R语言数据可视化 ggplot2基础3 添加几何对象

R语言数据可视化 ggplot2基础3 添加几何对象数据的统计变换

- 添加几何对象
- 数据的统计变换

添加几何对象

上一讲我们介绍的是如何创建散点图，这一讲我们介绍如何创建其他类型的图，以及怎么创建有多个几何对象的图。同样用用tidyverse自带的数据mpg举例，

ggplot2::mpg

在这个数据中，我们比较关注displ与hwy这两个变量，displ表示引擎尺寸(升)，hwy表示高速路上的燃油效率(英里/加仑)。为了展示这两个变量之间的关系，我们可以尝试画一条平滑曲线，平滑方法用LOESS

ggplot(data = mpg)+
  geom_smooth(method = "loess",mapping = aes(x = displ, y = hwy),
              formula = "y~x")

在这里插入图片描述

当然平滑方法是可以换的，比如我们可以用线性平滑，

ggplot(data = mpg)+
  geom_smooth(method = "lm",mapping = aes(x = displ, y = hwy),
              formula = "y~x")

在这里插入图片描述
我们可以把趋势线作为一个新的图层，与上一讲画的散点图的图层重叠起来，也就是把趋势线贴到原始数据上：

Layered Grammar(默认的smooth方法是LOESS)

ggplot()+
  layer(data = mpg, mapping = aes(x = displ, y = hwy),
        geom = "point" ,stat = "identity",position="identity")+
  layer(data = mpg,mapping = aes(x = displ, y = hwy),
        geom = "smooth" ,stat = "smooth",position="identity")+
  scale_y_continuous()+
  scale_x_continuous()+
  coord_cartesian()

在这里插入图片描述

两个图层的Layered Grammar也可以有做一些简化（趋势线周围的灰色区域是95%置信区间）：

ggplot(data = mpg)+
  geom_point(mapping = aes(x = displ, y = hwy))+
  geom_smooth(method = "loess",mapping = aes(x = displ, y = hwy),
              formula = "y~x")

在这里插入图片描述
但是即使是上面那三行代码仍然不是minimal code，因为数据与aesthetics mapping是一样的，再加上loess是smooth的默认方法，所以上面的三行代码可以进一步简化为一行

Minimal Code：

ggplot(data = mpg,mapping = aes(x = displ, y = hwy))+geom_point()+geom_smooth()

如果要添加其他功能，比如按颜色展示不同的车型，可以直接在minimal code上添加语句即可

ggplot(data = mpg,mapping = aes(x = displ, y = hwy))+
  geom_point(mapping = aes(color = class))+geom_smooth()

在这里插入图片描述

数据的统计变换

这部分我们用diamonds这个数据集举例。

ggplot2::diamonds

如果我们要展示钻石不同档次切工的频数，可以用直方图来表示：

在这里插入图片描述

画这个直方图的Minimal Code是：

ggplot(data=diamonds)+
  geom_bar(mapping = aes(x = cut))

这里用到的创建直方图几何对象的函数是geom_bar，对于这种统计图像的创建，我们对函数之下发生的具体的事情也是很感兴趣的，
在这里插入图片描述
geom_bar函数使用data=diamonds作为输入，我们指定了mapping = aes(x = cut)，也就是基于diamonds数据集，计算每一种cut的数目，这个功能是由stat_count函数提供的，这一步就是data transformation，在形成的图像的时候，就是基于data transformation的结果作图。如果用Layered Grammar省略掉scale与coord代码如下：

ggplot()+
  layer(data = diamonds,mapping = aes(x = cut),
        geom = "bar",stat = "count",position="identity")

虽然Minimal Code在工程中显得更有效率，但Layered Grammar更有助于我们在学习中理解ggplot2作图的逻辑。

我们也可以用频率直方图来展示：

ggplot(data=diamonds)+
  geom_bar(mapping = aes(x = cut,y =..prop..,group = 1))

在这里插入图片描述