R语言最擅长绘图。R语言最擅长的绘图包是ggplot2，由于很多朋友没有接触过ggplot2，必须要对其语言方式有个初步的认识。所以入门学习是必须的。公众号先前若干篇文章已经介绍ggplot2绘图的基本方法（具体可以关注文末链接），为推动学习，今天介绍再次系统的一番。

ggplot2包是R的一个作图用的最精彩的扩展包，它实现了“图形的语法”，将一个作图任务分解为若干个子任务，只要完成各个子任务就可以完成作图。在作常用的图形时，只需要两个步骤：首先将图形所展现的数据输入到ggplot()函数中，然后调用某个geom_xxx()函数，指定图形类型，如散点图、曲线图、盒形图等。

如果需要进一步控制图形细节，只要继续调用其它函数，就可以控制变量值的表现方式(scale)、图例、配色等。这使得我们很容易做出基本的图形，在有需要时再深入学习，做出更为满意的图形。

与基本R中的作图系统相比， ggplot2的作图有规律可循，作图结果直接达到出版印刷质量，除了可以按照一些既定模式做出常见种类的图形，也很容易将不同图形种类组合在一起，或者设计新颖的图形。基本R的作图结果通常不够美观，如果要将不同种类图形组合在一起比较困难，对设计新的图形类型支持也不够好。

ggplot2 的绘图理念与基础的绘图有很大的不同，基础的绘图就好像是先铺好画布，然后在画布上画图，是一个平面的，而ggplot2打破了这种画图的方式 ，采用了图层的概念进行画图，先画好基础图，然后再往上一层一层的叠加图层，所以在进行ggplot2画图的时候，代码中会有大量的“+”，这就是对于图层的叠加。本章将大致的给大家介绍医学数据应用ggplot2基本的结构。

ggplot2 图层元素

1.数据（data）：将要可视化的数据

2.映射（aes）：数据中的变量值

3.几何对象（geom）：如bar条形图，point散点图

4. 统计变换（stats）：对数据进行计算

5.标度（scale）：变量以什么形状、颜色映射到图形上

6. 分面（facet）：将数据拆开，进行分层画图

7. 主题（theme）：主题设定，与数据无关的图层可以通过这个函数实现。

8. 注释 (annotate): 对图形增加文字类的注释

ggplot（）图层

ggplot （）图层包括数据和映射。ggplot函数相当于一幅基本的画布，画者在上面绘制好坐标轴，设置好基本的格局和色彩、线条。

geom_XXX（） 图层

geom_XXX（） 指的是我们要绘制的图形类型，常见包括以下：

geom_point（）绘制散点图

geom_bar（）绘制条形图

geom_line（）绘制线图

geom_histogram（）绘制直方图

geom_boxplot（） 绘制箱式图

geom_density（） 绘制概率密度函数

scale_ XXX 图层

scale_ XXX 标度是一种函数，size对大小进行调整，shape对形状进行调整，fill、col对颜色进行调整，可根据自己喜好调整

ggplot(data =数据 ,  aes(x =变量1 , y = 变量2,col=变量3)) +

     geom_point(stat = 'count'，position=”dodge”)+  #计数、并排

     scale_fill_manual(values = c("颜色1","颜色2"))

facet_grid() 图层

facet_grid(...) 对图层进行分面，数据分成多个子集进行绘图

ggplot(data =数据 ,  aes(x =变量1 , y = 变量2,col=变量3)) +

geom_point(stat = 'count'，position=”dodge”)+

scale_colour_manual(values = c("颜色1","颜色2"))+

facet_grid(变量4~变量5) #要求变量属于分类变量，分成多行多列的图

theme() 图层

theme() 是主题修改，是一个对绘图精雕细琢的过程, 主要对标题、坐标轴标签、图例标签等文字调整, 以及网格线、背景、轴的颜色搭配。

theme(plot.title = element_text(size = , color =, hjust = , face = ))

ggplot2的作图一般步骤为：

· 准备数据，一般为数据框，且一般为长表，即每个观测时间占一行，每个观测变量占一列。

· 载入R包，R包括可以通过tidyverse包整体载入。

·  将数据输入到ggplot()函数中，并指定参与作图的每个变量分别映射到哪些图形特性，比如映射为x坐标、y坐标、颜色、形状等。这些映射称为aesthetic mappings或aesthetics。

很多人不明白所谓的映射。其实映射，通俗来讲，就是告诉软件，这幅图所涉及到的变量，并且指出每个变量的用途。比如，x=gender，指的是x轴是性别；y=age，指的是y轴表示年龄大小，shape=location，指的是不同地区图标的形状不一样（比如城市用星号，农村用三角）

·   选择一个合适的图形类型，函数名以geom_开头，如geom_point()表示散点图。图形类型简称为geom。将ggplot()部分与geom_xxx()部分用加号连接。到此已经可以作图，下面的步骤是进一步的细化设定。

·   设定适当的坐标系统，如coord_cartesian(), scale_x_log10()等。仍用加号连接。

·    设定标题和图例位置等，如labs()。仍用加号连接。

这个流程的一个大致的模板为：

p <-ggplot(data=<输入数据框>,

     mapping=aes(<维度>=<变量名>,

     <维度>=<变量名>, <...>))

p +geom_<图形类型>(<...>) +

 scale_<映射>_<类型>(<...>) +

 coord_<类型>(<...>) +

 labs(<...>)

其中<...>表示额外的选项。变量p包含做出的图形的所有数据与设定，变量名可以任意取。

我接下来讲引用R语言自带数据库，以散点图为例，进行ggplot2绘图。

本文数据集来自gapminder扩展包的gapminder数据集，有若干个国家不同年份的一些数据，包括所属洲、期望寿命、人口数、人均GDP。有1704个观测和6个变量。数据库的变量包括country（国家） 、continent（洲）、year（年）、lifeExp（期望寿命）、pop（人口数）、gdpPercap(人均GDP)

library(gapminder)

head(gapminder, 6)

# A tibble: 6 x 6

country     continent  year lifeExp      pop gdpPercap

 <fct>       <fct>     <int>   <dbl>    <int>     <dbl>

1 Afghanistan Asia       1952    28.8 8425333      779.

2 Afghanistan Asia       1957    30.3 9240934      821.

3 Afghanistan Asia       1962    32.0 10267083      853.

4 Afghanistan Asia       1967    34.0 11537966      836.

5 Afghanistan Asia       1972    36.1 13079460      740.

6 Afghanistan Asia       1977    38.4 14880372      786.

这个数据集有多个国家在多个年份的期望寿命与人均GDP值，作期望寿命对人均GDP的散点图，每个国家的每个年份作为一个点。散点图最重要的映射是x轴与y轴两个维度。

1. 最基本的散点图

首先调用绘图基本函数ggplot()函数，指定数据集，将人均GDP映射到x轴，将期望寿命映射到y轴，结果保存为一个R变量：

p <-ggplot(data = gapminder,

 mapping =aes(

   x = gdpPercap,

   y = lifeExp))

ggplot()的调用中，可以省略data =, mapping =, x =, y =，写成：

p <-ggplot(gapminder, aes(gdpPercap, lifeExp))

ggplot函数，相当于一幅基本的画布，画者在上面绘制好坐标轴，设置好基本的格局和色彩、线条。

在如上指定了数据和映射后，只要用geom_xxx()指定一个图形类型，并与ggplot()的结果用加号连接就可以作图了，如：

p +geom_point()

x、y轴是最常见的映射，也可以将变量映射为颜色、符号、线型等，这时不需要指定具体的颜色、符号、线型，而是将变量映射为这些图形元素类型。

2. 更多的美图

指定数据集、指定映射、选择适当的图形类型就可以做出基本的图形，随后可以逐步对坐标系、坐标系刻度、标签与图例、配色等进行改善。实际上，ggplot2包已经提供了十分合理的预设值，用户只要进行一些必要的改动即可。

作图步骤之间用加号连接，这是ggplot包特有的语法。例如，用相同的映射基于geom_smooth() 做出拟合曲线图：

p +geom_smooth()

## `geom_smooth()` using method ='gam' and formula 'y ~ s(x, bs = "cs")'

用相同的映射做出散点图并叠加拟合曲线图：

p +geom_point() +geom_smooth()

## `geom_smooth()` using method ='gam' and formula 'y ~ s(x, bs = "cs")'

geom_smooth()的默认设置调用了gam()函数来拟合曲线，可以用geom_smooth()的参数选择不同的拟合方法，如直线拟合：

p +geom_point() +geom_smooth(method="lm")

注意geom_xxx()函数计算所需的变量值是从ggplot()函数保存在变量p中的信息提取的。

在以上的所有图形中， x轴变量（人均GDP）分布非正态，严重右偏，使得大多数散点重叠地分布在直角坐标系的左下角。将x轴用对数刻度可以改善，函数为scale_x_log10():

p +geom_point() +

 geom_smooth(method="gam") +

 scale_x_log10()

广义可加模型拟合的曲线基本是一条直线。注意，对数刻度实际上是对原始数据进行对数变换，而geom_smooth()的拟合计算是在对数变换之后进行的。

刚刚的图形的横坐标轴刻度不太友好，可以调用scales扩展包的适当函数进行改善，作为scale_x_log10()的labels选项：

p +geom_point() +

 geom_smooth(method="gam") +

 scale_x_log10(labels=scales::dollar)

scale_xxx()的labels选项指定如何标出坐标刻度数字，参数值是一个函数对象，如果scales包中找不到适当的功能，可以自定义一个函数将数值转换为字符串。 scales包提供了comma,  date, dollar,  math,number, ordinal, pvalue, scientific, time 等坐标刻度值转换函数。

4. 在geom_point()和geom_smooth()加点简单元素

geom_xxx()函数接受许多关于颜色、透明度、符号、线型的设置参数。比如，下面的程序指定了散点的透明度，以及散点图的颜色的粗细：

p <-ggplot(data=gapminder,

 mapping =aes(

   x = gdpPercap,

   y = lifeExp))

p +geom_point(color="chartreuse4",alpha=0.5) +

 geom_smooth(method="loess") +

 scale_x_log10(labels=scales::dollar)

当然，也可以对geom_smooth()玩一把

p +geom_point(color="chartreuse4",alpha=0.5) +

 geom_smooth(color="cadetblue1", se =FALSE, size =2, alpha =0.3) 

程序中size指定了线的以毫米为单位的粗细， se = FALSE关闭了置信区间显示。用alpha =设置了透明度，取0和1之间的值，数值越小越透明。在有许多个点时适当设置透明度可以比较好地显示出重叠的点，重叠点越多点的颜色越深。虽然这里设置了固定的透明度，也可以在aes()中将透明度alpha映射到某个变量，使得该变量值大小用点的透明度表示。

画线时可以用linetype参数指定线型， 0表示实线， 1到6分别表示不同的虚线线型。

最后，来一个下面用labs()函数给图形加上适当的标题：

p +geom_point(color="chartreuse4",alpha=0.5) +

 geom_smooth(color="cadetblue1", se =FALSE, size =2, alpha =0.3) 

labs(

   x ="人均GDP",

   y ="期望寿命（年数）",

   title ="经济增长与期望寿命",

   subtitle ="数据点为每个国家每年",

   caption ="数据来源: gapminder"  )

3.颜色、符号、线型等映射

在ggplot()函数的mapping参数的aes()设定中将变量映射到x、y轴，颜色、符号、线型等图形元素类型，也可以作为图形设置将某些图形元素设置为固定值。

例如，用不同颜色表示不同大洲，就是将continent变量映射到color:

p <-ggplot(data=gapminder,

 mapping =aes(

   x = gdpPercap,

   y = lifeExp,

   color = continent))

程序中仅指定了将大洲映射到颜色维，并不具体指定所用的颜色。

作带有局部多项式曲线拟合的散点图：

p +geom_point() +

 geom_smooth(method="loess") +

 scale_x_log10(labels=scales::dollar)

可以看出，不同散点用了不同颜色表示其continent变量的值，五个大洲分别进行了曲线拟合，曲线使用了不同颜色但置信域颜色相同，使得难以认读。在图形右侧自动生成了颜色与continent变量值的对应关系图例。

下面的图形仍分不同大洲作曲线拟合，并将置信区间阴影的颜色也用不同大洲区分，方法是在aes()中将color和fill都指定为变量continent:

p <-ggplot(data=gapminder,

 mapping =aes(

   x = gdpPercap,

   y = lifeExp,

   color = continent,

   fill = continent))

p +geom_point() +

 geom_smooth(method="loess") +

 scale_x_log10(labels=scales::dollar)

4. 在geom_xxx() 映射变量

在前面的一个例图中，在ggplot()函数中将color和fill映射到了continent变量，使得不仅散点颜色代表了不同大洲，还使得每个大洲单独拟合了曲线。如果希望所有大洲拟合同一条曲线怎么办？

在必要时，可以在geom_xxx()函数中用mapping = aes(<...>)单独指定变量映射。例如，下面的程序在geom_point()中将不同大洲映射为不同颜色，而不影响geom_smooth()中的颜色以及分组：

p <-ggplot(data=gapminder,

 mapping =aes(

   x = gdpPercap,

   y = lifeExp))

p +geom_point(mapping =aes(color = continent)) +

 geom_smooth(method="loess") +

 scale_x_log10(labels=scales::dollar)

也可以将一个分类变量映射到不同绘图符号。例如，取gapminder 2007年数据子集，将大洲映射到符号(shape)：

p <- ggplot(data = filter(gapminder,year==2007),

            mapping = aes(

              x = gdpPercap,

              y = lifeExp))

p + geom_point(mapping =aes(shape = continent), alpha = 0.4, size = 4) +

 scale_x_log10(labels=scales::dollar)

这种映射仅适用于点数比较少的情况,太多密密麻麻不好看（为此我们用了filter函数抽取2007年的数据），还用了size参数指定符号的大小（单位：毫米）。如果所有点使用同一符号并需要指定符号，可以在geom_point()中用shape参数指定，可以用0到25的整数值表示，比如19为实心点，也可以用字符串符号名称表示，如"circle"表示实心点。参见ggplot2帮助目录中的vignette ggplot2:ggplot2-specs。

也可以将连续变量映射为渐变色。除了表示二元函数的等值线图以外这种方法并不利于读者认读。

例如，将人口数取自然对数映射为渐变色：

p <-ggplot(data=gapminder,

 mapping =aes(

   x = gdpPercap,

   y = lifeExp,

   color =log(pop)))

p +geom_point() +

 geom_smooth(method="loess") +

 scale_x_log10(labels=scales::dollar)

5.小图

前面所有国家的图包含了过多的曲线， 使得图形表现得很拥挤。可以将一个作图区域拆分成若干个小块， 称为小图（facet）， 按照某一个或两个分类变量的不同值将数据分为若干个子集， 每个数据子集分别在小图上作图。

对于上面的例子， 可以将每个大洲的图形分别放置在一个小图上。小图不是一种变量映射， 而是一种图形摆放方法， 所以不设置在aes()函数内， 而是用facet_wrap()函数规定。 程序如：

p <-ggplot(data=gapminder,

               mapping =aes(

               x = gdpPercap,

                y = lifeExp,

             color= continent))

p +geom_point() +

    geom_smooth(method="loess") +

     scale_x_log10(labels=scales::dollar)+

facet_wrap(~ continent, ncol = 2)

区分不同小图的标签写在每个小图的上方。可以用facet_wrap()参数strip_position和参数switch调整标签的上下左右。

小图之间默认公用了横坐标和纵坐标且坐标范围保持一致。如果不保持一致， 读者可能会有误解。但是x轴或y轴映射为分类变量且不同小图的分类完全不同时， 可以令各小图中该轴的取值不统一。facet_wrap()选项scales默认为"fixed"， 即所有小图的x轴、y轴都范围一致， 取"free_x"则允许各小图的x轴不统一， "free_y"允许各小图的y轴不统一， "free"允许各小图的x轴和y轴都不统一。

在facet_wrap()中可以用ncol参数指定小图的列数， 用nrow指定小图的行数。各个小图的次序应该设定为一定的合理次序， 比如用来分类的变量本身有序， 或者令各小图中的数据值有一定的增减次序。

6.总结

ggplot2的不仅仅是能够做一些固定格式的图形， 而是按照一种图形语法构建图形。小图功能可以将数据集分成若干子集作多幅小图， 每幅小图中， 有可以分层， 每层有不同类型的图， 各层叠加显示在一起。所以，分层语法作图结构如下：

有一个主要的数据集， 以及从数据集变量到坐标位置、颜色、填充、大小、符号等的映射关系(aesthetics);

有一到多个图层， 比如散点图和平滑曲线图层， 每个图层有几何对象、必要的统计变换、位置调整， 还可以有额外的数据集以及额外的映射关系；

对每个映射关系有一个刻度(scaling)， 对x、y维，一般需要线性变换，偶尔用到对数变换之类的其它变换， 颜色、填充等维度需要一些复杂的对应关系。无特殊需要时只要使用默认刻度；

有一个坐标系统， 如直角坐标系、极坐标系、球面坐标系等， 一般只要使用默认的坐标系统；

可以划分小图(facetting)。

利用绘图语法既可以做出常见的统计图形， 也可以做出各种新颖的图形， 当然， 就像语法正确的语句不一定有意义， 用绘图语法做得新颖图形不一定有实际意义， 还是要按照可视化的一般原则做出能说服读者的图形