lines, text第五期：ggplot2基础（五）—— Multi-Panel plots, Chart types第六期：ggplot2基础（六）—— Coordinates, ribbons, smoothings第七期：ggplot2之交互图（Interactive Plots）

第一期：ggplot2基础（一）

A default ggplot, axes, titles

摘要：

本期内容将会介绍 ggplot2 绘图语法的基础，以及如何调整图形坐标轴的内容和外观，修改图形标题等内容。

关于 ggplot2 包

ggplot2 是一个基于图形语法（The Grammar of Graphics）的绘图系统。简单来说，你只需要提供数据（data），并告诉 ggplot2 如何将变量映射到美学（aesthetics），使用什么图形元素（geoms），然后它将会处理剩余的细节。

什么是图形语法？

Wilkinson 创建了图形语法来描述所有统计图形背后的基本特性。图形语法是对“什么是统计图形”这个问题的回答。ggplot2 建立在 Wilkinson 语法的基础上，它关注于图层（layer）的优先地位，并对其进行调整，以便在 R 中使用。简而言之，图形语法告诉我们图形将数据映射到几何对象（点、线、条）的美学属性（颜色、形状、大小）。图形还可以包括关于绘图坐标系统的数据和信息的统计变换。分面（facet）可用于绘制数据的不同子集。这些独立组件的组合构成了完整的图形。所有的图形都是由数据（data）、你想要可视化的信息和一个映射（map，如何将数据变量映射到美学属性的描述）组成的。有五个映射组件：

1）图层：几何元素和统计变换的集合。几何元素（geoms）代表了你在图中所看到的东西：如点、线、多边形等等；统计转换（stats）对数据进行总结：例如，对观察数据进行分类和计数以创建直方图，或拟合线性模型等。

2）尺度（Scale）：将数据空间中的值映射到美学空间中的值。这包括颜色、形状和大小的使用。尺度还会绘制图例和坐标轴，这使得从图中读取原始数据的值成为可能（反向映射）；

3）坐标系统：描述数据坐标如何映射到图形的平面上。它还提供轴线（axes）和网格线（gridlines）来帮助阅读图表。我们通常使用笛卡尔坐标系，但也有其他一些方法，包括极坐标和地图投影。

4）分面：指定如何分解数据子集并将其显示为小的图形。

5）主题：控制更精细的显示点，如字体大小和背景颜色。虽然 ggplot2 谨慎地选择了默认值，但你可能需要参考其他参考资料来创建有吸引力的图。

由于本文涉及大量的统计图形元素，在正式进入教程之前，希望明确这些元素的名称，以免引起混乱。下面展示了一个常见的统计图形（直方图）的基本结构和常见的元素：

（个人翻译 仅供参考）

以及常见的统计图形名称：

Scatter plot 散点图

Line plot 线图

Histogram plot 直方图

Box plot 箱形图

Part 1 从一个默认的ggplot开始

| Preparation

1）需要安装的 R 包

tidyverse 包，同样出自 Hadley Wickham 大神之手，包含了 ggplot2，dplyr，tidyr，readr，purrr，tibble，stringr, forcats 等多个包：

ggplot2, for data visualisation （数据可视化）

dplyr, for data manipulation （数据预处理）

tidyr, for data tidying （清理数据，转为 ggplot 可用的格式）

readr, for data import （读取数据）

purr, for functional programming （提供好用的编程函数）

tibble, for tibbles, a modern re-imagining of data frames （data.frame 升级款）

stringr, for strings. （处理字符，查找、替换等）

forcats, for factors. （处理因子问题）

showtext 包，一个字体包。

2）数据集

本文使用的数据来自 National Morbidity and Mortality Air Pollution Study（全国空气污染发病率和死亡率研究，NMMAPS），选取了 Chicago 市 1997-2000 年的数据。

（本数据集可在文末提供的链接进行下载）

首先加载 ggplot2 包或者 tidyverse 包（后者包含了 ggplot2 等多个包）

ggplot2 的语法与 R 的基础绘图语法不同，根据基本元素，一个默认的 ggplot 图需要指定以下内容：数据，美学和几何图形；

step 1. 定义一个绘图对象ggplot2 绘图的第一步就是要指定绘图所需要的数据以及坐标轴对应的变量：

个人感觉这个功能有点鸡肋，也就是当你的数据范围比较大时，绘图的起始点仍然从 0 开始。使用 coord_cartesian(xlim = c(0, NA), ylim = c(0, NA)) 可以达到同样的效果。

或者像这样： 

（注意与上图的区别，原点的位置变了）

参数 clip = "off" 允许在面板区域之外绘制。也就是把图层画在画布之外，关于这个问题的详细描述参见https://guangchuangyu.github.io/2018/05/ggplot2-clip/

此处调用它是为了确保 c(0,0) 处的刻度没有被切掉。

9. 相同比例的坐标轴

就是让 x 轴和 y 轴的刻度比例保持一致。为了展示，让我们画出原始温度与添加了一些随机噪声（在原有数值上添加随机数）的温度的散点图。coord_equal() 是一个具有指定比率的坐标系统，默认值 ratio = 1 确保 x 轴上的一个单位与 y 轴上的一个单位具有相同的长度：

（ x 轴上的 0-50 与 y 轴的 0-50 长度是相同的，拥有相同的比例）

而 ratio 大于 1 时 y 轴上的单位比 x 轴上的单位长，反之则短。

10. 使用函数来改变标签

有时修改一下（刻度）标签是很方便的，可以添加单位或百分比符号而不将它们添加到数据中。在这种情况下，你可以使用函数来完成：

（就是把原有的刻度与表示单位的字符串“粘贴”在了一起）

Part 3  Working with titles （标题）

1. 添加一个（图）标题

使用 ggtitle() 函数来可以为图形添加一个标题：

或者，你也可以使用 labs() 你可以添加一些参数，如补充的副标题，标签 tag，备注 caption：

2. 标题加粗并在基线处添加空格

因为图标题属于主题元素，所以我们使用 theme() 函数和文本元素 axis.title 和 axis.text 来修改字体和边距。以下所有主题元素的修改不仅适用于标题，也适用于所有其他标签，如plot.subtitle, plot.caption, plot.caption, legend.title, legend.text, axis.title 和 axis.text

（margin 函数中的四个参数依次为 t(top)，r(right)，b(bottom) 和 l(left)，可以这样来记：“t-r-oub-l-e”）

3. 调整标题位置

一般对齐（左、中、右）由 hjust（表示水平调整）来控制；当然也可以调整垂直对齐，使用vjust来控制。

也可以根据面板区域通过 plot.title.position 和 plot.caption.position 指定标题、副标题和 caption 的对齐方式。在大多数情况下，后者在设计上确实是更好的选择，许多人都很喜欢这个新功能，特别是在 y 轴标签很长的情况下，对齐看起来很糟糕：