ggplot2_tutorial_translated.Rmd

# Beautiful visualization with ggplot2

Yuanghang Chen and Jiayin Lin

```{r, include=FALSE}
 knitr::opts_chunk$set(warning = FALSE, message = FALSE)
```

```{r}
library(ggplot2)
library(extrafont)
library(grid)
library(gridExtra)
library(ggthemes)
library(reshape2)
```

如何在R中制作精美绘图：ggplot2速查表

Original Post Link: http://zevross.com/blog/2014/08/04/beautiful-plotting-in-r-a-ggplot2-cheatsheet-3/#quicksetup-the-dataset

即使是最有经验的R用户者在构建精美图形时也需要帮助。ggplot2库是用于在R中创建图形的了不起的工具，即使是近乎每天使用，我们也仍需要参考备忘录。到目前为止，我们已将这些关键东西保存在本地PDF中。但是为了我们自己（也希望是您自己）的利益，我们决定发布最有用的一些代码。

*最后更新于2016年1月20日（ggplot2 2.0将标题文本的vjust替换为margin）

您可能对其他与ggplot2相关的帖子也感兴趣：

[R中ggplot2图形的幕后构造](http://zevross.com/blog/2014/11/20/under-the-hood-of-ggplot2-graphics-in-r/)    
[使用ggplot2包在R中进行映射](http://zevross.com/blog/2014/07/16/mapping-in-r-using-the-ggplot2-package/)     
[R的新数据处理工作流程：dplyr，magrittr，tidyr，ggplot2](http://zevross.com/blog/2015/01/13/a-new-data-processing-workflow-for-r-dplyr-magrittr-tidyr-ggplot2/)     

我们从快速设置和默认图形开始，接下来再具体介绍一系列调整措施。
<h2 id='0'>目录</h2>
* [快速设置：数据集](#1)
* [ggplot2中的默认图](#2)
* [标题的使用](#3)
  * [添加标题 (ggtitle()或labs())](#4)
  * [加粗标题并增加基线处间距（face, margin）](#5)
  * [标题中使用非传统字体(family)](#6)
  * [更改多行文字间间距(lineheight)](#7)
* [坐标轴的使用](#8)
  * [添加x轴和y轴(labs()，xlab())](#9)
  * [去除坐标轴刻度及标签(theme()，axis.ticks.y)](#10)
  * [更改坐标轴刻度线文本字体大小及旋转(axis.text.x)](#11)
  * [将标签远离绘图(并添加颜色)(theme()，axis.title.x)](#12)
  * [限制坐标轴范围(ylim，scale_x_continuous()，coord_cartesian())](#13)
  * [如果您希望坐标轴相同(coord_equal())](#14)
  * [使用函数更改标签(label = function(x){})](#15)
* [图例的使用](#16)
  * [关闭图例标题(legend.title)](#17)
  * [更改图例标题款式(legend.title)](#18)
  * [更改图例的标题(name)](#19)
  * [更改图例中的背景框(legend.key)](#20)
  * [更改仅图例中符号的大小(guides()，guide_legend)](#21)
  * [去除图例中的图层(show_guide)](#22)
  * [手动添加图例项(guides()，override.aes)](#23)
* [背景颜色的使用](#24)
  * [更改面板颜色(panel.background)](#25)
  * [更改网格线(panel.grid.major)](#26)
  * [更改绘图背景(不是面板)颜色(plot.background)](#27)
* [边距的使用](#28)
  * [更改图形边距(plot.margin)](#29)
* [多面板图的使用](#30)
  * [根据一个变量创建一行绘图(facet_wrap())](#31)
  * [根据一个变量创建一个绘图矩阵(facet_wrap())](#32)
  * [允许比例自由(scales))](#33)
  * [使用两个变量创建绘图网格(facet_grid())](#34)
  * [并排放置两个(可能不相关的)图（pushViewport()，grid.arrange())](#35)
* [主题的使用](#36)
  * [使用一个新主题(theme_XX())](#37)
  * [更改所有绘图文本元素的大小(theme_set()，base_size)](#38)
  * [有关创建自定义主题的提示](#39)
* [颜色的使用](#40)
  * [类别变量：手动选取颜色(select_color_manual)](#41)
  * [类别变量：使用内置调色板(根据colorbrewer2.org)(scale_color_brewer)](#42)
  * [连续变量的颜色选择(scale_color_gradient(), scale_color_gradient2())](#43)
* [注解的使用](#44)
  * [在左上、右上等处添加文字注解(annotation_custom()和text_grob())](#45)
* [坐标的使用](#46)
  * [翻转图像(coord_flip())](#47)
* [不同图像种类的使用](#48)
  * [箱型图的替代品(geom_jitter()和geom_violin())](#49)
  * [带状图(geom_ribbon())](#50)
  * [拼接式相关性图(geom_tile())](#51)
* [柔化的使用](#52)
  * [默认 - 使用LOESS或GAM(stat_smooth())](#53)
  * [设置公式(stat_smooth(formula=))](#54)
  * [添加线性回归(stat_smooth(method="lm"))](#55)
* [交互式线上图表（比你想象的简单得多）](#56)

<h2 id='1'>快速设置：数据集</h2>


我们使用的数据来源于国家发病率及死亡率空气污染研究（NMMAPS）。 为了使图形易于管理，我们将数据限制于1997-2000年的芝加哥数据。 有关此数据集的更多详细信息，请参阅Roger Peng的著作[ R在环境流行病学中的统计方法](https://www.springer.com/gp/book/9780387781662) 

您也可以在此处下载本文中使用的数据。
<a href="chicago-nmmaps.csv" download="chicago-nmmaps.csv">点击下载附件 *chicago-nmmaps.csv*</a>

```{r}
# nmmaps<-read.csv("chicago-nmmaps.csv", as.is=T)
nmmaps <- readr::read_csv("http://zevross.com/blog/wp-content/uploads/2014/08/chicago-nmmaps.csv")
nmmaps$date<-as.Date(nmmaps$date)
nmmaps<-nmmaps[nmmaps$date>as.Date("1996-12-31"),]
nmmaps$year<-substring(nmmaps$date,1,4)
head(nmmaps)
```


<h2 id='2'>ggplot2中的默认图</h2>
```{r}
g<-ggplot(nmmaps, aes(date, temp))+geom_point(color="firebrick")
g
```

[返回目录](#0)


<h2 id='3'>标题的使用</h2> &emsp;  



<h3 id='4'>添加标题 (ggtitle()或labs()) </h3> 
-----------


&emsp;
```{r}
g<-g+ggtitle('Temperature')
g
```

或者，您可以使用g+labs(title ='Temperature')

[返回目录](#0)


<h3 id='5'>加粗标题并增加基线处间距（face, margin）</h3>

在ggplot2 2.0版本之前，我使用vjust参数使标题远离绘图。在2.0版中，此功能不再可行，此[链接](https://r.789695.n4.nabble.com/vjust-unresponsive-ggplot2-td4715828.html)中的一则博客评论帮助我找到了替代的方法。margin参数使用margin函数，您通过提供顶部，右侧，底部和左侧的页边距（默认单位是points）可实现设置标题与绘图间距离的功能。

```{r}
g+theme(plot.title = element_text(size=20, face="bold", 
    margin = margin(10, 0, 10, 0)))
```

[返回目录](#0)

<h3 id='6'>标题中使用非传统字体（family）</h3>


请注意，您也可以使用不同的字体。它不像这里看起来那么简单，如果您需要使用其他字体，请查看[这篇文章](http://zevross.com/blog/2014/07/30/tired-of-using-helvetica-in-your-r-graphics-heres-how-to-use-the-fonts-you-like-2/)。这在Mac上可能不行（如有问题，请发送信息告知我）。

如果您对此有疑问，可以看一下[StackOverflow](https://stackoverflow.com/questions/27542302/ggplot-embedded-fonts-in-pdf)的讨论。

```{r}
g+theme(plot.title = element_text(size=30,lineheight=.8, 
  vjust=1,family="Bauhaus 93"))
```



[返回目录](#0)


<h3 id='7'>更改多行文字间间距（lineheight）</h3>

您可以使用lineheight参数更改行间距。 在此示例中，我将行间距进行了压缩（lineheight <1）。

```{r}
g<-g+ggtitle("This is a longer\ntitle than expected")
g+theme(plot.title = element_text(size=20, face="bold", vjust=1, lineheight=0.6))     
```

[返回目录](#0)

<h2 id='8'>坐标轴的使用</h2>

<h3 id='9'>添加x轴和y轴(labs()，xlab())</h3>

最简单的是：
```{r}
g<-g+labs(x="Date", y=expression(paste("Temperature ( ", degree ~ F, " )")), title="Temperature")
g
```

[返回目录](#0)


<h3 id='10'>去除坐标轴刻度及标签(theme()，axis.ticks.y)</h3>

除了为了演示，我通常不会这样做：

```{r}
g + theme(axis.ticks.y = element_blank(),axis.text.y = element_blank())

```

[返回目录](#0)


<h3 id='11'>更改坐标轴刻度线文本字体大小及旋转(axis.text.x)</h3>

继续，尝试快速的说三遍“ tick text”。

```{r}
g + theme(axis.text.x=element_text(angle=50, size=20, vjust=0.5))
```

[返回目录](#0)

<h3 id='12'>将标签远离绘图(并添加颜色)(theme()，axis.title.x)</h3>

我发现标签在默认设置下与绘图过于靠近，与有标题类似，我使用的是vjust参数。

```{r}
g + theme(
      axis.title.x = element_text(color="forestgreen", vjust=-0.35),
      axis.title.y = element_text(color="cadetblue" , vjust=0.35)   
          )
```


[返回目录](#0)

<h3 id='13'>限制坐标轴范围(ylim，scale_x_continuous()，coord_cartesian()))</h3>

同样，此图是出于演示目的：

```{r}
g + ylim(c(0,60))
```

另一种方法：g + scale_x_continuous(limits = c(0,35)或g + coord_cartesian(xlim = c(0,35))。 前者删除范围之外的所有数据点，而后者调整可见区域。

[返回目录](#0)


<h3 id='14'>如果您希望坐标轴相同(coord_equal()))</h3>

肯定有比这更好的方法。 在示例中，我正构建一副有着随机噪声的温度vs温度的图形（以演示为目的），并且希望两个轴的比例/范围相同。
```{r}
ggplot(nmmaps, aes(temp, temp+rnorm(nrow(nmmaps), sd=20)))+geom_point()+
  xlim(c(0,150))+ylim(c(0,150))+
  coord_equal()

```


[返回目录](#0)


<h3 id='15'>使用函数更改标签(label = function(x){})</h3>

有时，稍微更改一下标签会很方便，可能仅在标签中添加单位或百分号而不将其添加到数据中。在这种情况下，您可以使用一个函数。 以下即为一个例子：


```{r}
ggplot(nmmaps, aes(date, temp))+
  geom_point(color="grey")+
  labs(x="Month", y="Temp")+
  scale_y_continuous(label=function(x){return(paste("My value is", x, "degrees"))})
```

这里的图并不是很好看，但这很实用。


[返回目录](#0)



<h2 id='16'>图例的使用</h2>

我们将根据季节对图形进行颜色编码。您可以看到，默认情况下，图例标题是我们在color参数中指定的。

```{r}
g<-ggplot(nmmaps, aes(date, temp, color=factor(season)))+geom_point()
g
```

[返回目录](#0)


<h3 id='17'>关闭图例标题(legend.title)</h3>

```{r}
g+theme(legend.title=element_blank())
```



[返回目录](#0)


<h3 id='18'>更改图例标题款式(legend.title)</h3>
```{r}
g+theme(legend.title = element_text(colour="chocolate", size=16, face="bold"))
```



[返回目录](#0)

<h3 id='19'>更改图例的标题(name))</h3>

要更改图例的标题，您可以在scale函数中使用name参数。 如果您不使用“scale”函数，则需要更改数据本身，以使其具有正确的格式。

```{r}
g+theme(legend.title = element_text(colour="chocolate", size=16, face="bold"))+
  scale_color_discrete(name="This color is\ncalled chocolate!?")
```


[返回目录](#0)



<h3 id='20'>更改图例中的背景框(legend.key)</h3>

我对那些框的感觉比较复杂。如果你想完全摆脱它们，可以使用fill = NA。


```{r}
g+theme(legend.key=element_rect(fill='pink'))
```



[返回目录](#0)




<h3 id='21'>更改仅图例中符号的大小(guides()，guide_legend)</h3>

图例中的点，尤其在没有框时容易丢失。 要覆盖默认值，请尝试：

```{r}
g+guides(colour = guide_legend(override.aes = list(size=4)))
```



[返回目录](#0)




<h3 id='22'>去除图例中的图层(show_guide)</h3>

假设您有一个点图层，并在其中添加了标签文本。 默认情况下，点和标签文本都以这样的图例结尾（再次，谁会画这样的图？这只是为了演示）：



```{r}
g+geom_text(data=nmmaps, aes(date, temp, label=round(temp)), size=4)
```

您可以使用show_guide = FALSE关闭图例中的图层。 有用！

```{r}
g+geom_text(data=nmmaps, aes(date, temp, label=round(temp), size=4), show_guide=FALSE)
```

[返回目录](#0)

<h3 id='23'>手动添加图例项(guides()，override.aes)</h3>
ggplot2不会自动添加图例，除非您将美学（颜色，大小等）映射到一个变量上。 不过，有时候我想拥有一个图例，以便清楚地了解您要绘制的内容。 这是默认值：

```{r}
# here there is no legend automatically
ggplot(nmmaps, aes(x=date, y=o3))+geom_line(color="grey")+geom_point(color="red")
```

我们可以通过映射到一个“变量”来强制绘制图例。我们使用aes映射线和点并且我们不是映射到数据集中的变量，而是映射到单个字符串（因此，我们可以每种得到仅一种颜色）。

```{r}
ggplot(nmmaps, aes(x=date, y=o3))+geom_line(aes(color="Important line"))+
  geom_point(aes(color="My points"))
```

我们接近了，但这不是我想要的。 我想要灰色和红色。 要更改颜色，我们可以使用scale_colour_manual（）。

```{r}
ggplot(nmmaps, aes(x=date, y=o3))+geom_line(aes(color="Important line"))+
   geom_point(aes(color="Point values"))+
  scale_colour_manual(name='', values=c('Important line'='grey', 'Point values'='red'))
```


令人着迷的接近！ 但是我们不希望点线都有。 线=灰色，点=红色。 最后一步是覆盖图例中的美学。 guide（）函数允许我们控制图例之类的指南：


```{r}
ggplot(nmmaps, aes(x=date, y=o3))+geom_line(aes(color="Important line"))+
   geom_point(aes(color="Point values"))+
  scale_colour_manual(name='', values=c('Important line'='grey', 'Point values'='red'), guide='legend') +
  guides(colour = guide_legend(override.aes = list(linetype=c(1,0)
                                                      , shape=c(NA, 16))))

```

瞧！

[返回目录](#0)


<h2 id='24'>背景颜色的使用</h2>

有多种方法可以使用一个函数来更改绘图的整体外观（请参见下文），但是如果您只想简单的更改面板的背景颜色，则可以使用以下方法：


<h3 id='25'>更改面板颜色(panel.background)</h3>

```{r}
ggplot(nmmaps, aes(date, temp))+geom_point(color="firebrick")+
  theme(panel.background = element_rect(fill = 'grey75'))
```


[返回目录](#0)

<h3 id='26'>更改网格线(panel.grid.major)</h3>

```{r}
ggplot(nmmaps, aes(date, temp))+geom_point(color="firebrick")+
  theme(panel.background = element_rect(fill = 'grey75'),
  panel.grid.major = element_line(colour = "orange", size=2),
  panel.grid.minor = element_line(colour = "blue"))
```


[返回目录](#0)


<h3 id='27'>更改绘图背景(不是面板)颜色(plot.background)</h3>

```{r}
ggplot(nmmaps, aes(date, temp))+geom_point(color="firebrick")+
  theme(plot.background = element_rect(fill = 'grey'))
```


[返回目录](#0)


<h2 id='28'>边距的使用</h2>

<h3 id='29'>更改图形边距(plot.margin)</h3>

有时我发现我需要在绘图的一处页边距处添加一点空间。与前面的示例类似，我们可以对theme（）函数使用参数。在这种情况下，参数为plot.margin。为了说明这一点，我将使用plot.background添加背景色，以便您可以看到默认值：

```{r}
# the default
ggplot(nmmaps, aes(date, temp))+
  geom_point(color="darkorange3")+
  labs(x="Month", y="Temp")+
  theme(plot.background=element_rect(fill="darkseagreen"))
```

现在让我们在左侧和右侧添加额外的空间。参数plot.margin可以处理各种不同的单位（厘米，英寸等），但是它需要使用包中网格的功能单位来指定单位。 在这里，我左右两侧使用了6厘米的边距。


```{r}
ggplot(nmmaps, aes(date, temp))+
  geom_point(color="darkorange3")+
  labs(x="Month", y="Temp")+
  theme(plot.background=element_rect(fill="darkseagreen"),
        plot.margin = unit(c(1, 6, 1, 6), "cm")) #top, right, bottom, left
```


再次，不是一个漂亮的图！


[返回目录](#0)


<h2 id='30'>多面板图的使用</h2>

ggplot2软件包具有两个不错的功能，可用于创建多面板绘图。 它们是相关的，但略有不同，facet_wrap本质上是基于单个变量创建了一系列图，而facet_grid可以基于两个变量。

<h3 id='31'>根据一个变量创建一行绘图(facet_wrap())</h3>

```{r}
ggplot(nmmaps, aes(date,temp))+geom_point(color="aquamarine4")+facet_wrap(~year, nrow=1)
```


[返回目录](#0)

<h3 id='32'>根据一个变量创建一个绘图矩阵(facet_wrap())</h3>

```{r}
ggplot(nmmaps, aes(date,temp))+geom_point(color="chartreuse4")+
    facet_wrap(~year, ncol=2)
```

[返回目录](#0)


<h3 id='33'>允许比例自由(scales))</h3>

ggplot2中多面板图的默认设置是在每个面板中使用相同的比例尺。但有时您希望通过面板自身的数据来确定比例。这通常不是一个好主意，因为它可能使您的用户对数据有错误印象，但是您如果你想使每个面板比例不同的话，可以这样设置scales =“ free”：

```{r}
ggplot(nmmaps, aes(date,temp))+geom_point(color="chartreuse4")+
  facet_wrap(~year, ncol=2, scales="free")
```

[返回目录](#0)

<h3 id='34'>使用两个变量创建绘图网格(facet_grid())</h3>

```{r}
ggplot(nmmaps, aes(date,temp))+geom_point(color="darkgoldenrod4")+
    facet_grid(year~season)
```

[返回目录](#0)

<h3 id='35'>并排放置两个(可能不相关的)图（pushViewport()，grid.arrange())</h3>

我发现这样做并不像传统的（基本）图形那样简单直接。 这儿有两种方法：


```{r}
myplot1<-ggplot(nmmaps, aes(date, temp))+geom_point(color="firebrick")
myplot2<-ggplot(nmmaps, aes(temp, o3))+geom_point(color="olivedrab")

pushViewport(viewport(layout = grid.layout(1, 2)))
print(myplot1, vp = viewport(layout.pos.row = 1, layout.pos.col = 1))
print(myplot2, vp = viewport(layout.pos.row = 1, layout.pos.col = 2))

# alternative, a little easier
grid.arrange(myplot1, myplot2, ncol=2)

```


将行的排列方式改成列的排列方式，可以将facet_grid(season〜year)更改为facet_grid(year〜season)。

[返回目录](#0)

<h2 id='36'>主题的使用</h2>


您可以使用自定义主题来更改绘图的整体外观。 例如，Jeffrey Arnold将ggthemes库与几个自定义主题组合在了一起。 有关列表，您可以访问[ggthemes网站](https://github.com/jrnold/ggthemes)。 这儿有一个例子：

<h3 id='37'>使用一个新主题(theme_XX())</h3>

```{r}
ggplot(nmmaps, aes(date, temp, color=factor(season)))+
  geom_point()+ggtitle("This plot looks a lot different from the default")+
  theme_economist()+scale_colour_economist()
```

[返回目录](#0)


<h3 id='38'>更改所有绘图文本元素的大小</h3>


就个人而言，我发现刻度文本，图例和其他元素的默认大小有点太小了。幸运的是，一次更改所有文本元素的大小非常容易。 如果您看了下面的“创建自定义主题”部分，将会注意到所有元素的大小都是相对于base_size的相对大小(rel())。因此，您只需更改base_size即可实现你的诉求。 这是代码：

```{r}
theme_set(theme_gray(base_size = 30))
ggplot(nmmaps, aes(x=date, y=o3))+geom_point(color="red")

```

[返回目录](#0)


<h3 id='39'>有关创建自定义主题的提示</h3>

如果要更改整个部分的主题,可以像在theme_set中一样使用theme_set(theme_bw())。默认名称为theme_gray。如果要创建自己的自定义主题，则可以直接从grey theme中提取代码并进行修改。请注意，rel()函数更改的是 相对于base_size的大小。 


```{r}

theme_gray

function (base_size = 12, base_family = "") 
{
  theme(
    line = element_line(colour = "black", size = 0.5, linetype = 1, lineend = "butt"), 
    rect = element_rect(fill = "white", colour = "black", size = 0.5, linetype = 1), 
    text = element_text(family = base_family, face = "plain", colour = "black", size = base_size, hjust = 0.5, vjust = 0.5, angle = 0, lineheight = 0.9), 
    
    axis.text = element_text(size = rel(0.8), colour = "grey50"), 
    strip.text = element_text(size = rel(0.8)), 
    axis.line = element_blank(), 
    axis.text.x = element_text(vjust = 1), 
    axis.text.y = element_text(hjust = 1), 
    axis.ticks = element_line(colour = "grey50"), 
    axis.title.x = element_text(), 
    axis.title.y = element_text(angle = 90), 
    axis.ticks.length = unit(0.15, "cm"), 
    axis.ticks.margin = unit(0.1, "cm"), 
    
    legend.background = element_rect(colour = NA), 
    legend.margin = unit(0.2, "cm"), 
    legend.key = element_rect(fill = "grey95", colour = "white"), 
    legend.key.size = unit(1.2, "lines"), 
    legend.key.height = NULL, 
    legend.key.width = NULL, 
    legend.text = element_text(size = rel(0.8)), 
    legend.text.align = NULL, 
    legend.title = element_text(size = rel(0.8), face = "bold", hjust = 0), 
    legend.title.align = NULL, 
    legend.position = "right", 
    legend.direction = NULL, 
    legend.justification = "center", 
    legend.box = NULL, 

    panel.background = element_rect(fill = "grey90", colour = NA), 
    panel.border = element_blank(), 
    panel.grid.major = element_line(colour = "white"), 
    panel.grid.minor = element_line(colour = "grey95", size = 0.25), 
    panel.margin = unit(0.25, "lines"), 
    panel.margin.x = NULL, 
    panel.margin.y = NULL, 

    strip.background = element_rect(fill = "grey80", colour = NA), 
    strip.text.x = element_text(), 
    strip.text.y = element_text(angle = -90), 
    
    plot.background = element_rect(colour = "white"), 
    plot.title = element_text(size = rel(1.2)), 
    plot.margin = unit(c(1, 1, 0.5, 0.5), "lines"), complete = TRUE)
}
```


[返回目录](#0)

<h2 id='40'>颜色的使用</h2>

对于一些简单的应用，在ggplot2中使用颜色是非常直接明了的，但是当你需要一些更高级的需要时，使用颜色就变得有一些挑战性。对于一些更为高级的应用，你应该参考[Hadley's Book](https://www.springer.com/gp/book/9780387981413#otherversion=9780387981406)，它涵盖了许多有用的内容。一些其他的资源，例如[R Cookbook](http://www.cookbook-r.com/Graphs/Colors_(ggplot2)/)或者[ggplot2 online docs]()，也是有用的参考。此外，哥伦比亚大学的Tian Zheng也创作了实用的[PDF of R colors](http://www.stat.columbia.edu/~tzheng/files/Rcolor.pdf)。

在使用颜色的时候，最重要的事情在于了解自己正在处理的是类别变量还是连续变量。

<h3 id='41'>类别变量：手动选取颜色(select_color_manual)</h3>

```{r}
ggplot(nmmaps, aes(date, temp, color=factor(season)))+
  geom_point() + 
  scale_color_manual(values=c("dodgerblue4", "darkolivegreen4",
                              "darkorchid3", "goldenrod1"))
```

[返回目录](#0)

<h3 id='42'>类别变量：使用内置调色板(根据colorbrewer2.org)(scale_color_brewer)</h3>

```{r}
ggplot(nmmaps, aes(date, temp, color=factor(season)))+
  geom_point() + 
  scale_color_brewer(palette="Set1")
```

或者使用Tableau中的配色(需要ggthemes)

```{r}
ggplot(nmmaps, aes(date, temp, color=factor(season)))+
  geom_point() + 
  scale_colour_tableau()
```

[返回目录](#0)

<h3 id='43'>连续变量的颜色选择(scale_color_gradient(), scale_color_gradient2())</h3>

在这里的例子里，我们将用臭氧浓度（ozong）这一变量，一个与气温（temperature）有密切联系的连续变量（高气温=高臭氧浓度）。scale_color_gradient()是一个连续的变化曲线，而scale_color_gradient2()是离散的。

这里是默认的连续颜色主题（序列颜色）：

```{r}
ggplot(nmmaps, aes(date, temp, color=o3))+geom_point()
```

当你手动变更色序高低时（序列颜色）：

```{r}
ggplot(nmmaps, aes(date, temp, color=o3))+geom_point()+
  scale_color_gradient(low="darkkhaki", high="darkgreen")
```

气温数据试正态分布的，因此可以考虑离散颜色主题。对于离散颜色，我们可以使用scale_color_gradient2()：

```{r}
mid<-mean(nmmaps$o3)
ggplot(nmmaps, aes(date, temp, color=o3))+geom_point()+
scale_color_gradient2(midpoint=mid,
                      low="blue", mid="white", high="red" )
```

[返回目录](#0)

<h2 id='44'>注解的使用</h2>

<h3 id='45'>在左上、右上等处添加文字注解(annotation_custom()和text_grob())</h3>

我经常不知道如何在不固定编码的情况下将文字加入图像。使用ggplot2，你可以将注解的坐标设置成Inf但是那并不是最优解。这里有一个例子（来自[此处代码](https://groups.google.com/g/ggplot2/c/X7pD7LNdY2Y)）。它应用了grid库使得你可以根据比例（0代表低，1代表高）来设定位置。

grobTree创建了一个网格图像，而textgrob创建了一个文字图像。annotation_custom()来自于ggplot2并且使用grob作为输入。

```{r}
my_grob = grobTree(textGrob("This text stays in place!", x=0.1,  y=0.95, hjust=0,
  gp=gpar(col="blue", fontsize=15, fontface="italic")))

ggplot(nmmaps, aes(temp, o3))+geom_point(color="firebrick")+
  annotation_custom(my_grob)
```

这是很重要的事情吗？答案是肯定的。当你有复数的图像并且标尺并不相同时，这样的设置便极为有价值。在接下来的图表中你可以看到虽然坐标的标尺在变化，但是上述的代码可以让注解出现在每一幅图表的同一位置：

```{r}
my_grob = grobTree(textGrob("This text stays in place!", x=0.1,  y=0.95, hjust=0,
  gp=gpar(col="blue", fontsize=12, fontface="italic")))

ggplot(nmmaps, aes(temp, o3))+geom_point(color="firebrick")+facet_wrap(~season, scales="free")+
  annotation_custom(my_grob)
```

[返回目录](#0)

<h2 id='46'>坐标的使用</h2>

<h3 id='47'>翻转图像(coord_flip())</h3>

其实翻转图像非常容易。这里我使用了coord_flip()，你只需要它就可以翻转你的图像。

```{r}
ggplot(nmmaps, aes(x=season, y=o3))+geom_boxplot(fill="chartreuse4")+coord_flip()
```

[返回目录](#0)

<h2 id='48'>不同图像种类的使用</h2>

<h3 id='49'>箱型图的替代品(geom_jitter()和geom_violin())</h3>

从箱型图开始

箱型图没什么不对的，但是他们有时候会显得枯燥。这里有一些替代品，但是我们先来看看箱型图怎么画：

```{r}
g<-ggplot(nmmaps, aes(x=season, y=o3))
g+geom_boxplot(fill="darkseagreen4")
```

有效吗？是的。有趣吗？难说。

点图：

如果我们只�画点呢？

```{r}
g+geom_point()
```

不仅枯燥，并且并没有传达出什么信息。我们可以尝试调整透明度，但是于事无补。我们可以试试别的：

发散点图：

我们可以把原本的数据点发散一些。我很喜欢这类图，但是需要注意你正在人工添加噪音，这可能会造成对于原本数据的误解。

```{r}
g+geom_jitter(alpha=0.5, aes(color=season),position = position_jitter(width = .2))
```

这看上去好些了。因为我们在用季节性数据，所以一些噪音不会影响对数据的认知。

小提琴式图：

小提琴式图和箱型图类似，只不过我们利用内部密度来显示哪里的数据最多。这是非常实用的一种图。

```{r}
g+geom_violin(alpha=0.5, color="gray")
```

如果我们翻转图表并且加入一些发散数据点的话...

```{r}
g+geom_violin(alpha=0.5, color="gray")+geom_jitter(alpha=0.5, aes(color=season),
      position = position_jitter(width = 0.1))+coord_flip()
```

这已经非常不错了。在应用这类罕见的图表时，请注意读者会需要更多时间来理解内容。有些时候简单传统的图表才是你与他人分享数据时的最好选择。箱型图可能很无趣，但是人们一眼就能明白它的含义。

[返回目录](#0)

<h3 id='50'>带状图(geom_ribbon())</h3>

我们并没有最适合带状图的数据，但是这类图非常有用。在这里的例子中，我们会用filter()来创建一个30天的动态平均，以便让我们的数据不太嘈杂。

```{r}
# add a filter
nmmaps$o3run<-as.numeric(filter(nmmaps$o3, rep(1/30,30), sides=2))
ggplot(nmmaps, aes(date, o3run))+geom_line(color="lightpink4", lwd=1)
```

如果我们用geom_ribbon()来填充图像的话会如何呢？

```{r}
ggplot(nmmaps, aes(date, o3run))+geom_ribbon(aes(ymin=0, ymax=o3run), fill="lightpink3", color="lightpink3")+
  geom_line(color="lightpink4", lwd=1)
```

这并不是最常见的使用geom_ribbon()的方式。我们可以尝试使用带状图来画出我们数据上下一标准差的区间：

```{r}
nmmaps$mino3<-nmmaps$o3run-sd(nmmaps$o3run, na.rm=T)
nmmaps$maxo3<-nmmaps$o3run+sd(nmmaps$o3run, na.rm=T)

ggplot(nmmaps, aes(date, o3run))+geom_ribbon(aes(ymin=mino3, ymax=maxo3), fill="steelblue2", color="steelblue2")+
  geom_line(color="steelblue4", lwd=1)
```

[返回目录](#0)

<h3 id='51'>拼接式相关性图(geom_tile())</h3>

不得不说，拼接式相关性图画起来非常繁琐，我经常需要复制粘贴我之前写过的代码。但是它们非常有用，因此我在这里也附上这类图的代码。

第一步是创建一个关联系数的矩阵。我用了皮尔森式因为所有的变量都呈正态分布。如果你的数据看起来不是这样，那你可以考虑斯皮尔曼式。请注意我将一半设置成了NA因为他们是多余的。

```{r}
#careful, I'm sorting the field names so that the ordering in the final plot is correct
thecor<-round(cor(nmmaps[,sort(c("death", "temp", "dewpoint", "pm10", "o3"))], method="pearson", use="pairwise.complete.obs"),2)
thecor[lower.tri(thecor)]<-NA
thecor
```

然后我要用reshape2中的melt功能将它转化为长格式，并且去除所有的NA。

```{r}
thecor<-melt(thecor)
thecor$Var1<-as.character(thecor$Var1)
thecor$Var2<-as.character(thecor$Var2)
thecor<-na.omit(thecor)
head(thecor)
```

现在到了画图，我用了geom_tile()，但是如果你有很多数据，可以考虑使用更快的geom_raster()。

```{r}
ggplot(thecor, aes(Var2, Var1))+
 geom_tile(data=thecor, aes(fill=value), color="white")+
 scale_fill_gradient2(low="blue", high="red", mid="white", 
  midpoint=0, limit=c(-1,1),name="Correlation\n(Pearson)")+
 theme(axis.text.x = element_text(angle=45, vjust=1, size=11, hjust=1))+
 coord_equal()
```

[返回目录](#0)

<h2 id='52'>柔化的使用</h2>

你大概已经知道用ggplot2来柔化你的数据有多么容易。你只需要使用stat_smooth()，它就会加入LOESS（如果数据量小于1000）或者GAM。在这里我们的数据量大于1000，所以使用了GAM。

<h3 id='53'>默认 - 使用LOESS或GAM(stat_smooth())</h3>

这是最简单的，不需要任何公式。

```{r}
ggplot(nmmaps, aes(date, temp))+geom_point(color="firebrick")+
  stat_smooth()
```

[返回目录](#0)

<h3 id='54'>设置公式(stat_smooth(formula=))</h3>

但是ggplot2允许你使用你想用的公式。例如，如果你想添加GAM的维度（给你的柔化添加一些波纹）：

```{r}
ggplot(nmmaps, aes(date, temp))+
  geom_point(color="grey")+
  stat_smooth(method="gam", formula=y~s(x,k=10), col="darkolivegreen2", se=FALSE, size=1)+
  stat_smooth(method="gam", formula=y~s(x,k=30), col="red", se=FALSE, size=1)+
  stat_smooth(method="gam", formula=y~s(x,k=50), col="dodgerblue4", se=FALSE, size=1)
```

[返回目录](#0)

<h3 id='55'>添加线性回归(stat_smooth(method="lm"))</h3>

尽管默认下是柔化，但是加一个线性回归也很容易：

```{r}
ggplot(nmmaps, aes(temp, death))+geom_point(color="firebrick")+
  stat_smooth(method="lm", se=FALSE)
```

当然这也可以用一些更复杂的方式得到：

```{r}
lmTemp<-lm(death~temp, data=nmmaps)
ggplot(nmmaps, aes(temp, death))+geom_point(col="firebrick")+
  geom_abline(intercept=lmTemp$coef[1], slope=lmTemp$coef[2])
```

[返回目录](#0)

<h2 id='56'>交互式线上图表</h2>

Plot.ly是一个非常不错的工具。它可以直接根据你的ggplot2图表中轻松地创建线上可交互图表。这个过程惊人地简单，并且可以在R中直接做到。我在另一篇[帖子](http://zevross.com/blog/2014/09/10/quickly-create-online-and-interactive-plots-using-plot-ly/)中有着详细的描述。

[返回目录](#0)

（本文基于RStudio (knitr. R version 3.0.2 (2013-09-25))和ggplot 0.9.3.1）