ggplot2

在R语言中ggplot2是一个用来绘制图形的R包，gg的意思是Grammer of Graphics，意思就是绘图的语法，作者是Hadley Wickham，这个大神也是统计学诺贝尔奖的获得者

• ggplot2的核心理念是将绘图与数据分离，数据相关的绘图与数据无关的绘图分离
• ggplot2的原理是按照图层作图的
• ggplot2是保有命令式作图的调整函数，使其更具有灵活性
• ggplot2将常见的统计变换融入到绘图当中

这个库的逻辑在我看来式真正实现一个图层叠加的概念：一句话代表一张图，然后最小的单元图层

参考链接：https://blog.csdn.net/weixin_41929524/article/details/79765882

ggplot2代码实现和效果呈现

（1）概率密度图的绘制

library(tidyverse)
diamonds
ggplot(diamonds, aes(carat, color = cut, fill = cut)) + geom_density(alpha = .25)

函数语法：ggplot(data, aes(data的单维数据, color = cut, fill = cut)) + geom_density(alpha = .25)

color = cut是表示是否画出来的线条是否填充颜色
fill = cut是表示是否根据数据的内容分组

结构：按照+号分为两个部分，第一个部分是基础的一些数据以及图形的基础设置（颜色，填充等），第二部分就是需要画出来的图是什么内容，画直方图还是密度图等

（2）直方图绘制

ggplot(diamonds, aes(carat)) + geom_histogram(fill = ‘blue’, color = ‘white’, bins=50)

这里需要注意，直方图的颜色和填充绘制是在+号的后面那个部分，其中bins的参数是代表需要划分多组组，这里选择50

ggplot(diamonds, aes(carat, fill=cut)) + geom_histogram(color = ‘white’)

(3)柱形图的绘制

关于柱形图的绘制就需要涉及到x,y的一些选择，在画之前必须知道横坐标是什么，纵坐标是什么

ggplot(diamonds, aes(color, price)) + geom_bar(stat = ‘identity’, fill = ‘blue’)

这里的横坐标是color的组，总坐标是price的价格总和
因为是一维的数据，所以这里stat = 'identity’需要加上

如果需要一些简单的运算得到y的数据，stat = ‘summary’，比如如果将上面的数据换成mean，可以选择用下面的代码

ggplot(diamonds, aes(color, price, fill = color)) + geom_bar(stat = ‘summary’, fun.y = ‘mean’)

如果需要多组的数据叠加或者同时展示，可以使用下面代码

ggplot(diamonds, aes(color, price, fill = cut)) + geom_bar(stat = ‘identity’, position = position_dodge())

（4）点图

ggplot(diamonds, aes(carat, depth)) + geom_point(size=5, shape=17, color = ‘purple’)

可以根据自己的需求和喜好选择不同的点表示这个点

（5）线图

ggplot(diamonds, aes(carat, depth)) + geom_line(size=1, linetype = 2, color = ‘purple’)

可以进行关于绘制线的一些属性，线型，线的颜色，线的size比较

除此之外，也可以对这个线图的数据进行点图的叠加

ggplot(diamonds, aes(carat, depth)) +

geom_line(size=1, linetype = 2, color = ‘purple’) +

geom_point(size=2,shape=17, color=‘red’)

如果需要将多组画在一起展示，可以使用下面的操作
这次换一个其他的数据集，先对里面的数据进行简单的数据处理，得到需要的数据

ggplot(df, aes(cyl, mpg_m)) + geom_point(size = 3)

先大概看一下数据

因为am的数据经过上面的处理，是一个分组的因子，里面包含了不同组别的信息，所以我为了体现分组的信息，将这个组别的信息传入进去

ggplot(df, aes(cyl, mpg_m, color = am)) + geom_point(size = 3)

然后就会根据不同组的因子选择不同的颜色

因为是am的组别的值是一个连续的状态，所以这里默认会出现这个渐变的情况，需要在画图前把这个值转变成离散的状态

df$am<-as.factor(df$am) #转换成因子型的数据

ggplot(df, aes(cyl, mpg_m, shape=am, color = am)) + geom_point(siza=3)

还可以将线图和点图叠加在一起

ggplot(df, aes(cyl, mpg_m, color = am)) + geom_line(aes(linetype = am), size=1) + geom_point(aes(shape=am), size=3)

（6）气泡图

气泡图与散点图相似，不同之处在于，气泡图允许在图表中额外加入一个表示大小的变量。实际上，这就像以二维方式绘制包含三个变量的图表一样。气泡由大小不同的标记(指示相对重要程度)表示

使用下面的函数可以绘制气泡图

ggplot(mtcars, aes(wt, mpg, color = factor(cyl))) + geom_point(aes(size=cyl)) + scale_size(breaks = c(4,6,8))

color颜色这个参数一定要传入离散的数据，所以这里需要使用factor函数转换，下面的图黑色的表示数值程度的大小，颜色是用下面的factor(cyl)表示

（7）回归曲线的拟合

通过绘制的散点图画出拟合散点图的曲线

ggplot(mtcars, aes(wt, mpg)) + geom_point() + geom_smooth(method = ‘lm’, formula = y~x, color=‘red’, se = T)

图中的阴影部分是表示误差的范围

（8）箱型图

首先这里使用自定义的一些小数据展示


然后这就是里面的数据结果展示
箱型图的构造

ggplot(df, aes(group1, value, fill = group2)) + geom_boxplot(alpha = .5) + geom_point(aes(color = group2), position = position_jitterdodge()) + stat_summary(aes(group = group2), fun = mean, geom = ‘point’,size=3, show.legend = FALSE, position = position_dodge(.75))

ggplot(df, aes(group1, value, fill = group2)) + geom_boxplot(alpha = .5)

（9）饼图

ggplot(df, aes(x = ‘’, y = value, fill = cate)) + geom_bar(stat = ‘identity’) + coord_polar(theta = ‘y’, start = 0)