最近把之前的《R数据科学》的笔记整理一下，大概每篇文章整理2-3章，这本书有中英文两版，不知道为什么中文版比英文版少了一章，而且一些关键内容也有所删减，所以大家学习这本书的时候以英文版为准。
电子书下载地址：《R4ds》
源代码地址：https://github.com/hadley/r4ds
作者简介：
哈德利•威克姆（Hadley Wickham）
RStudio首席科学家，统计学家，斯坦福大学、奥克兰大学、莱斯大学兼职统计学教授。已被下载数百万次的ggplot2等多款知名R包的开发者，一直致力于让普罗大众更容易上手数据分析，被R社区誉为“改变了R的人”。另著有《R包开发》等书。
加勒特•格罗勒芒德（Garrett Grolemund）
RStudio数据科学家，知名R培训师，曾受邀在Google、eBay等诸多公司讲授R语言和数据科学，在DataCamp开授的R相关课程备受R开发者喜爱。另著有《R语言入门与实践》。
第一章：使用ggplot2进行数据可视化
1.1 简介
准备工作
本章重点讨论tidyverse 的一个核心R 包——ggplot2。为了访问本章用到的数据集、帮助页面和函数，需要先运行以下代码来加载tidyverse
install.packages("tidyverse")
library(tidyverse)
1.2 第一步
我们使用第一张图来回答问题：大引擎汽车比小引擎汽车更耗油吗？你可能已经有了答案，但应该努力让答案更精确一些。引擎大小与燃油效率之间是什么关系？是正相关，还是负相关？是线性关系，还是非线性关系？
1.2.1 mpg数据框
你可以使用ggplot2 包中的mpg 数据框（即ggplot2::mpg）来检验自己的答案。数据框是变量（列）和观测（行）的矩形集合。mpg 包含了由美国环境保护协会收集的38 种车型的观测数据。
> mpg
# A tibble: 234 x 11
manufacturer model displ year cyl trans drv cty hwy fl
<chr> <chr> <dbl> <int> <int> <chr> <chr> <int> <int> <chr>
1 audi a4 1.8 1999 4 auto~ f 18 29 p
2 audi a4 1.8 1999 4 manu~ f 21 29 p
3 audi a4 2 2008 4 manu~ f 20 31 p
4 audi a4 2 2008 4 auto~ f 21 30 p
5 audi a4 2.8 1999 6 auto~ f 16 26 p
6 audi a4 2.8 1999 6 manu~ f 18 26 p
7 audi a4 3.1 2008 6 auto~ f 18 27 p
8 audi a4 q~ 1.8 1999 4 manu~ 4 18 26 p
9 audi a4 q~ 1.8 1999 4 auto~ 4 16 25 p
10 audi a4 q~ 2 2008 4 manu~ 4 20 28 p
# ... with 224 more rows, and 1 more variable: class <chr>
mpg 中包括如下变量。
• displ：引擎大小，单位为升。
• hwy：汽车在高速公路上行驶时的燃油效率，单位为英里/ 加仑（mpg）。与燃油效率高的汽车相比，燃油效率低的汽车在行驶相同距离时要消耗更多燃油。要想了解更多关于mpg 的信息，可以使用?mpg 命令打开其帮助页面。
1.2.2 创建ggplot图形
为了绘制mpg 的图形，运行以下代码将displ 放在x 轴，hwy 放在y 轴：
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy))
上图显示出引擎大小（displ）和燃油效率（hwy）之间是负相关关系。换句话说，大引擎汽车更耗油。
在ggplot2 中，你可以使用ggplot() 函数开始绘图。ggplot() 创建了一个坐标系，你可以在它上面添加图层。ggplot() 的第一个参数是要在图中使用的数据集。ggplot(data = mpg)会创建一张空白图，因为这张图没什么意思，所以就不在这里展示了。
函数geom_point() 向图中添加一个点层，这样就可以创建一张散点图。ggplot2 中包含了多种几何对象函数，每种函数都可以向图中添加不同类型的图层。
ggplot2 中的每个几何对象函数都有一个mapping 参数。这个参数定义了如何将数据集中的变量映射为图形属性。mapping 参数总是与aes() 函数成对出现，aes() 函数的x 参数和y参数分别指定了映射到x 轴的变量与映射到y 轴的变量。ggplot2 在data 参数中寻找映射变量，本例中就是mpg。
1.2.3 绘图模板
将上面的代码转换为一个可重用的ggplot2 绘图模板。要想生成一张图，将以下代码中的尖括号部分替换为数据集、几何对象函数或映射集合即可：
ggplot(data = <DATA>) +
<GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))
1.2.4 练习
(1) 运行ggplot(data = mpg)，你会看到什么？
一片空白
(2) 数据集mpg 中有多少行？多少列？
234行11列
(3) 变量drv 的意义是什么？使用?mpg 命令阅读帮助文件以找出答案。
传动系的类型，其中f =前轮驱动，r =后轮驱动，4 = 4wd
(4) 使用hwy 和cyl 绘制一张散点图。
ggplot(data = mpg) +
geom_point(mapping = aes(x = cyl, y = hwy))
上图显示出引擎大小（displ）和燃油效率（hwy）之间是负相关关系。换句话说，大引擎汽车更耗油。
在ggplot2 中，你可以使用ggplot() 函数开始绘图。ggplot() 创建了一个坐标系，你可以在它上面添加图层。ggplot() 的第一个参数是要在图中使用的数据集。ggplot(data = mpg)会创建一张空白图，因为这张图没什么意思，所以就不在这里展示了。
函数geom_point() 向图中添加一个点层，这样就可以创建一张散点图。ggplot2 中包含了多种几何对象函数，每种函数都可以向图中添加不同类型的图层。
ggplot2 中的每个几何对象函数都有一个mapping 参数。这个参数定义了如何将数据集中的变量映射为图形属性。mapping 参数总是与aes() 函数成对出现，aes() 函数的x 参数和y参数分别指定了映射到x 轴的变量与映射到y 轴的变量。ggplot2 在data 参数中寻找映射变量，本例中就是mpg。
1.2.3 绘图模板
将上面的代码转换为一个可重用的ggplot2 绘图模板。要想生成一张图，将以下代码中的尖括号部分替换为数据集、几何对象函数或映射集合即可：
ggplot(data = <DATA>) +
<GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))
1.2.4 练习
(1) 运行ggplot(data = mpg)，你会看到什么？
一片空白
(2) 数据集mpg 中有多少行？多少列？
234行11列
(3) 变量drv 的意义是什么？使用?mpg 命令阅读帮助文件以找出答案。
传动系的类型，其中f =前轮驱动，r =后轮驱动，4 = 4wd
(4) 使用hwy 和cyl 绘制一张散点图。
ggplot(data = mpg) +
geom_point(mapping = aes(x = cyl, y = hwy))
(5) 如果使用class 和drv 绘制散点图，会发生什么情况？为什么这张图没什么用处？
ggplot(data = mpg) +
geom_point(mapping = aes(x = class, y =drv))
(5) 如果使用class 和drv 绘制散点图，会发生什么情况？为什么这张图没什么用处？
ggplot(data = mpg) +
geom_point(mapping = aes(x = class, y =drv))
车的类型与驱动类型之间没有对应关系，或者说两者无法发生关系。
1.3 图形属性映射
The greatest value of a picture is when it forces us to notice what we never expected to see. —John Tukey
下图中有一组点（显示为红色）似乎位于线性趋势之外。这些汽车比预期具有更高的里程数。
假设这些汽车是混合动力车。检验这种假设的一个方法是查看每辆汽车的class值。mpg 数据集中的class 变量对汽车进行了分类，比如小型、中型和SUV。如果那些离群点是混合动力车，那么它们应该分类为小型车，也可能是微型车（注意，这份数据是在混合动力车和SUV 流行前收集的）。
可以向二维散点图中添加第三个变量，比如class，方式是将它映射为图形属性。图形属性是图中对象的可视化属性，其中包括数据点的大小、形状和颜色。通过改变图形属性的值，可以用不同的方式来显示数据点（如下图所示）。因为已经使用“value”这个词来表示数据的值，所以下面使用“level”（水平）这个词来表示图形属性的值。我们来改变一个点的大小、形状和颜色来反映不同属性。
通过将图中的图形属性映射为数据集中的变量，可以传达出数据的相关信息。例如，可以将点的颜色映射为变量class，从而揭示每辆汽车的类型：
要想将图形属性映射为变量，需要在函数aes() 中将图形属性名称和变量名称关联起来。ggplot2 会自动为每个变量值分配唯一的图形属性水平（本例中是唯一的颜色），这个过程称为标度变换。ggplot2 还会添加一个图例，以表示图形属性水平和变量值之间的对应关系。
也可以用同样的方式将其映射为点的大小。在下面的示例中，每个点的实际大小表示其所属的类别。这里我们收到一条警告信息，因为将无序变量（class）映射为有序图形属性（size）可不是好主意。
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, size = class))
Warning message:
Using size for a discrete variable is not advised.
或者我们也可以将class 映射为控制数据点透明度的alpha 图形属性，还可以将其映射为点的形状。
# 上图
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, alpha = class))
# 下图
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, shape = class))
SUV 怎么了？ ggplot2 只能同时使用6 种形状。默认情况下，当使用这种图形属性时，多出的变量值将不会出现在图中。
一旦映射了图形属性，ggplot2 会处理好其余的事情。它会为图形属性选择一个合适的标度，并创建图例来表示图形属性水平和变量值之间的映射关系。ggplot2 不会为x 和y 这两个图形属性创建图例，而会创建带有刻度标记和标签的坐标轴。坐标轴就相当于图例，可以体现出位置和变量值之间的映射关系。
还可以手动为几何对象设置图形属性。例如，我们可以让图中的所有点都为蓝色：
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy), color = "blue")
此时颜色不会传达关于变量的信息，只是改变图的外观。要想手动设置图形属性，需要按名称进行设置，将其作为几何对象函数的一个参数。这也就是说，需要在函数aes() 的外部进行设置。此外，还需要为这个图形属性选择一个有意义的值。
• 颜色名称是一个字符串。
• 点的大小用毫米表示。
• 点的形状是一个数值，如图1-1 所示。有些形状相同，比如0、15 和22 都是正方形。
形状之间的区别在于color 和fill 这两个图形属性。空心形状（0~14）的边界颜色由color 决定；实心形状（15~20）的填充颜色由color 决定；填充形状（21~24）的边界颜色由color 决定，填充颜色由fill 决定。
练习
(1) 以下这段代码有什么错误？为什么点不是蓝色的？
ggplot(data = mpg) +
geom_point(
mapping = aes(x = displ, y = hwy, color = "blue"))
color在mapping的括号里面,成为了图形属性映射
(2) mpg 中的哪些变量是分类变量？哪些变量是连续变量？（提示：输入?mpg 来阅读这个数据集的文档。）当调用mpg 时，如何才能看到这些信息？
在每一列的下方有<chr>和<int>两个属性，其中<chr>是分类变量，<int>是连续变量
(3) 将一个连续变量映射为color、size 和shape。对分类变量和连续变量来说，这些图形属性的表现有什么不同？
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, color = hwy))
颜色是一个渐变色，大小也是渐变，形状会报错
(4) 如果将同一个变量映射为多个图形属性，会发生什么情况？
两种属性会结合，例如颜色和大小
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, size = class, color=class))
(5) stroke 这个图形属性的作用是什么？它适用于哪些形状？（提示：使用?geom_point 命令。）
改变形状的边框的大小
(6) 如果将图形属性映射为非变量名对象，比如aes(color = displ < 5)，会发生什么情况？
Error: geom_point requires the following missing aesthetics: x and y
1.4 常见问题
当开始运行R 代码时，你很可能会遇到问题。不用担心，每个人都会遇到问题。首先，将你需要运行的代码与书中的代码进行仔细对比。R 极其挑剔，即使一个字母放错了位置，也可能会造成问题。确保每个( 都有一个) 与之匹配，并且每个" 后面都跟着另一个"。有时运行了代码却什么也没有发生。检查一下控制台左侧：如果有一个+ 号，那么说明R 认为你没有输入完整的表达式，正在等待你完成输入。这种情况下，按Esc 键中止当前执行的命令就可以重新开始。
创建ggplot2 图形时的一个常见问题是将+ 号放错了位置：+ 必须放在一行代码的末尾，而不是开头。
1.5 分面
添加额外变量的一种方法是使用图形属性。另一种方法是将图分割成多个分面，即可以显示数据子集的子图。这种方法特别适合添加分类变量。
要想通过单个变量对图进行分面，可以使用函数facet_wrap()。其第一个参数是一个公式，创建公式的方式是在~ 符号后面加一个变量名（这里所说的“公式”是R 中的一种数据结构，不是数学意义上的公式）。传递给facet_wrap() 的变量应该是离散型的。
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy),stroke=1.5) +
facet_wrap(~ class, nrow = 2)
要想通过两个变量对图进行分面，需要在绘图命令中加入函数facet_grid()。这个函数的第一个参数也是一个公式，但该公式包含由~ 隔开的两个变量名。
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(drv ~ cyl)
如果不想在行或列的维度进行分面，你可以使用. 来代替变量名，例如+ facet_grid(. ~cyl)。
练习
(1) 如果使用连续变量进行分面，会发生什么情况？
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(~ cty)
(2) 在使用facet_grid(drv ~ cyl) 生成的图中，空白单元的意义是什么？它们和以下代码生成的图有什么关系？
虽然空白单元没有数据，但也代表了一种组合
ggplot(data = mpg) +
geom_point(mapping = aes(x = drv, y = cyl))
这张图生成的是没有意义的图，每个点代表每种组合，facet_grid(drv ~ cyl) 生成的图则将每个组合中displ和 hwy之间的关系表现了出来。
(3) 以下代码会绘制出什么图？ . 的作用是什么？
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(drv ~ .)
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(. ~ cyl)
.的作用决定了分布方向，如果前面出现、纵向分布，反之为横向分布
(4) 查看本节的第一个分面图：
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_wrap(~ class, nrow = 2)
与使用图形属性相比，使用分面的优势和劣势分别是什么？如果有一个更大的数据集，
你将如何权衡这两种方法的优劣？
使用分面能更好的体现出每个类别displ与hwy的关系，但是没办法比较不同类别之间的区别
使用属性能更好的体现整体的关系，但是个体差异不明显
1.6 几何对象
两张图有同样的x 变量和y 变量，而且描述的是同样的数据。但这两张图并不一样，它们各自使用不同的可视化对象来表示数据。在ggplot2 语法中，我们称它们使用了不同的几何对象。
几何对象是图中用来表示数据的几何图形对象。我们经常根据图中使用的几何对象类型来描述相应的图。例如，条形图使用了条形几何对象，折线图使用了直线几何对象，箱线图使用了矩形和直线几何对象。散点图打破了这种趋势，它们使用点几何对象。如上面的两幅图所示，我们可以使用不同的几何对象来表示同样的数据。左侧的图使用了点几何对象，右侧的图使用了平滑曲线几何对象，以一条平滑曲线来拟合数据。要想改变图中的几何对象，需要修改添加在ggplot() 函数中的几何对象函数。举例来说，要想绘制出上图，你可以使用以下代码：
# 左图
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy))
# 右图
ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy))
ggplot2 中的每个几何对象函数都有一个mapping 参数。但是，不是每种图形属性都适合每种几何对象。你可以设置点的形状，但不能设置线的“形状”，而可以设置线的线型。geom_smooth() 函数可以按照不同的线型绘制出不同的曲线，每条曲线对应映射到线型的变量的一个唯一值：
ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy, linetype = drv))
根据表示汽车驱动系统的drv 变量的值，这里的geom_smooth() 函数分别用3 条曲线来表示汽车。一条线表示drv 值为4 的所有汽车，一条线表示drv 值为f 的所有汽车，另一条线表示drv 值为r 的所有汽车。其中4 表示四轮驱动，f 表示前轮驱动，r 表示后轮驱动。如果你觉得这有些难以理解，我们可以将这些曲线覆盖在原始数据上，并按照drv 值对所有的点和线进行着色，这样你就能看得更清楚一些了。
要想在同一张图中显示多个几何对象，可以向ggplot() 函数中添加多个几何对象函数：
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
geom_smooth(mapping = aes(x = displ, y = hwy))
但是，这样代码就产生了一些重复。假如你想将y 轴上的变量从hwy 改成cty，那么就要在两个地方修改这个变量，但你或许会漏掉一处。避免这种重复的方法是将一组映射传递给ggplot() 函数。ggplot2 会将这些映射作为全局映射应用到图中的每个几何对象中。
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point() +
geom_smooth()
如果将映射放在几何对象函数中，那么ggplot2 会将其看作这个图层的局部映射，它将使用这些映射扩展或覆盖全局映射，但仅对该图层有效。这样一来，我们就可以在不同的图层中显示不同的图形属性：
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point(mapping = aes(color = class)) +
geom_smooth()
同理，你也可以为不同的图层指定不同的数据。下图中的平滑曲线表示的只是mpg 数据集的一个子集，即微型车。geom_smooth() 函数中的局部数据参数覆盖了ggplot() 函数中的全局数据参数，当然仅对这个图层有效：
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point(mapping = aes(color = class)) +
geom_smooth(
data = filter(mpg, class == "subcompact"),
se = FALSE
)
练习
(1) 在绘制折线图、箱线图、直方图和分区图时，应该分别使用哪种几何对象？
折线图使用了直线几何对象，箱线图使用了矩形和直线几何图像、直方图使用了使用了矩形几何对象
(2) 在脑海中运行以下代码，并预测会有何种输出。接着在R 中运行代码，并检查你的预测是否正确。
ggplot(
data = mpg,
mapping = aes(x = displ, y = hwy, color = drv)
) +
geom_point() +
geom_smooth(se = FALSE)
(3) show.legend = FALSE 的作用是什么？删除它会发生什么情况？你觉得我为什么要在本章前面的示例中使用这句代码？
sohw.legend=FLASE去掉图例
(4) geom_smooth() 函数中的se 参数的作用是什么？
se如果设定为TRUE，则会为曲线设定置信区间，FLASE则没有置信区间
(6) 自己编写R 代码来生成以下各图。
#######1
ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
geom_point() +
geom_smooth(se=FALSE)
#######2
ggplot() +
geom_point(
data = mpg,
mapping = aes(x = displ, y = hwy)
) +
geom_smooth(
data = mpg,
mapping = aes(x = displ, y = hwy,group=drv),se=FALSE)
#######3
ggplot(data = mpg, mapping = aes(x = displ, y = hwy,color=drv)) +
geom_point() +
geom_smooth(se = FALSE)
#######4
ggplot() +
geom_point(
data = mpg,
mapping = aes(x = displ, y = hwy,color=drv)
) +
geom_smooth(
data = mpg,
mapping = aes(x = displ, y = hwy),se=FALSE)
######5
ggplot() +
geom_point(
data = mpg,
mapping = aes(x = displ, y = hwy,color=drv)
) +
geom_smooth(
data = mpg,
mapping = aes(x = displ, y = hwy,linetype=drv),se=FALSE)
######6
ggplot() +
geom_point(
data = mpg,
mapping = aes(x = displ, y = hwy,color=drv))
1.7 统计变换
接下来我们看一下条形图。条形图虽然简单，但很有意思，因为它可以揭示出图形中的一些微妙信息。我们看一下用geom_bar() 函数就可以绘制的基本条形图。下面的条形图显示了diamonds 数据集中按照cut 变量分组的各种钻石的总数量。diamonds 数据集是ggplot2的内置数据集，包含大约54 000 颗钻石的信息，每颗钻石具有price、carat、color、clarity 和cut 变量。条形图显示，高质量切割钻石的数量要比低质量切割钻石的数量多：
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut))
条形图x 轴显示的是cut，这是diamonds 数据集中的一个变量。y 轴显示的是count，但count 不是diamonds 中的变量！那么count 来自哪里呢？很多图形绘制的是数据集的原始数据，比如散点图。另外一些图形则可以绘制那些计算出的新数据，比如条形图。
• 条形图、直方图和频率多边形图可以对数据进行分箱，然后绘制出分箱数量和落在每个分箱的数据点的数量。
• 平滑曲线会为数据拟合一个模型，然后绘制出模型预测值。
• 箱线图可以计算出数据分布的多种摘要统计量，并显示一个特殊形式的箱体。
绘图时用来计算新数据的算法称为stat（statistical transformation，统计变换）。下图描述了geom_bar() 函数的统计变换过程。
通常来说，几何对象函数和统计变换函数可以互换使用。例如，你可以使用stat_count()替换geom_bar() 来重新生成前面那张图：
ggplot(data = diamonds) +
stat_count(mapping = aes(x = cut))
你可能想要覆盖从统计变换生成的变量到图形属性的默认映射。例如，你或许想显示一张表示比例（而不是计数）的条形图：
ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, y = ..prop.., group = 1)
)
你可能想要在代码中强调统计变换。例如，你可以使用stat_summary() 函数将人们的注意力吸引到你计算出的那些摘要统计量上。stat_summary() 函数为x 的每个唯一值计算y 值的摘要统计：
练习
(1) stat_summary() 函数的默认几何对象是什么？不使用统计变换函数的话，如何使用几何对象函数重新生成以上的图？
geom_pointrange，
(2) geom_col() 函数的功能是什么？它和geom_bar() 函数有何不同？
直方图，其中柱状图的高度表示数据中的值，geom_col()的默认统计变换为identity()，geom_bar()默认为count()
1.8 位置调整
可以使用color 或者fill（这个更有用）图形属性来为条形图上色：
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, color = cut))
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = cut))
如果将fill 图形属性映射到另一个变量（如clarity），那么条形会自动分块堆叠起来。每个彩色矩形表示cut 和clarity 的一种组合。
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = clarity))
这种堆叠是由position 参数设定的位置调整功能自动完成的。如果不想生成堆叠式条形图，你还可以使用以下3 种选项之一："identity"、"fill" 和"dodge"。
• position = "identity" 将每个对象直接显示在图中。这种方式不太适合条形图，因为条形会彼此重叠。为了让重叠部分能够显示出来，我们可以设置alpha 参数为一个较小的数，从而使得条形略微透明；或者设定fill = NA，让条形完全透明：
ggplot(
data = diamonds,
mapping = aes(x = cut, fill = clarity)
) +
geom_bar(alpha = 1/5, position = "identity")
ggplot(
data = diamonds,
mapping = aes(x = cut, color = clarity)
) +
geom_bar(fill = NA, position = "identity")
• position = "fill" 的效果与堆叠相似，但每组堆叠条形具有同样的高度，因此这种条形图可以非常轻松地比较各组间的比例：
ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, fill = clarity),
position = "fill"
)
• position = "dodge" 将每组中的条形依次并列放置，这样可以非常轻松地比较每个条形表示的具体数值：
ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, fill = clarity),
position = "dodge"
)
回忆一下我们的第一张散点图。你是否发现，虽然数据集中有234 个观测值，但散点图中只显示了126 个点？
因为hwy 和displ 的值都进行了舍入取整，所以这些点显示在一个网格上时，很多点彼此重叠了。这个问题称为过绘制。点的这种排列方式很难看出数据的聚集模式。数据点是均匀地分布在图中，还是存在hwy 和displ 的特殊组合，其中包括了109 个点？
通过将位置调整方式设为“抖动”，可以避免这种网格化排列。position = "jitter" 为每个数据点添加一个很小的随机扰动，这样就可以将重叠的点分散开来，因为不可能有两个点会收到同样的随机扰动：
添加随机性来改善图形似乎是一种奇怪的方式，然而尽管这种方式会损失图形的精确性，但可以大大提高图形的启发性。因为这种操作的用处非常大，所以ggplot2 提供了geom_point(position = "jitter") 的一种快速实现方式：geom_jitter()。
1.9坐标系
坐标系可能是ggplot2 中最复杂的部分。默认的坐标系是笛卡儿直角坐标系，可以通过其独立作用的x 坐标和y 坐标找到每个数据点。偶尔也会用到一些其他类型的坐标系。
• coord_flip() 函数可以交换x 轴和y 轴。当想要绘制水平箱线图时，这非常有用。它也非常适合使用长标签，但要想在x 轴上不重叠地安排好它们是非常困难的：
ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
geom_boxplot()
ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
geom_boxplot() +
coord_flip()
• coord_polar() 函数使用极坐标系。极坐标系可以揭示出条形图和鸡冠花图间的一种有趣联系：
bar <- ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, fill = cut),
show.legend = FALSE,
width = 1
) +
theme(aspect.ratio = 1) +
labs(x = NULL, y = NULL)
p1<-bar + coord_flip()
p2<-bar + coord_polar()
ggarrange(p1, p2)
1.10 图形分层语法
在前面几节中，你学到的绝不仅仅是如何绘制散点图、条形图和箱线图，而是使用ggplot2绘制任何类型图形的基础知识。为了说明这一点，我们向前面的代码模板中添加位置调整、统计变换、坐标系和分面：
ggplot(data = <DATA>) +
<GEOM_FUNCTION>(
mapping = aes(<MAPPINGS>),
stat = <STAT>,
position = <POSITION>
) +
<COORDINATE_FUNCTION> +
<FACET_FUNCTION>
为了说明图形语法的工作方式，我们看一下如何从头开始构建一个基本图形：首先需要有一个数据集，然后（通过统计变换）将其转换为想要显示的信息。
接下来，你可以选择一个几何对象来表示转换后的数据中的每个观测值，然后选择几何对象的图形属性来表示数据中的变量，这会将每个变量的值映射为图形属性的水平。
下一步是选择放置几何对象的坐标系。你可以使用对象位置（对象本身的一个图形属性）来显示x 变量和y 变量的值。这样就生成了一张完整的图。但你还可以进一步调整几何对象在坐标系中的位置（位置调整），或者将图划分为多个子图（分面）。你还可以通过添加一个或多个附加图层对图进行扩展，其中每个附加图层都使用一个数据集、一个几何对象、一个映射集合、一个统计变换和一个位置调整。
